数学推理榜：做题最稳的模型

AITIER分领域模型榜

数学榜的题面短、判分硬，是判断「真推理还是靠记忆」最直接的一张榜。适合验证推理底子，不适合用来推断工程能力。

已收录榜单 11 个榜 · 2,350 条成绩 原榜生效 2026-10-28 · 数据时间 2026-10-28 15:39:51

本页是数学推理榜第 1 / 2 页，本榜共收录 56 条成绩，榜首 Claude Fable 5.1 （97 分 · Anthropic）。分数是归一化相对分（0~100，100 为榜单方设定的参考上限，当前榜首不一定到 100），不等于原始 benchmark 分。分数与名次照原榜公布的结果列出，名次不改写，跨榜之间也不能直接比大小。数学榜的头部很集中：少数模型把分数拉开后，其余模型会挤在很窄的一段区间里。原榜本轮成绩生效于 2026-10-28，这份数据的时间是 2026-10-28 15:39:51（北京时间）。

本榜收录 56 条成绩 第 1 页 50 条 · 每页 50 条

本榜榜首 Claude Fable 5.1 97 分（0~100 归一化相对分） · Anthropic

数据更新日 2026-10-28 原榜成绩生效日 · 这份数据的时间 2026-10-28 15:39:51

收录榜单 11 个榜 全栏合计 2,350 条成绩，读法见页底

数学推理榜名次

56 条成绩 · 第 1 / 2 页

名次与分数照原榜公布的结果列出，名次不改写。得分条长度就是分数本身（0~100 的同一区间），翻到第二页也还是同一刻度，所以行与行、页与页之间的条长可以直接比；「差榜首」是相对本榜第一名差了多少分，「—」表示它就是榜首。原榜没给的数值显示「—」。

数学推理榜（56 条成绩，第 1 页）：归一化相对分排名
排名	模型	得分	开源	发布日	差榜首
1	Claude Fable 5.1 (Max, Default Fallback) Anthropic	97/100	闭源	2026-09-01	—
2	Claude Opus 5.5 (Max, Default Fallback) Anthropic	97/100	闭源	2026-09-22	0.0
3	GPT-6.1 Sol (Max) OpenAI	97/100	闭源	2026-09-29	0.0
4	GPT-6 Astra (Max) OpenAI	97/100	闭源	2026-09-03	0.0
5	Claude Fable 5 (Max, Opus 4.8 Fallback) Anthropic	96/100	闭源	2026-06-09	-1.0
6	Claude Opus 5 (Max) Anthropic	96/100	闭源	2026-07-24	-1.0
7	Claude Sonnet 5.5 (Max, Default Fallback) Anthropic	96/100	闭源	2026-09-28	-1.0
8	GPT-5.5 (Xhigh) OpenAI	96/100	闭源	2026-04-23	-1.0
9	GPT-5.6 Sol (Max) OpenAI	96/100	闭源	2026-07-09	-1.0
10	GPT-6 Sol (Max) OpenAI	96/100	闭源	2026-09-22	-1.0
11	Grok 4.7 (Xhigh) SpaceXAI	96/100	闭源	2026-09-21	-1.0
12	Muse Spark 1.3 (Xhigh) Meta	96/100	闭源	2026-09-02	-1.0
13	Muse Wonder Meta	96/100	闭源	2026-10-12	-1.0
14	GPT-5.6 Terra (Max) OpenAI	95/100	闭源	2026-07-09	-2.0
15	Claude Opus 4.8 (Max) Anthropic	94/100	闭源	2026-05-28	-3.0
16	GPT-5.4 (Xhigh) OpenAI	94/100	闭源	2026-03-05	-3.0
17	Mistral Large 4 Preview Mistral	94/100	闭源	2026-10-06	-3.0
18	Claude Opus 4.7 (Max) Anthropic	93/100	闭源	2026-04-16	-4.0
19	Claude Sonnet 5 (Xhigh) Anthropic	93/100	闭源	2026-06-30	-4.0
20	DeepSeek V4.1 Flash (Max) DeepSeek	93/100	开源	2026-09-10	-4.0
21	Gemini 3.7 Flash (High) Google	93/100	闭源	2026-08-13	-4.0
22	GPT-5.2 (Xhigh) OpenAI	93/100	闭源	2025-12-11	-4.0
23	Grok 4.6 (Xhigh) SpaceXAI	93/100	闭源	2026-08-12	-4.0
24	Gemini 3.8 Flash (High) Google	92/100	闭源	2026-09-02	-5.0
25	DeepSeek V4 Pro 0813 (Max) DeepSeek	91/100	开源	2026-08-13	-6.0
26	Gemini 3.1 Pro Preview Google	91/100	闭源	2026-02-19	-6.0
27	GPT-5.4 nano (Xhigh) OpenAI	91/100	闭源	2026-03-17	-6.0
28	Grok 4.5 (High) SpaceXAI	91/100	闭源	2026-07-08	-6.0
29	Muse Spark 1.2 (Xhigh) Meta	91/100	闭源	2026-08-05	-6.0
30	Qwen3.8 Max (0902) Alibaba	91/100	开源	2026-09-02	-6.0
31	GLM-5.2 (Max) Z AI	90/100	开源	2026-06-16	-7.0
32	GPT-5.2 Codex (Xhigh) OpenAI	89/100	闭源	2025-12-11	-8.0
33	GPT-6 Luna (Max) OpenAI	89/100	闭源	2026-09-22	-8.0
34	DeepSeek-V4-Flash-Vision-Exp DeepSeek	88/100	闭源	2026-08-21	-9.0
35	Gemini 3.5 Flash (High) Google	88/100	闭源	2026-05-19	-9.0
36	GLM-5.3 (Max) Z AI	88/100	开源	2026-08-18	-9.0
37	Inkling (Xhigh) Thinking Machines	88/100	开源	2026-07-15	-9.0
38	GPT-5.6 Luna (Max) OpenAI	87/100	闭源	2026-07-09	-10.0
39	Muse Spark 1.1 (Xhigh) Meta	87/100	闭源	2026-07-09	-10.0
40	Claude Haiku 5.5 (Max) Anthropic	86/100	闭源	2026-10-07	-11.0
41	Gemini 3.6 Flash (High) Google	86/100	闭源	2026-07-21	-11.0
42	Qwen3.8 27B (Xhigh) Alibaba	86/100	开源	2026-08-14	-11.0
43	Qwen3.8-Flash-Next Alibaba	86/100	开源	2026-08-26	-11.0
44	Qwen3.7 Max Alibaba	85/100	闭源	2026-05-19	-12.0
45	Grok 4.3 (High) SpaceXAI	84/100	闭源	2026-04-30	-13.0
46	Kimi K2.6 (Non-reasoning) Kimi	84/100	开源	2026-04-20	-13.0
47	Kimi K3 (Max) Kimi	84/100	开源	2026-07-16	-13.0
48	Qwen3.6 Plus Alibaba	84/100	闭源	2026-04-02	-13.0
49	GLM-5.3-Flash Z AI	81/100	开源	2026-08-26	-16.0
50	DeepSeek V4 Flash 0731 (Max) DeepSeek	80/100	开源	2026-07-31	-17.0

这个榜怎么看

评分方式与读榜要点

看榜前先确认这三件事

覆盖范围11 个能力方向通用智力、代码、数学、科学、推理、智能体、多模态与生成类各有专榜

评分方式归一化相对分（0~100）100 是区间顶端、不是满分：当前榜首不一定到 100，也不等于原始 benchmark 分

读榜要点看分档，不看小数点同一档模型的分差常落在统计噪声内；跨榜之间没有共同单位

适合谁看按用途挑模型先定方向再看本榜名次，缩到两三款之后再比价格与上下文

常见问题

只回答这一栏的问题

逐个榜以外的问题见 /glossary

100 分是满分吗？

不是。100 只是 0~100 区间的顶端，当前榜首不一定到 100——有的榜榜首只有 90 多分、甚至 70 多分，这属于正常。分数是把各模型的原始成绩折算到同一区间后的相对值，不是答对率、也不是 Elo 分，这里不再换算一次。

不同榜的分数能横向比大小吗？

不能。每个榜的题库、判分方式与统计方式都不同，通用榜 90 分和代码榜 90 分之间没有共同单位；同一个模型在两张榜上分数不同也不代表它「偏科」。只能看它在同一个榜里的位置。

为什么同一个模型会出现好几条成绩？

榜单按「具体版本」收录：不同推理档位（如 high / max）、不同上下文配置的成绩会被拆成多行，分数也不一样。这里保留原有的行数，所以名次表里的行数会多于模型品牌数。

数据来自 aitier.net 的分领域模型榜，它聚合 Artificial Analysis 与 LLM Stats 的成绩；名次与分数按原榜原样收录。