数学 · %

MATH Level 5

MATH 竞赛数据集（Hendrycks 等，2021）中最难的第 5 级题目。

已饱和数据污染风险: 高 104 条成绩 · 94 个模型更新于 2026年10月22日最新成绩：2025-10-30 · 数据较旧官方榜单 ↗

测什么

准确率，Epoch AI 统一评测。

局限

推理模型已接近满分。

数据污染风险: 高

2021 年起公开。

排行

94 个模型

#	模型	厂商	分数	名次	设定	来源类型	日期
1	GPT-5	OpenAI	98.1%	1	Epoch AI run, accuracy; effort: high	独立评测	2025年10月29日
2	GPT-5 mini	OpenAI	97.8%	3	Epoch AI run, accuracy; effort: high	独立评测	2025年10月30日
3	o4-mini	OpenAI	97.8%	4	Epoch AI run, accuracy; effort: high	独立评测	2025年4月16日
4	o3	OpenAI	97.8%	5	Epoch AI run, accuracy; effort: high	独立评测	2025年4月16日
5	Claude Sonnet 4.5	Anthropic	97.7%	6	Epoch AI run, accuracy; effort: 32k thinking	独立评测	2025年10月21日
6	Qwen3-Max	Alibaba (Qwen)	97.1%	7	Epoch AI run, accuracy	独立评测	2025年10月9日
7	DeepSeek-R1 (May 2025)OW	DeepSeek	96.6%	9	Epoch AI run, accuracy; effort: May 2025	独立评测	2025年5月29日
8	o3-mini	OpenAI	96.5%	10	Epoch AI run, accuracy; effort: high	独立评测	2025年2月13日
9	Claude Haiku 4.5	Anthropic	96.4%	11	Epoch AI run, accuracy	独立评测	2025年10月22日
10	Gemini 2.5 Pro (May 2025)	Google	95.9%	12	Epoch AI run, accuracy; effort: Jun 2025	独立评测	2025年5月8日
11	Gemini 2.5 Pro (Mar 2025)	Google	95.6%	13	Epoch AI run, accuracy; effort: Mar 2025	独立评测	2025年5月7日
12	GPT-5 nano	OpenAI	95.2%	14	Epoch AI run, accuracy; effort: medium	独立评测	2025年8月20日
13	o1	OpenAI	94.7%	17	Epoch AI run, accuracy; effort: high	独立评测	2025年2月13日
14	DeepSeek-R1OW	DeepSeek	93.0%	19	Epoch AI run, accuracy	独立评测	2025年1月31日
15	Claude 3.7 Sonnet	Anthropic	91.2%	20	Epoch AI run, accuracy; effort: 64k thinking	独立评测	2025年3月13日
16	Grok-3 mini	xAI	90.9%	21	Epoch AI run, accuracy	独立评测	2025年4月10日
17	DeepSeek-R1-Distill-Llama-70BOW	DeepSeek	89.9%	23	Epoch AI run, accuracy	独立评测	2025年3月10日
18	o1-mini	OpenAI	89.2%	24	Epoch AI run, accuracy; effort: high	独立评测	2025年2月13日
19	Grok 3	xAI	88.8%	25	Epoch AI run, accuracy	独立评测	2025年4月10日
20	GPT-4.1 mini	OpenAI	87.3%	26	Epoch AI run, accuracy	独立评测	2025年4月14日
21	DeepSeek-R1-Distill-Qwen-14BOW	DeepSeek	87.1%	27	Epoch AI run, accuracy	独立评测	2025年3月11日
22	Claude Opus 4	Anthropic	85.0%	29	Epoch AI run, accuracy	独立评测	2025年5月22日
23	Claude Sonnet 4	Anthropic	84.4%	30	Epoch AI run, accuracy	独立评测	2025年5月22日
24	Gemini 2.0 Pro	Google	83.5%	32	Epoch AI run, accuracy; effort: Feb 2025	独立评测	2025年2月6日
25	GPT-4.1	OpenAI	83.0%	33	Epoch AI run, accuracy	独立评测	2025年4月14日
26	Gemini 2.0 Flash (Feb 2025)	Google	82.2%	34	Epoch AI run, accuracy; effort: Feb 2025	独立评测	2025年2月6日
27	o1-preview	OpenAI	81.7%	35	Epoch AI run, accuracy	独立评测	2025年1月27日
28	Mistral Medium 3	Mistral AI	81.6%	36	Epoch AI run, accuracy	独立评测	2025年5月7日
29	GPT-4.5	OpenAI	78.6%	37	Epoch AI run, accuracy; effort: Feb 2025	独立评测	2025年2月28日
30	DeepSeek-V3 (Mar 2025)OW	DeepSeek	75.5%	38	Epoch AI run, accuracy; effort: Mar 2025	独立评测	2025年4月1日
31	Gemma 3 27BOW	Google	74.0%	39	Epoch AI run, accuracy	独立评测	2025年3月13日
32	Llama 4 MaverickOW	Meta	73.0%	40	Epoch AI run, accuracy; effort: FP8	独立评测	2025年4月8日
33	Gemini 1.5 Pro (Sept 2024)	Google	70.4%	41	Epoch AI run, accuracy	独立评测	2025年1月27日
34	GPT-4.1 nano	OpenAI	70.0%	42	Epoch AI run, accuracy	独立评测	2025年4月14日
35	Qwen3-235B-A22BOW	Alibaba (Qwen)	68.9%	43	Epoch AI run, accuracy	独立评测	2025年6月3日
36	Qwen2.5-Max	Alibaba (Qwen)	67.2%	45	Epoch AI run, accuracy	独立评测	2025年4月1日
37	Qwen Plus (Jan 2025)	Alibaba (Qwen)	65.3%	46	Epoch AI run, accuracy	独立评测	2025年4月7日
38	Phi-4OW	Microsoft Research	64.9%	47	Epoch AI run, accuracy	独立评测	2025年1月31日
39	DeepSeek-V3OW	DeepSeek	64.8%	48	Epoch AI run, accuracy	独立评测	2025年1月27日
40	Grok-2 (Dec 2024)	xAI	63.5%	49	Epoch AI run, accuracy	独立评测	2025年2月17日
41	Qwen2.5-72BOW	Alibaba (Qwen)	63.2%	50	Epoch AI run, accuracy	独立评测	2025年1月27日
42	Llama 4 ScoutOW	Meta	62.3%	51	Epoch AI run, accuracy	独立评测	2025年4月8日
43	Gemini 1.5 Flash (Sep 2024)	Google	61.9%	52	Epoch AI run, accuracy	独立评测	2025年1月27日
44	Claude 3.5 Sonnet (October 2024)	Anthropic	57.0%	53	Epoch AI run, accuracy; effort: Oct 2024	独立评测	2025年1月27日
45	Qwen-Turbo	Alibaba (Qwen)	56.2%	54	Epoch AI run, accuracy	独立评测	2025年4月7日
46	Qwen2.5-32BOW	Alibaba (Qwen)	56.1%	55	Epoch AI run, accuracy	独立评测	2025年1月30日
47	GPT-4o (Aug 2024)	OpenAI	53.3%	56	Epoch AI run, accuracy; effort: Aug 2024	独立评测	2025年1月27日
48	GPT-4o mini	OpenAI	52.6%	57	Epoch AI run, accuracy	独立评测	2025年1月27日
49	Claude 3.5 Sonnet	Anthropic	51.7%	58	Epoch AI run, accuracy; effort: Jun 2024	独立评测	2025年1月27日
50	GPT-4o (May 2024)	OpenAI	51.0%	59	Epoch AI run, accuracy; effort: May 2024	独立评测	2025年1月27日
51	Mistral Large 2 (Nov 2024)OW	Mistral AI	50.3%	60	Epoch AI run, accuracy	独立评测	2025年2月25日
52	GPT-4o (Nov 2024)	OpenAI	49.8%	61	Epoch AI run, accuracy; effort: Nov 2024	独立评测	2025年2月5日
53	Llama 3.1-405BOW	Meta	49.8%	61	Epoch AI run, accuracy	独立评测	2025年1月27日
54	Mistral Small 3.1OW	Mistral AI	46.8%	63	Epoch AI run, accuracy	独立评测	2025年3月18日
55	GPT-4 Turbo (Apr 2024)	OpenAI	46.7%	64	Epoch AI run, accuracy	独立评测	2025年2月27日
56	Claude 3.5 Haiku	Anthropic	46.4%	65	Epoch AI run, accuracy; effort: Oct 2024	独立评测	2025年3月12日
57	Mistral Small 3OW	Mistral AI	44.8%	66	Epoch AI run, accuracy	独立评测	2025年1月30日
58	Mistral Large 2 (Jul 2024)OW	Mistral AI	44.8%	66	Epoch AI run, accuracy	独立评测	2025年1月27日
59	Tulu 3 (Tülu 3) 70BOW	Ai2	42.7%	68	Epoch AI run, accuracy	独立评测	2025年1月27日
60	Llama 3.3 70BOW	Meta	41.6%	69	Epoch AI run, accuracy	独立评测	2025年1月27日
61	Gemini 1.5 Pro (May 2024)	Google	40.8%	70	Epoch AI run, accuracy	独立评测	2025年1月27日
62	GPT-4 Turbo (Nov 2023)	OpenAI	40.0%	71	Epoch AI run, accuracy; effort: Nov 2023	独立评测	2025年1月27日
63	Llama 3.2 90BOW	Meta	39.4%	72	Epoch AI run, accuracy	独立评测	2025年1月27日
64	Qwen2-72BOW	Alibaba (Qwen)	39.1%	73	Epoch AI run, accuracy	独立评测	2025年1月27日
65	Claude 3 Opus	Anthropic	37.5%	74	Epoch AI run, accuracy	独立评测	2025年1月27日
66	Llama 3.1-70BOW	Meta	36.7%	75	Epoch AI run, accuracy	独立评测	2025年1月27日
67	Gemma 2 27BOW	Google	27.9%	77	Epoch AI run, accuracy	独立评测	2025年1月27日
68	WizardLM-2 8x22BOW	Microsoft	25.7%	78	Epoch AI run, accuracy	独立评测	2025年1月27日
69	Yi-1.5-34BOW	01.AI	25.5%	79	Epoch AI run, accuracy	独立评测	2025年1月27日
70	Gemini 1.5 Flash (May 2024)	Google	25.1%	80	Epoch AI run, accuracy; effort: May 2024	独立评测	2025年1月27日
71	Mistral Large	Mistral AI	24.5%	81	Epoch AI run, accuracy	独立评测	2025年1月27日
72	Mixtral 8x22BOW	Mistral AI	24.2%	82	Epoch AI run, accuracy	独立评测	2025年1月27日
73	GPT-4 (Jun 2023)	OpenAI	23.0%	83	Epoch AI run, accuracy; effort: Jun 2023	独立评测	2025年1月27日
74	Llama 3.1-8BOW	Meta	22.9%	84	Epoch AI run, accuracy	独立评测	2025年1月27日
75	Hermes 2 Theta Llama-3 70BOW	Nous Research	22.7%	85	Epoch AI run, accuracy	独立评测	2025年1月27日
76	Llama 3-70BOW	Meta	22.6%	86	Epoch AI run, accuracy	独立评测	2025年1月27日
77	Gemma 2 9BOW	Google	21.0%	87	Epoch AI run, accuracy	独立评测	2025年1月27日
78	Claude 3 Sonnet	Anthropic	18.2%	88	Epoch AI run, accuracy	独立评测	2025年1月27日
79	phi-3-medium 14BOW	Microsoft	17.6%	89	Epoch AI run, accuracy	独立评测	2025年1月31日
80	GPT-3.5 Turbo (Nov 2023)	OpenAI	15.9%	90	Epoch AI run, accuracy; effort: Nov 2023	独立评测	2025年1月27日
81	Ministral 8BOW	Mistral AI	14.9%	91	Epoch AI run, accuracy	独立评测	2025年1月27日
82	Claude 3 Haiku	Anthropic	14.9%	92	Epoch AI run, accuracy	独立评测	2025年1月27日
83	Ministral 3B	Mistral AI	14.4%	93	Epoch AI run, accuracy	独立评测	2025年1月27日
84	Claude 2	Anthropic	11.7%	94	Epoch AI run, accuracy	独立评测	2025年1月27日
85	DBRXOW	Databricks	11.7%	95	Epoch AI run, accuracy	独立评测	2025年1月27日
86	GPT-3.5 Turbo (Jan 2024)	OpenAI	11.6%	96	Epoch AI run, accuracy; effort: Jan 2024	独立评测	2025年1月27日
87	Gemini 1.0 Pro	Google	11.2%	97	Epoch AI run, accuracy	独立评测	2025年1月27日
88	Mistral NeMoOW	Mistral AI	10.8%	98	Epoch AI run, accuracy	独立评测	2025年1月27日
89	Mixtral 8x7BOW	Mistral AI	9.3%	99	Epoch AI run, accuracy	独立评测	2025年1月27日
90	DeepSeek LLM 67BOW	DeepSeek	6.4%	100	Epoch AI run, accuracy	独立评测	2025年1月27日
91	Llama 3-8BOW	Meta	6.1%	101	Epoch AI run, accuracy	独立评测	2025年1月27日
92	Yi-34BOW	01.AI	5.2%	102	Epoch AI run, accuracy	独立评测	2025年1月27日
93	Mistral 7B v0.3OW	Mistral AI	3.6%	103	Epoch AI run, accuracy	独立评测	2025年1月27日
94	Llama 2-70BOW	Meta	3.3%	104	Epoch AI run, accuracy	独立评测	2025年1月27日

最高分变化

按评测日期，每一步表示本站数据中出现了新的最高分。

2025-01-2794.4%o1
2025-01-3195.2%o3-mini
2025-02-1396.5%o3-mini
2025-04-1697.8%o4-mini
2025-08-2097.9%GPT-5
2025-10-2998.1%GPT-5

数据来源与许可

来源	许可 / 条款	本站使用方式	最近抓取
Epoch AI Benchmarking Hub Epoch AI, 'Capabilities & benchmarking', https://epoch.ai/benchmarks (CC BY 4.0)	CC BY 4.0	开放许可：完整收录并署名	2026年10月22日

← 全部基准 · 了解评测基准是怎么回事

常见问题

MATH Level 5 测的是什么？

MATH 竞赛数据集（Hendrycks 等，2021）中最难的第 5 级题目。准确率，Epoch AI 统一评测。

MATH Level 5 的结果可靠吗？

推理模型已接近满分。数据污染风险: 高 – 2021 年起公开。