自动生成页面。 本页由 AI 自动撰写和翻译,并由软件对照来源进行核查,无人工编辑。SI-IQ 是基于公开基准测试结果构建的指数,不是智商测试。 工作原理

MATH Level 5:AI 模型成绩

MATH Level 5 是由 Epoch AI 运行的数学基准测试。我们的数据中,86 个模型有已发布的成绩。

它属于 SI-IQ 指数的一部分(载荷 α = 1.27,随机水平 0%)。

评测方
Epoch AI
基准测试主页
arxiv.org/abs/2103.03874

成绩

来源
1 GPT-5 OpenAI98.1%121118–124 12 2025年8月Epoch AI Benchmarking Hub
2 GPT-5 mini OpenAI97.8%115112–118 12 2025年8月Epoch AI Benchmarking Hub
3 o4-mini OpenAI97.8%112109–115 10 2025年4月Epoch AI Benchmarking Hub
4 o3 OpenAI97.8%116113–119 10 2025年4月Epoch AI Benchmarking Hub
5 Claude Sonnet 4.5 Anthropic97.7%110107–113 12 2025年9月Epoch AI Benchmarking Hub
6 Qwen3-Max Alibaba97.1%106103–110 6 数据不足 2025年9月Epoch AI Benchmarking Hub
7 DeepSeek-R1 (May 2025)开放 DeepSeek96.6%104100–109 5 数据不足 2025年5月Epoch AI Benchmarking Hub
8 o3-mini OpenAI96.5%105101–108 9 2025年1月Epoch AI Benchmarking Hub
9 Claude Haiku 4.5 Anthropic96.4%10499–108 8 2025年10月Epoch AI Benchmarking Hub
10 Gemini 2.5 Pro (May 2025) Google DeepMind95.9%10498–110 3 数据不足 2025年5月Epoch AI Benchmarking Hub
11 Gemini 2.5 Pro (Mar 2025) Google DeepMind95.6%108102–113 3 数据不足 2025年3月Epoch AI Benchmarking Hub
12 GPT-5 nano OpenAI95.2%105102–109 11 2025年8月Epoch AI Benchmarking Hub
13 o1 OpenAI94.7%10399–106 6 数据不足 2024年12月Epoch AI Benchmarking Hub
14 DeepSeek-R1开放 DeepSeek93.1%9893–102 4 数据不足 2025年1月Epoch AI Benchmarking Hub
15 Claude 3.7 Sonnet Anthropic91.2%9995–103 5 2025年2月Epoch AI Benchmarking Hub
16 Grok-3 mini xAI90.9%10095–105 4 数据不足 2025年4月Epoch AI Benchmarking Hub
17 DeepSeek-R1-Distill-Llama-70B开放 DeepSeek89.9%9288–97 3 数据不足 2025年1月Epoch AI Benchmarking Hub
18 o1-mini OpenAI89.2%9287–96 4 数据不足 2024年9月Epoch AI Benchmarking Hub
19 Grok 3 xAI88.7%9691–100 4 数据不足 2025年4月Epoch AI Benchmarking Hub
20 GPT-4.1 mini OpenAI87.3%9188–95 11 2025年4月Epoch AI Benchmarking Hub
21 DeepSeek-R1-Distill-Qwen-14B开放 DeepSeek87.1%8984–93 3 数据不足 2025年1月Epoch AI Benchmarking Hub
22 Claude Opus 4 Anthropic85.0%9893–102 5 2025年5月Epoch AI Benchmarking Hub
23 Claude Sonnet 4 Anthropic84.4%9793–101 6 2025年5月Epoch AI Benchmarking Hub
24 Gemini 2.0 Pro Google DeepMind83.5%8983–94 3 数据不足 2025年2月Epoch AI Benchmarking Hub
25 GPT-4.1 OpenAI83.0%9187–94 11 2025年4月Epoch AI Benchmarking Hub
26 Gemini 2.0 Flash (Feb 2025) Google DeepMind, Google82.2%8782–91 3 数据不足 2025年2月Epoch AI Benchmarking Hub
27 o1-preview OpenAI81.6%8480–89 3 数据不足 2024年9月Epoch AI Benchmarking Hub
28 Mistral Medium 3 Mistral AI81.6%8681–90 4 数据不足 2025年5月Epoch AI Benchmarking Hub
29 GPT-4.5 OpenAI78.6%8783–92 3 数据不足 2025年2月Epoch AI Benchmarking Hub
30 DeepSeek-V3 (Mar 2025)开放 DeepSeek75.5%8581–90 5 数据不足 2025年3月Epoch AI Benchmarking Hub
31 Gemma 3 27B开放 Google DeepMind74.0%7772–81 5 2025年3月Epoch AI Benchmarking Hub
32 Llama 4 Maverick开放 Meta AI73.0%8177–85 7 2025年4月Epoch AI Benchmarking Hub
33 Gemini 1.5 Pro (Sept 2024) Google DeepMind70.4%8075–85 3 数据不足 2024年9月Epoch AI Benchmarking Hub
34 GPT-4.1 nano OpenAI70.0%7672–80 9 2025年4月Epoch AI Benchmarking Hub
35 Qwen3-235B-A22B开放 Alibaba68.9%8580–91 3 数据不足 2025年4月Epoch AI Benchmarking Hub
36 Qwen2.5-Max Alibaba67.2%7873–82 4 数据不足 2025年1月Epoch AI Benchmarking Hub
37 Qwen Plus (Jan 2025) Alibaba65.3%7671–81 3 数据不足 2025年1月Epoch AI Benchmarking Hub
38 Phi-4开放 Microsoft Research64.9%7671–81 4 数据不足 2024年12月Epoch AI Benchmarking Hub
39 DeepSeek-V3开放 DeepSeek64.9%7773–82 5 数据不足 2024年12月Epoch AI Benchmarking Hub
40 Grok-2 (Dec 2024) xAI63.5%7570–80 3 数据不足 2024年12月Epoch AI Benchmarking Hub
41 Qwen2.5-72B开放 Alibaba63.2%7268–77 5 数据不足 2024年9月Epoch AI Benchmarking Hub
42 Llama 4 Scout开放 Meta AI62.3%7368–78 4 数据不足 2025年4月Epoch AI Benchmarking Hub
43 Gemini 1.5 Flash (Sep 2024) Google DeepMind61.9%7470–79 3 数据不足 2024年9月Epoch AI Benchmarking Hub
44 Claude 3.5 Sonnet (October 2024) Anthropic56.9%7671–80 4 数据不足 2024年10月Epoch AI Benchmarking Hub
45 Qwen-Turbo Alibaba56.2%6964–75 3 数据不足 2024年11月Epoch AI Benchmarking Hub
46 Qwen2.5-32B开放 Alibaba56.1%7166–76 3 数据不足 2024年9月Epoch AI Benchmarking Hub
47 GPT-4o (Aug 2024) OpenAI53.3%7368–77 9 2024年8月Epoch AI Benchmarking Hub
48 GPT-4o mini OpenAI52.6%6864–73 10 2024年7月Epoch AI Benchmarking Hub
49 Claude 3.5 Sonnet Anthropic51.7%7166–76 3 数据不足 2024年6月Epoch AI Benchmarking Hub
50 GPT-4o (May 2024) OpenAI51.0%7066–75 5 数据不足 2024年5月Epoch AI Benchmarking Hub
51 Mistral Large 2 (Nov 2024)开放 Mistral AI50.3%7166–76 4 数据不足 2024年11月Epoch AI Benchmarking Hub
52 GPT-4o (Nov 2024) OpenAI49.8%6964–73 5 2024年11月Epoch AI Benchmarking Hub
53 Llama 3.1-405B开放 Meta AI49.8%7065–75 3 数据不足 2024年7月Epoch AI Benchmarking Hub
54 Mistral Small 3.1开放 Mistral AI46.8%6863–73 3 数据不足 2025年3月Epoch AI Benchmarking Hub
55 GPT-4 Turbo (Apr 2024) OpenAI46.7%6864–73 4 数据不足 2024年4月Epoch AI Benchmarking Hub
56 Claude 3.5 Haiku Anthropic46.4%6762–72 4 数据不足 2024年10月Epoch AI Benchmarking Hub
57 Mistral Large 2 (Jul 2024)开放 Mistral AI44.8%6863–73 3 数据不足 2024年7月Epoch AI Benchmarking Hub
58 Mistral Small 3开放 Mistral AI44.8%6762–72 3 数据不足 2025年1月Epoch AI Benchmarking Hub
59 Llama 3.3 70B开放 Meta AI41.6%6661–71 6 2024年12月Epoch AI Benchmarking Hub
60 Gemini 1.5 Pro (May 2024) Google DeepMind40.7%6661–71 3 数据不足 2024年5月Epoch AI Benchmarking Hub
61 Qwen2-72B开放 Alibaba39.1%6458–69 2 数据不足 2024年6月Epoch AI Benchmarking Hub
62 Claude 3 Opus Anthropic37.5%6560–70 5 数据不足 2024年2月Epoch AI Benchmarking Hub
63 Llama 3.1-70B开放 Meta AI36.7%6358–68 3 数据不足 2024年7月Epoch AI Benchmarking Hub
64 Gemma 2 27B开放 Google DeepMind27.9%5752–63 3 数据不足 2024年6月Epoch AI Benchmarking Hub
65 WizardLM-2 8x22B开放 Microsoft25.7%5953–64 2 数据不足 2024年4月Epoch AI Benchmarking Hub
66 Gemini 1.5 Flash (May 2024) Google DeepMind25.1%5853–63 3 数据不足 2024年5月Epoch AI Benchmarking Hub
67 Mistral Large Mistral AI24.5%5651–62 3 数据不足 2024年2月Epoch AI Benchmarking Hub
68 Mixtral 8x22B开放 Mistral AI24.2%5549–61 2 数据不足 2024年4月Epoch AI Benchmarking Hub
69 GPT-4 (Jun 2023) OpenAI23.0%5751–63 4 数据不足 2023年6月Epoch AI Benchmarking Hub
70 Llama 3.1-8B开放 Meta AI22.9%5549–60 4 数据不足 2024年7月Epoch AI Benchmarking Hub
71 Hermes 2 Theta Llama-3 70B开放 Nous Research, Arcee AI22.7%5550–61 3 数据不足 2024年6月Epoch AI Benchmarking Hub
72 Llama 3-70B开放 Meta AI22.6%5752–62 3 数据不足 2024年4月Epoch AI Benchmarking Hub
73 Gemma 2 9B开放 Google DeepMind21.0%5347–59 3 数据不足 2024年6月Epoch AI Benchmarking Hub
74 Claude 3 Sonnet Anthropic18.2%5449–59 3 数据不足 2024年2月Epoch AI Benchmarking Hub
75 phi-3-medium 14B开放 Microsoft17.6%5145–57 2 数据不足 2024年4月Epoch AI Benchmarking Hub
76 GPT-3.5 Turbo (Nov 2023) OpenAI15.9%4943–55 2 数据不足 2023年11月Epoch AI Benchmarking Hub
77 Ministral 8B开放 Mistral AI14.9%4741–53 3 数据不足 2024年10月Epoch AI Benchmarking Hub
78 Claude 3 Haiku Anthropic14.9%5045–56 3 数据不足 2024年3月Epoch AI Benchmarking Hub
79 Ministral 3B Mistral AI14.4%4943–55 2 数据不足 2024年10月Epoch AI Benchmarking Hub
80 Claude 2 Anthropic11.7%4842–53 3 数据不足 2023年7月Epoch AI Benchmarking Hub
81 DBRX开放 Databricks11.7%4640–52 2 数据不足 2024年3月Epoch AI Benchmarking Hub
82 GPT-3.5 Turbo (Jan 2024) OpenAI11.6%4742–53 5 数据不足 2024年1月Epoch AI Benchmarking Hub
83 Gemini 1.0 Pro Google DeepMind11.2%4640–52 3 数据不足 2023年12月Epoch AI Benchmarking Hub
84 Mistral NeMo开放 Mistral AI10.8%4741–53 3 数据不足 2024年7月Epoch AI Benchmarking Hub
85 Mixtral 8x7B开放 Mistral AI10.0%4337–49 2 数据不足 2023年12月Epoch AI Benchmarking Hub
86 Llama 3-8B开放 Meta AI6.1%4034–46 3 数据不足 2024年4月Epoch AI Benchmarking Hub

数据来源: Aider polyglot leaderboard data (Apache-2.0); Arena leaderboard dataset on Hugging Face (CC BY 4.0); Berkeley Function Calling Leaderboard, Gorilla project (Apache-2.0); Epoch AI, ‘Capabilities & benchmarking’ (CC BY 4.0); LiteLLM, model_prices_and_context_window.json (MIT); Source: OpenRouter (openrouter.ai), licensed under CC BY 4.0: reuse and republish with attribution to OpenRouter (许可与修改).