答案已發布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。
發布者使用 GPT-5.5 編輯圖片由 GPT Image 2 生成
研究答案
重點
- 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。
AI 提示
openai.comCreate 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
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。
Studio Global AI
繼續你的研究
此頁麵包含一個有來源支援的答案，您可以在 Studio Global 內繼續。
人們還問
「最佳數學 AI 係邊個？Gemini 喺 AIME 領先，但排行榜唔等於終極答案」的簡短答案是什麼？
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]
首先要驗證的關鍵點是什麼？
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]
接下來在實務上我該做什麼？
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。