加载中...
加载中...
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 GSM8K、MATH、AIME 2025 等多个权威数学基准数据集，对包括 OpenAI 的 GPT-4o、Anthropic 的 Claude、阿里巴巴的 Qwen、DeepSeek-R1 等模型进行评测。
数据来源：DataLearnerAI
| 3 | Qwen3-8B | 67.30 | 79.40 | 97.40 | 0.00 |
| 4 | Qwen3-4B-2507 | 47.40 | 0.00 | 0.00 | 0.00 |
| 5 | Pangu Embedded | 0.00 | 81.90 | 92.40 | 95.98 |
| 6 | Qwen2.5-7B | 0.00 | 0.00 | 0.00 | 85.40 |
| 7 | Llama3.1-8B-Instruct | 0.00 | 0.00 | 0.00 | 82.40 |
| 8 | Gemma 2 - 9B | 0.00 | 0.00 | 0.00 | 70.70 |
| 9 | Llama3.1-8B | 0.00 | 0.00 | 0.00 | 55.30 |
| 10 | Mistral-7B-Instruct-v0.3 | 0.00 | 0.00 | 0.00 | 36.20 |
| 11 | DeepSeek-R1-Distill-Qwen-7B | 0.00 | 53.30 | 91.40 | 0.00 |
| 12 | GLM-4-9B-Chat | 0.00 | 76.40 | 0.00 | 0.00 |