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
	Gemini-2.5-Pro-Preview-05-06	83.00	2.10	98.80	—	不开源
	Claude Opus 4	75.50	4.20	98.20	—	不开源
	GLM-4.5	—	—	98.20	—	免费商用
4	GLM-4.5-Air	—	—	98.10	—	免费商用
5	DeepSeek-R1-0528	87.50	—	98.00	—	免费商用
6	Qwen3-235B-A22B	81.50	—	98.00	96.40	免费商用
7	OpenAI o3-mini (high)	—	4.20	97.90	—	不开源
8	Kimi K2	54.00	0.01	97.40	—	免费商用
9	DeepSeek-R1	70.00	—	97.30	—	免费商用
10	MiniMax-M1-80k	76.90	—	96.80	—	免费商用
11	ERNIE-4.5-300B-A47B	35.10	—	96.40	96.60	免费商用
12	OpenAI o1	—	—	96.40	—	不开源
13	Kimi k1.5 (Long-CoT)	—	—	96.20	—	不开源
14	Claude Sonnet 3.7-64K Extended Thinking	—	—	96.20	—	不开源
15	MiniMax-M1-40k	74.60	—	96.00	—	免费商用
16	Llama 4 Behemoth Instruct	—	—	95.00	—	免费商用
17	Kimi k1.5 (Short-CoT)	—	—	94.60	—	不开源
18	DeepSeek-V3-0324	47.70	—	94.00	96.30	免费商用
19	GPT-4.1	36.70	—	92.80	95.90	不开源
20	GPT-4.5	—	—	90.70	—	不开源
21	OpenAI o1-mini	—	—	90.00	—	不开源
22	DeepSeek-V3	—	—	87.80	—	免费商用
23	Claude Sonnet 3.7	54.80	—	82.20	—	不开源
24	Step 3.5 Flash	99.80	—	—	—	免费商用
25	OpenAI o4 - mini	99.50	6.30	—	—	不开源
26	GLM-4.6	98.60	2.10	—	—	免费商用
27	Kimi K2.5	96.10	4.20	—	—	免费商用
28	GLM-4.7	95.70	2.10	—	—	免费商用
29	DeepSeek V3.2	93.10	2.10	—	—	免费商用
30	o3-pro	93.00	—	—	—	不开源