大模型数学推理能力评测排行榜

本页面提供最新、最全面的大模型数学推理能力评测排行榜。我们通过 AIME 2025、FrontierMath Tier 4 v2、MATH-500、GSM8K 等权威数学基准数据集，对包括 OpenAI 的 GPT、Anthropic 的 Claude、阿里巴巴的 Qwen、DeepSeek 等模型进行评测。

数据更新于 2026-09-25 13:11:44

截至 2026年9月，本页覆盖 AIME2025, FrontierMath Tier 4 v2, MATH-500, GSM8K 等评测基准，聚焦 大模型数学推理能力评测排行榜 方向的模型对比。

点击模型名称可进入详情页查看上下文长度、许可方式与 API 价格。数据口径说明见数据方法论。

基准评测

AIME2025 FrontierMath Tier 4 v2 MATH-500 GSM8K

更多评测

参数规模:全部 3B及以下 7B 13B 34B 65B 100B及以上

模型类型:全部推理大模型基座大模型指令优化/聊天优化大模型编程大模型

开源：全部开源闭源

来源：全部国产模型

模型发布时间截止:

榜单亮点

按 GSM8K 排序

当前 SOTA

Pangu Embedded

华为

95.98GSM8K

查看详情

最佳开源

Pangu Embedded

华为

95.98GSM8K

查看详情

最佳国产

Pangu Embedded

华为

95.98GSM8K

查看详情

大模型性能评测结果

数据来源：DataLearnerAI

点击任意行查看模型详情；勾选左侧可对比最多 4 个模型。

排名	模型					开源情况
	Pangu Embedded 华为	—	—	92.40	95.98	免费商用	详情
	Qwen2.5-7B 阿里巴巴	—	—	—	85.40	免费商用	详情
	Llama3.1-8B-Instruct Facebook AI研究实验室	—	—	—	82.40	免费商用	详情
4	ChatGLM3-6B-Base 智谱AI	—	—	—	72.30	免费商用	详情
5	Gemma 2 - 9B Google Research	—	—	—	70.70	免费商用	详情
6	Llama3.1-8B Facebook AI研究实验室	—	—	—	55.30	免费商用	详情
7	Mistral 7B MistralAI	—	—	—	52.10	免费商用	详情
8	Qwen-7B 阿里巴巴	—	—	—	51.60	免费商用	详情
9	DeciLM-7B Deci	—	—	—	47.38	免费商用	详情
10	Mistral-7B-Instruct-v0.3 MistralAI	—	—	—	36.20	免费商用	详情
11	ChatGLM2-6B 智谱AI	—	—	—	32.37	免费商用	详情
12	InternLM Chat 7B 8K 上海人工智能实验室	—	—	—	31.20	免费商用	详情
13	InternLM 7B 上海人工智能实验室	—	—	—	31.20	免费商用	详情
14	Baichuan2-7B-Base 百川智能	—	—	—	24.49	免费商用	详情
15	LLaMA2 7B Facebook AI研究实验室	—	—	—	14.60	免费商用	详情
16	LLaMA 7B Facebook AI研究实验室	—	—	—	11.00	不可商用	详情
17	Baichuan 7B 百川智能	—	—	—	9.70	免费商用	详情
18	ChatGLM-6B 智谱AI	—	—	—	4.82	免费商用	详情
19	Qwen3-4B-Thinking-2507 阿里巴巴	81.30	—	—	—	免费商用	详情
20	Hunyuan-7B Tencent ARC	75.30	—	93.70	—	免费商用	详情
21	Qwen3-8B 阿里巴巴	67.30	—	97.40	—	免费商用	详情
22	Qwen3-4B-2507 阿里巴巴	47.40	—	—	—	免费商用	详情
23	DeepSeek-R1-Distill-Qwen-7B DeepSeek-AI	—	—	91.40	—	免费商用	详情