2024年，美国数学邀请赛（AIME）成为评估大型语言模型（LLM）数学推理能力的重要基准。AIME是一项备受尊崇的考试，包含15道题，考试时间为3小时，旨在考察美国顶尖高中生在各类数学领域的复杂问题解决能力。
| 模型简称 | 得分 | 发布机构 | 发布时间 | 参数规模（亿） |
|---|---|---|---|---|
| Grok-3 mini - Reasoning | 96.0 |
|
2025-02-18 | 未知 |
| Grok-3 - Reasoning Beta | 93.3 |
|
2025-02-18 | 未知 |
| Gemini 2.5 Pro Experimental 03-25 | 92.0 |
|
2025-03-25 | 0.0 |
| OpenAI o3-mini (high) | 87.0 |
|
2025-01-31 | 未知 |
| Grok 3 | 83.9 |
|
2025-02-17 | 未知 |
| Claude Sonnet 3.7-64K Extended Thinking | 80.0 |
|
2025-02-25 | 未知 |
| DeepSeek-R1 | 79.8 |
|
2025-01-20 | 6710.0 |
| QwQ-32B | 79.5 |
|
2025-03-06 | 325.0 |
| OpenAI o1 | 79.2 |
|
2024-12-05 | 未知 |
| Hunyuan-T1 | 78.2 |
|
2025-03-21 | 0.0 |
| OpenAI o1-mini | 63.6 |
|
2024-09-12 | 未知 |
| DeepSeek-V3-0324 | 59.4 |
|
2025-03-24 | 6810.0 |
| DeepSeek-R1-Distill-Qwen-7B | 53.3 |
|
2025-01-20 | 70.0 |
| QwQ-32B-Preview | 50.0 |
|
2024-11-28 | 320.0 |
| Phi-4-instruct (reasoning-trained) | 50.0 |
|
2025-02-27 | 38.0 |
| Grok 3 mini | 40.0 |
|
2025-02-18 | 未知 |
| DeepSeek-V3 | 39.0 |
|
2024-12-26 | 6810.0 |
| GPT-4.5 | 36.7 |
|
2025-02-28 | 未知 |
| Gemini 2.0 Pro Experimental | 36.0 |
|
2025-02-05 | 未知 |
| Claude Sonnet 3.7 | 23.3 |
|
2025-02-25 | 未知 |
| Claude 3.5 Sonnet New | 16.0 |
|
2024-10-22 | 0.0 |
| Phi-4-mini-instruct (3.8B) | 10.0 |
|
2025-02-27 | 38.0 |
| GPT-4o | 9.3 |
|
2024-05-13 | 未知 |
得分:
96.0
发布时间:
2025-02-18
参数规模(亿):
未知
得分:
93.3
发布时间:
2025-02-18
参数规模(亿):
未知
得分:
92.0
发布时间:
2025-03-25
参数规模(亿):
0.0
得分:
87.0
发布时间:
2025-01-31
参数规模(亿):
未知
得分:
83.9
发布时间:
2025-02-17
参数规模(亿):
未知
得分:
80.0
发布时间:
2025-02-25
参数规模(亿):
未知
得分:
79.8
发布时间:
2025-01-20
参数规模(亿):
6710.0
得分:
79.5
发布时间:
2025-03-06
参数规模(亿):
325.0
得分:
79.2
发布时间:
2024-12-05
参数规模(亿):
未知
得分:
78.2
发布时间:
2025-03-21
参数规模(亿):
0.0
得分:
63.6
发布时间:
2024-09-12
参数规模(亿):
未知
得分:
59.4
发布时间:
2025-03-24
参数规模(亿):
6810.0
得分:
53.3
发布时间:
2025-01-20
参数规模(亿):
70.0
得分:
50.0
发布时间:
2024-11-28
参数规模(亿):
320.0
得分:
50.0
发布时间:
2025-02-27
参数规模(亿):
38.0
得分:
40.0
发布时间:
2025-02-18
参数规模(亿):
未知
得分:
39.0
发布时间:
2024-12-26
参数规模(亿):
6810.0
得分:
36.7
发布时间:
2025-02-28
参数规模(亿):
未知
得分:
36.0
发布时间:
2025-02-05
参数规模(亿):
未知
得分:
23.3
发布时间:
2025-02-25
参数规模(亿):
未知
得分:
16.0
发布时间:
2024-10-22
参数规模(亿):
0.0
得分:
10.0
发布时间:
2025-02-27
参数规模(亿):
38.0
得分:
9.3
发布时间:
2024-05-13
参数规模(亿):
未知