分类分数 V3 排行榜
LMSpeed 数学能力最强的 AI 模型
对比基础数学、竞赛数学、高阶证明及工具辅助数学 Benchmark，并在 LMSpeed 分类能力估计旁展示每项原始跑分。
方法论 3.0查看方法论
当前结论
当前还没有模型满足正式排名规则。下表有 89 个估算模型和 11 个暂定模型。它们可用于观察，但不能当成正式名次。
排名会随新数据和方法更新。页面顶部显示本次运行日期。
当前可用榜单数据
- 收录模型
- 100
- 正式排名模型
- 0
- Benchmark 列
- 13
- 已有证据的维度
- 4/4
如何阅读 Benchmark 进度条
每个进度条只用于比较同一 Benchmark 列中的模型，长度相对于当前榜单展示的模型计算；它不是分类分数，也不能跨 Benchmark 列比较。
| 排名 | 模型 | LMSpeed 分类分 | 基础数学 | 竞赛数学 | 高阶证明 | 应用与工具辅助数学 | 评级 | 证据覆盖 | 更新时间 | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| MATH-500undefined 个模型 | AA Math Indexundefined 个模型 | AIMEundefined 个模型 | HMMT Feb 2026undefined 个模型 | AIME26undefined 个模型 | HMMT Nov 2025undefined 个模型 | HMMT Feb 2025undefined 个模型 | AIME 2025undefined 个模型 | FrontierMath v2 (Tiers 1-3)undefined 个模型 | FrontierMath v2 (Tier 4)undefined 个模型 | FrontierMath (legacy)undefined 个模型 | IMOAnswerBenchundefined 个模型 | MMAnswerBenchundefined 个模型 | ||||||
| 估算模型（不排名）89 | ||||||||||||||||||
| — | GLM-5.2Z.ai | 70.1±11.5 | — | — | — | 92.5 | 99.2 | 94.4 | — | — | — | — | — | — | 91.0 | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | O4 MiniOpenAI | 63.9±11.8 | 98.9% | — | 94.0% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Qwen3 235B A22B Instruct 2507Qwen | 62.9±11.8 | 98.4% | — | 94.0% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Qwen3.7 MaxQwen | 62.2±12.2 | — | — | — | 97.1 | — | — | — | — | — | — | — | 90.0 | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | GPT-5OpenAI | 61.4±11.8 | 98.7% | — | 83.0% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | o3 Mini HighOpenAI | 61.3±11.8 | 98.5% | — | 86.0% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Gemini 2.5 Pro Preview 06-05Google | 60.7±11.8 | 98.0% | — | 87.0% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | GLM-4.5Z.ai | 60.5±11.8 | 97.9% | — | 87.3% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | DeepSeek V4 Pro 0813DeepSeek | 58.9±12.2 | — | — | — | 95.2 | — | — | — | — | — | — | — | 89.8 | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | MiniMax M1MiniMax | 58.9±11.8 | 97.2% | — | 81.3% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | O3OpenAI | 58.8±9.3 | 99.2% | — | 90.3% | — | — | — | — | — | 18.7 | 2.1 | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Kimi K2.6MoonshotAI | 58.6±9.0 | — | — | — | 92.7 | 96.4 | — | — | — | 39.0 | 14.6 | — | — | 86.0 | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | O3 MiniOpenAI | 58.5±11.8 | 97.3% | — | 77.0% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Qwen3 | 58.3±11.8 | 97.5% | — | 72.7% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | DeepSeek V4 Flash 0731DeepSeek | 57.9±12.2 | — | — | — | 94.8 | — | — | — | — | — | — | — | 88.4 | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Sonar Reasoning ProPerplexity | 57.4±11.8 | 95.7% | — | 79.0% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | DeepSeek R1DeepSeek | 57±11.8 | 96.6% | — | 68.3% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | GLM-4.5 AirZ.ai | 56.9±11.8 | 96.5% | — | 67.3% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Gemini 2.5 ProGoogle | 56.1±9.3 | 96.7% | — | 88.7% | — | — | — | — | — | 14.1 | 4.2 | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | DeepSeek R1 Distill QwenDeepSeek | 55.7±11.8 | 94.9% | — | 66.7% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Qwen3.7 PlusQwen | 55.2±12.2 | — | — | — | 92.9 | — | — | — | — | — | — | — | 86.0 | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | R1 Distill Llama 70BDeepSeek | 55±11.8 | 93.5% | — | 67.0% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | O1 MiniOpenAI | 54.9±11.8 | 94.4% | — | 60.3% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Claude Opus 4Anthropic | 54.4±11.8 | 94.1% | — | 56.3% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Kimi K2MoonshotAI | 53.7±9.3 | 97.1% | — | 69.3% | — | — | — | — | — | 21.4 | 0.0 | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Gemini 2.5 Flash LiteGoogle | 53.3±11.8 | 92.6% | — | 50.0% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Claude Sonnet 4Anthropic | 52.9±11.8 | 93.4% | — | 40.7% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | O1OpenAI | 52.6±9.3 | 92.4% | — | 72.3% | — | — | — | — | — | 9.3 | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Reka Flash 3Rekaai | 52.2±11.8 | 89.3% | — | 51.0% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Qwen3.6 PlusQwen | 52.2±9.1 | — | — | — | 87.8 | 95.3 | 94.6 | 96.7 | — | 26.2 | 8.3 | — | — | 83.8 | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Mistral Medium 3Mistral | 52.1±11.8 | 90.7% | — | 44.0% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Gemini 2.0 FlashGoogle | 52.1±11.8 | 93.0% | — | 33.0% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Gemini 2.0 ProGoogle | 52.1±11.8 | 92.3% | — | 36.0% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | GLM-5.1Z.ai | 51.7±9.1 | — | — | — | 82.6 | 95.3 | 94.0 | — | — | 33.4 | 12.5 | — | — | 83.8 | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | GLM-5Z.ai | 51.1±9.1 | — | — | — | 86.4 | 95.8 | 96.9 | 97.5 | — | 16.4 | 2.1 | — | — | 82.5 | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Qwen3 235B A22BQwen | 51.1±11.8 | 90.2% | — | 32.7% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Gemini 2.5 FlashGoogle | 50.8±9.3 | 92.6% | — | 43.3% | — | — | — | — | — | 4.8 | 4.2 | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Qwen3 Coder 30B A3B InstructQwen | 50.5±11.8 | 89.3% | — | 29.7% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | SonarPerplexity | 50.3±11.8 | 81.7% | — | 48.7% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Gemini 2.0 Flash LiteGoogle | 50.1±11.8 | 87.3% | — | 30.3% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Qwen3 32BQwen | 49.9±11.8 | 86.9% | — | 30.3% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | GPT-4.1 MiniOpenAI | 49.9±9.3 | 92.5% | — | 43.0% | — | — | — | — | — | 4.5 | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Claude Opus 4.5Anthropic | 49.9±9.1 | — | — | — | 85.3 | 95.1 | 93.3 | 92.9 | — | 20.7 | 4.2 | — | — | 84.0 | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Gemini 2.0 Flash Lite 001Google | 49.8±11.8 | 87.3% | — | 27.7% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Qwen3 14BQwen | 49.8±11.8 | 87.1% | — | 28.0% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | DeepSeek V3 | 49.5±9.3 | 94.2% | — | 52.0% | — | — | — | — | — | 1.7 | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Qwen3 30B A3BQwen | 49.4±11.8 | 86.3% | — | 26.0% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Kimi K2.5MoonshotAI | 49.2±9.0 | — | — | — | 87.1 | 95.8 | 91.1 | 95.4 | 96.1 | 27.9 | 4.2 | — | — | 81.8 | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | GPT-4.1OpenAI | 49±9.3 | 91.3% | — | 43.7% | — | — | — | — | — | 5.5 | 0.0 | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | GLM-4.7Z.ai | 48.8±12.3 | — | — | — | — | — | — | — | 95.7 | 2.4 | 0.0 | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Claude 3.7 SonnetAnthropic | 48.7±11.8 | 85.0% | — | 22.3% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Qwen3 8BQwen | 48.5±11.8 | 82.8% | — | 24.3% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Sonar ProPerplexity | 47.5±11.8 | 74.5% | — | 29.0% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Grok 3 | 47.3±9.3 | 87.0% | — | 33.0% | — | — | — | — | — | 3.8 | 0.0 | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Phi 4Microsoft | 46.9±11.8 | 81.0% | — | 14.3% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Ling-3.0-flashInclusionai | 46.7±11.5 | — | — | — | 87.0 | 93.2 | — | — | — | — | — | — | 83.7 | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Command ACohere | 46.2±11.8 | 81.9% | — | 9.7% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Grok-2 | 46.2±11.8 | 77.8% | — | 13.3% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | GPT-4o (2024-08-06)OpenAI | 46.2±11.8 | 79.5% | — | 11.7% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Llama 4 MaverickMeta | 46.2±9.3 | 88.9% | — | 39.0% | — | — | — | — | — | 0.7 | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | GPT-4o MiniOpenAI | 46.1±11.8 | 78.9% | — | 11.7% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | GPT-4o (2024-05-13)OpenAI | 46±11.8 | 79.1% | — | 11.0% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | GPT-4 TurboOpenAI | 45.8±11.8 | 73.7% | — | 15.0% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | DeepSeek R1 Distill Qwen 1.5BDeepSeek | 45.5±11.8 | 68.7% | — | 17.7% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | GPT-4.1 NanoOpenAI | 45.2±9.3 | 84.8% | — | 23.7% | — | — | — | — | — | 1.0 | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Mistral SabaMistral | 44.7±11.8 | 67.7% | — | 13.0% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Mistral Large 2407Mistralai | 44.5±11.8 | 71.4% | — | 9.3% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Llama 4 ScoutMeta | 44.4±9.3 | 84.4% | — | 28.3% | — | — | — | — | — | 0.0 | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Phi 4 Multimodal Instruct | 44.2±11.8 | 69.3% | — | 9.3% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Gemini 1.5 ProGoogle | 43.7±11.8 | 67.3% | — | 8.0% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Devstral SmallMistral AI | 43.4±11.8 | 68.4% | — | 6.7% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Claude 3.5 SonnetAnthropic | 43±9.3 | 69.5% | — | 9.7% | — | — | — | — | — | 2.1 | 0.0 | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Gemini 1.5 FlashGoogle | 42.6±11.8 | 55.4% | — | 9.3% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Claude 3.5 HaikuAnthropic | 42.5±11.8 | 72.1% | — | 3.3% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Claude Sonnet 4.5Anthropic | 42.5±12.3 | — | — | — | — | — | — | — | 87.0 | 13.5 | 4.2 | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | GPT-4oOpenAI | 42.2±9.3 | 79.7% | — | 10.3% | — | — | — | — | — | 0.3 | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Phi 4 Mini Instruct | 42±11.8 | 69.6% | — | 3.0% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Claude 3 OpusAnthropic | 41.5±11.8 | 64.1% | — | 3.3% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Qwen3.5 | 41.4±11.5 | — | — | — | 87.9 | 93.3 | 92.7 | 94.8 | — | — | — | — | — | 80.9 | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Qwen3.6 27BQwen | 41.3±11.5 | — | — | — | 84.3 | 94.1 | 90.7 | 93.8 | — | — | — | — | — | 80.8 | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Hermes 3 70B InstructNous | 39.6±11.8 | 53.8% | — | 2.3% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Claude 3 SonnetAnthropic | 39.6±11.8 | 41.4% | — | 4.7% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Claude 2.1Anthropic | 38.5±11.8 | 37.4% | — | 3.3% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Mixtral 8x22B InstructMistral | 36.8±11.8 | 54.5% | — | 0.0% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Mistral LargeMistralai | 36.6±11.8 | 52.7% | — | 0.0% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Claude 3 HaikuAnthropic | 36.4±11.8 | 39.4% | — | 1.0% | — | — | — | — | — | — | — | — | — | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Qwen3.6 35B A3BQwen | 34.6±11.5 | — | — | — | 83.6 | 92.7 | 89.1 | 90.7 | — | — | — | — | — | 78.9 | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | DeepSeek V4 FlashDeepSeek | 32.6±12.2 | — | — | — | 40.8 | — | — | — | — | — | — | — | 41.9 | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | DeepSeek V4 ProDeepSeek | 31.6±12.2 | — | — | — | 31.7 | — | — | — | — | — | — | — | 35.3 | — | 估算 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| 暂定模型（不排名）11 | ||||||||||||||||||
| — | GPT-5.6 SolOpenAI | 67±16.1 | — | — | — | — | — | — | — | — | 89.0 | 83.0 | 89.0 | — | — | 暂定 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | InklingThinking Machines | 65.4±16.3 | — | — | — | — | 97.1 | — | — | — | — | — | — | — | — | 暂定 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | GPT-5.6 TerraOpenAI | 64.5±16.1 | — | — | — | — | — | — | — | — | 84.9 | 68.3 | 84.9 | — | — | 暂定 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | GPT-5.6 LunaOpenAI | 62.4±16.1 | — | — | — | — | — | — | — | — | 78.6 | 58.5 | 78.6 | — | — | 暂定 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Claude Opus 4.8Anthropic | 58±16.1 | — | — | — | — | — | — | — | — | 47.2 | 31.3 | — | — | — | 暂定 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | GPT-5.4OpenAI | 57.6±16.1 | — | — | — | — | — | — | — | — | 47.6 | 27.1 | — | — | — | 暂定 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | GPT-5.5 ProOpenAI | 57.2±16.1 | — | — | — | — | — | — | — | — | 51.0 | 39.6 | 52.4 | — | — | 暂定 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | GPT-5.5OpenAI | 56.9±16.1 | — | — | — | — | — | — | — | — | 51.7 | 35.4 | 51.7 | — | — | 暂定 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | GPT-5.4 ProOpenAI | 56.8±16.1 | — | — | — | — | — | — | — | — | 50.0 | 37.5 | 50.0 | — | — | 暂定 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Claude Opus 4.7Anthropic | 56.8±16.1 | — | — | — | — | — | — | — | — | 43.8 | 22.9 | — | — | — | 暂定 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
| — | Claude Opus 4.6Anthropic | 56.5±16.1 | — | — | — | — | — | — | — | — | 40.7 | 22.9 | — | — | — | 暂定 | undefined/4 个维度 · undefined 个 Benchmark family | 2026年8月28日 |
这个榜单衡量什么
哪个 AI 模型更适合数学任务
这类榜单关注基础数学、竞赛数学、高阶证明和工具辅助数学。不同数学任务需要不同能力。
当前可用数据覆盖 4/4 个维度，并展示 13 个 Benchmark 列。
四个能力维度
四个维度来自分类蓝图。当前可用数据可能只覆盖其中一部分。没有证据的维度不会被写成已验证能力。
基础数学
当前有 2 个 Benchmark 列提供这个维度的证据。
- MATH-500
- AA Math Index
竞赛数学
当前有 6 个 Benchmark 列提供这个维度的证据。
- AIME
- HMMT Feb 2026
- AIME26
- HMMT Nov 2025
- HMMT Feb 2025
- AIME 2025
高阶证明
当前有 4 个 Benchmark 列提供这个维度的证据。
- FrontierMath v2 (Tiers 1-3)
- FrontierMath v2 (Tier 4)
- FrontierMath (legacy)
- IMOAnswerBench
应用与工具辅助数学
当前有 1 个 Benchmark 列提供这个维度的证据。
- MMAnswerBench
适合参考的数学任务
- 基础解题。它包括算术、代数和常见数学问题。
- 竞赛和证明。模型需要给出多步过程，并保证每一步成立。
- 数据计算和工具任务。模型需要正确设置公式，并检查工具结果。
如何用这张榜单选择模型
- 第 1 步
先确认评级状态
只有正式评级模型才有名次。估算和暂定模型没有正式名次。
- 第 2 步
再看评分区间和证据
分数接近时，不要只看名次。还要查看不确定性、维度覆盖和 Benchmark 数量。
- 第 3 步
最后用真实任务测试
榜单不能替代你的测试。请同时检查质量、速度、价格、上下文和供应商限制。
先按题型选择模型。重要计算要复算。证明题要检查每一步是否成立。
评级状态说明
正式评级
正式评级表示证据和重叠条件已满足。模型可以进入排名。
估算
估算表示已有部分证据，但还不满足正式排名条件。
暂定
暂定表示证据较少，或维度与 Benchmark family 覆盖还不满足估算条件。结果只适合早期观察。
Benchmark 与证据来源
证据来源名称和 Benchmark 分组来自当前可用评分数据。一个来源可以提供多个 Benchmark。
Artificial Analysis
AA Math Index、AIME和MATH-500
BenchLM
AIME 2025、AIME26、FrontierMath (legacy)、FrontierMath v2 (Tier 4)、FrontierMath v2 (Tiers 1-3)、HMMT Feb 2025、HMMT Feb 2026、HMMT Nov 2025、IMOAnswerBench和MMAnswerBench
Math 模型排行榜如何生成
LMSpeed 将合格的第三方 Benchmark 先归入四个固定能力维度。Rated 模型满足正式排名所需的证据覆盖与重叠校准要求；Estimated 与 Provisional 模型继续展示，但不授予名次。
阅读分类分数方法论榜单限制
分类分来自当前收录的第三方 Benchmark。不同测试可能使用不同数据、提示和评分规则。榜单不代表永久结论，也不能代表每个真实任务。重要选择仍要用自己的数据和流程测试。
常见问题
当前可见模型中谁的正式名次最高
当前没有正式第一名。页面有 89 个估算模型和 11 个暂定模型。它们没有正式名次，不能当成冠军。
不同分类的分数可以直接比较吗
不可以。每个分类使用不同的能力维度和证据。分类分只适合在同一张榜单内比较。需要比较不同任务时，请分别查看对应分类。
估算和暂定模型值得看吗
可以把它们当成候选模型。它们的证据还不够完整，所以没有正式名次。先看证据覆盖和不确定性，再用真实任务测试。
榜单多久更新一次
新的完整评分运行发布后，榜单会更新。页面顶部会显示当前运行日期和方法版本。LMSpeed 不保证固定的日更或周更时间。
排名第一就是最适合我的模型吗
不一定。你的任务还会受到速度、价格、上下文长度、工具支持、地区和供应商限制影响。榜单用于缩小范围，不能替代真实测试。
数学排名能代表通用推理吗
不能。数学榜只说明数学任务表现。逻辑、因果和证据验证等任务需要查看推理榜。真实业务还要检查工具使用和回答稳定性。