MATH 500

500 道竞赛数学题基准MATH-500 是 MATH 数据集（Hendrycks 等人, NeurIPS 2021）的一个精选子集，包含 500 道竞赛级数学题，涵盖代数、几何、概率、数论等 7 个类别。每道题有标准答案和分步解答，广泛用于评测 LLM 的数学推理能力，是测试链式思维（CoT）效果的常用基准。

推理官方网站

#	模型	得分 (%)	厂商	来源
1	Gemini 2.5 Pro	98.8	Google	Qwen3 技术报告
2	GLM-4.5	98.2	智谱AI	GLM-4.5 技术报告
3	GLM-4.5-Air	98.1	智谱AI	GLM-4.5 技术报告
4	Qwen3-235B-A22B	98	阿里巴巴	Qwen3 技术报告
5	QwQ-32B	98	阿里巴巴	Qwen3 技术报告
6	o3-mini	98	OpenAI	Qwen3 技术报告
7	Qwen3-30B-A3B	98	阿里巴巴	Qwen3 技术报告
8	Qwen3-8B	97.4	阿里巴巴	Qwen3 技术报告
9	DeepSeek-R1	97.3	深度求索	Qwen3 技术报告
10	Qwen3-32B	97.2	阿里巴巴	Qwen3 技术报告

返回

MATH 500

500 道竞赛数学题基准MATH-500 是 MATH 数据集（Hendrycks 等人, NeurIPS 2021）的一个精选子集，包含 500 道竞赛级数学题，涵盖代数、几何、概率、数论等 7 个类别。每道题有标准答案和分步解答，广泛用于评测 LLM 的数学推理能力，是测试链式思维（CoT）效果的常用基准。

推理官方网站

#	模型	得分 (%)	厂商	来源
1	Gemini 2.5 Pro	98.8	Google	Qwen3 技术报告
2	GLM-4.5	98.2	智谱AI	GLM-4.5 技术报告
3	GLM-4.5-Air	98.1	智谱AI	GLM-4.5 技术报告
4	Qwen3-235B-A22B	98	阿里巴巴	Qwen3 技术报告
5	QwQ-32B	98	阿里巴巴	Qwen3 技术报告
6	o3-mini	98	OpenAI	Qwen3 技术报告
7	Qwen3-30B-A3B	98	阿里巴巴	Qwen3 技术报告
8	Qwen3-8B	97.4	阿里巴巴	Qwen3 技术报告
9	DeepSeek-R1	97.3	深度求索	Qwen3 技术报告
10	Qwen3-32B	97.2	阿里巴巴	Qwen3 技术报告