Benchmark
AIME 2025
math
reasoning
text
All 30 problems from the 2025 American Invitational Mathematics Examination (AIME I and AIME II), testing olympiad-level mathematical reasoning with integer answers from 000-999. Used as an AI benchmark to evaluate large language models' ability to solve complex mathematical problems requiring multi-step logical deductions and structured symbolic reasoning.
Top 10
榜单概览
数据说明
分数为 0-100 百分制综合成绩（Elo 榜为相对评分，仅供同榜内比较）。评测分数属事实数据，整理自公开评测体系与厂商公开资料，部分分数为厂商自报口径，不同榜单的评测方法与数据集可能存在差异，请结合多个榜单交叉参考。
Ranking
模型排名
| 名次 | 模型 | 机构 | 分数 | 来源 |
|---|---|---|---|---|
| 1 | Claude Haiku 4.5 | Anthropic | 96.3 | 来源 |
| 2 | GPT-5 | OpenAI | 94.6 | 来源 |
| 3 | GLM-4.6 | Zhipu AI | 93.9 | 来源 |
| 4 | Qwen3-235B-A22B-Thinking-2507 | Alibaba Cloud / Qwen Team | 92.3 | 来源 |
| 5 | Grok 4 Fast | xAI | 92.0 | 来源 |
| 6 | GPT-5 mini | OpenAI | 91.1 | 来源 |
| 7 | DeepSeek-V3.2-Exp | DeepSeek | 89.3 | 来源 |
| 8 | Qwen3-Next-80B-A3B-Thinking | Alibaba Cloud / Qwen Team | 87.8 | 来源 |
| 9 | Claude Sonnet 4.5 | Anthropic | 87.0 | 来源 |
| 10 | GPT-5 nano | OpenAI | 85.2 | 来源 |
| 11 | Claude Opus 4.1 | Anthropic | 78.0 | 来源 |
| 12 | Nemotron Nano 9B v2 | NVIDIA | 72.1 | 来源 |
| 13 | Qwen3-Next-80B-A3B-Instruct | Alibaba Cloud / Qwen Team | 69.5 | 来源 |
| 14 | Kimi K2-Instruct-0905 | Moonshot AI | 49.5 | 来源 |