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-Tier4、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 2026-04-28 13:44:17

截至 2026年4月，本页覆盖 AIME2025, FrontierMath - Tier 4, 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 MATH-500 GSM8K

更多评测

参数规模:全部 3B及以下 7B 13B 34B

大模型性能评测结果

数据来源：DataLearnerAI

排名	模型					开源情况
	Kimi K2 Thinking	100.00	—	—	—	免费商用
	Step 3.5 Flash	99.80	—	—	—	免费商用
	OpenAI o4 - mini	99.50	6.30	—	—	不开源
4	GLM-4.6	98.60	2.10	—	—	免费商用
5	Kimi K2.5	96.10	4.20	—	—	免费商用
6	GLM-4.7	95.70	2.10	—	—	免费商用
7	DeepSeek V3.2	93.10	2.10	—	—	免费商用
8	o3-pro	93.00	—	—	—	不开源
9	Qwen3-235B-A22B-Thinking-2507	92.30	—	—	—	免费商用
10	DeepSeek-V3.1 Terminus	90.00	—	—	—	免费商用
11	DeepSeek V3.2-Exp	89.30	—	—	—	免费商用
12	DeepSeek-V3.1	88.40	—	—	—	免费商用
13	DeepSeek-R1-0528	87.50	—	98.00	—	免费商用
14	MiniMax M2.5	86.30	—	—	—	免费商用
15	Intern-S1	86.00	—	—	—	免费商用
16	Gemini-2.5-Pro-Preview-05-06	83.00	2.10	98.80	—	不开源
17	Step3	82.90	—	—	—	免费商用
18	Qwen3-235B-A22B	81.50	—	98.00	96.40	免费商用
19	M2.1	81.00	—	—	—	免费商用
20	MiniMax M2	78.00	—	—	—	免费商用
21	Grok 3	77.10	—	—	—	不开源
22	MiniMax-M1-80k	76.90	—	96.80	—	免费商用
23	Claude Opus 4	75.50	4.20	98.20	—	不开源
24	Kimi K2 0905	75.20	—	—	—	免费商用
25	MiniMax-M1-40k	74.60	—	96.00	—	免费商用
26	Gemini 2.5 Flash	72.00	4.20	—	—	不开源
27	Qwen3-235B-A22B-2507	70.30	—	—	—	免费商用
28	DeepSeek-R1	70.00	—	97.30	—	免费商用
29	Magistral-Medium-2506	64.95	—	—	—	不开源
30	Gemini 2.5 Flash-Lite	63.10	—	—	—	不开源