PolyMath

PolyMath 是一个跨学科数学推理基准，覆盖纯数学、应用数学、统计、密码学等多个数学分支。题目要求模型进行严格的形式化推理和多步推导，用于评测模型在专业数学层面的推理深度。

多语言官方网站

#	模型		得分 (%)	厂商	来源
1	Qwen3-235B-A22B-Thinking-2507		60.1	阿里巴巴	Qwen3 2507 Hugging Face 模型卡
2	Qwen3-235B-A22B		54.7	阿里巴巴	Qwen3 技术报告
3	Qwen3-30B-A3B-Thinking-2507		52.6	阿里巴巴	Qwen3 2507 Hugging Face 模型卡
4	Gemini 2.5 Pro		52.2	Google	Qwen3 技术报告
5	Qwen3-235B-A22B-Instruct-2507		50.2	阿里巴巴	Qwen3 2507 Hugging Face 模型卡
6	Qwen3-32B		47.4	阿里巴巴	Qwen3 技术报告
7	DeepSeek-R1		47.1	深度求索	Qwen3 技术报告
8	Qwen3-4B-Thinking-2507		46.2	阿里巴巴	Qwen3 2507 Hugging Face 模型卡
9	Qwen3-30B-A3B		46.1	阿里巴巴	Qwen3 技术报告
10	QwQ-32B		45.9	阿里巴巴	Qwen3 技术报告