答案已發布3 個月前Last edited 2 個月前12 來源

最佳數學 AI 係邊個？Gemini 喺 AIME 領先，但排行榜唔等於終極答案

如果只睇 Vals AI 嘅 AIME 榜，Gemini 3.1 Pro Preview 以 98.13% 準確率排第一；但 AIME 題目公開，分數未必等於新題同私有題都一樣穩。[1] 一線模型成績已經好貼近：BenchLM 指頂尖模型喺 AIME 2025 高於 95%，喺 HMMT 2025 高於 90%；LLM Stats 亦將 GPT 5.2 Pro 同 GPT 5.2 列入 AIME 2025 rank 1 entries。[2][4] 最實際做法係先用排行榜揀 shortlist，再用自己嘅新鮮題測一次，睇準確度、推導清晰度、穩定性、速度同成本。

使用 Studio Global AI 搜尋並查核事實瀏覽更多熱門頁面

AI-generated illustration of an AI system solving math equations beside a benchmark leaderboard — Best AI for Math: Gemini Leads AIME, but Benchmarks Need ContextAI-generated editorial illustration of AI math benchmarking and competition-style problem solving.
AI 提示
Create a landscape editorial hero image for this Studio Global article: Best AI for Math: Gemini Leads AIME, but Benchmarks Need Context. Article summary: For public AIME style competition math, Vals AI’s clearest winner is Gemini 3.1 Pro Preview at 98.13% accuracy, but that does not make it the universal best because AIME is public and other leaderboards differ.[1][4]. Topic tags: ai, math, ai benchmarks, gemini, openai. Reference image context from search candidates: Reference image 1: visual subject "Gemini 3.1 Pro leads every unsaturated math benchmark: GPQA Diamond (94.1%), HLE (44.7%), and ARC-AGI-2 (77.1%) · AIME 2025 is dead as a ranking" source context "Best AI Models for Math Reasoning - April 2026 | Awesome Agents" Reference image 2: visual subject "Gemini 3.1 Pro leads every unsaturated math benchmark: GPQA Diamond (94.1%), HLE (44.7%), and ARC-AGI-2 (77.1%) · AIME 2025 is de
openai.com

如果你講嘅「數學」係 AIME 式競賽題，答案相對清楚；如果你講嘅係功課、補習、競賽訓練、量化推理，或者產品流程入面嘅數學工作，答案就冇咁簡單。

喺本文來源之中，最清楚嘅單一公開 benchmark 結果係 Gemini 3.1 Pro Preview：Vals AI 將佢列為 AIME 最高分模型，準確率 98.13%。不過，呢個只係回答「邊個模型喺呢個 AIME 排行榜最高分？」唔代表所有數學場景都有同一個王者。

先講最直接：AIME 榜，Gemini 3.1 Pro Preview 排第一

AIME 同 HMMT 都係高中數學奧林匹克類競賽，而家亦俾人用嚟做 AI 系統嘅數學 benchmark。喺 Vals AI 嘅 AIME benchmark 入面，Gemini 3.1 Pro Preview 以 98.13% 準確率排第一。

所以，如果你問嘅係「邊個模型喺 Vals AI 呢個 AIME 榜領先？」答案好明確：Gemini 3.1 Pro Preview。但如果你問「邊個 AI 最適合所有數學需要？」就唔可以淨係睇呢一個名次。

點解一個排行榜唔夠拍板？

唔同榜單可以用唔同題目、計分方法、模型設定同更新節奏，結果自然可能唔同。Vals AI 喺 AIME benchmark 將 Gemini 3.1 Pro Preview 排第一；但 LLM Stats 嘅 AIME 2025 leaderboard 就顯示 GPT-5.2 Pro 同 GPT-5.2 都有 rank-1 entries。

更大嘅圖像係：幾個一線模型喺競賽數學上已經擠得好埋。BenchLM 指出，頂尖模型喺 AIME 2025 全部高於 95%，喺 HMMT 2025 就高於 90%。當分數差距咁細，實際揀邊個，可能更視乎佢解釋得清唔清楚、穩唔穩定、反應快唔快、成本幾多，以及佢係咪真係啱你嗰種題型。

Studio Global AI

Search, cite, and publish your own answer

Use this topic as a starting point for a fresh source-backed answer, then compare citations before you share it.

使用 Studio Global AI 搜尋並查核事實

人們還問