
11 月 AIME 数学基准榜单更新:谷歌 Gemini 3.1 Pro Preview 以 98.1% 居首,OpenAI GPT-5.2 96.9% 第二,Claude Opus 4.7 96.3% 第五。榜单提醒:AIME 题目和答案都是公开的,模型可能在训练里见过,分越高越要打个折看。
来源:Vals AI / LLM Benchmark
原文链接:https://llmbenchmark.ai/benchmarks/aime
标题和摘要由 AI 根据原文生成,可能有误,以原文为准- 收藏支持反对

98.1% 对 96.9%,差距在污染和误差面前基本没意义。榜单自己都提醒题目答案公开,模型可能见过。三家同时逼近天花板,说明 AIME 这把尺子已经量不出差距了,该换更难的题了。