跳至正文

从目标出发,找到产品、方案与交付方法。

语言
全球站 / Global描述目标
形式化数学与逻辑120 tasks (% Exact Match)

AIME 2026 竞赛推理基准

考察多步代数推导、组合证明与严密约束满足能力的高难度无工具数学推理评测。

参考基线快照(非实时遥测)· GEO 摘要CN · 2026-11-21

AIME 2026 竞赛推理基准(CN 参考基线)前三:qwen/qwen3-235b-a22b / deepseek/deepseek-v4-pro / qwen/qwen4-max;峰值标价性价比 qwen/qwen3-235b-a22b(317.7/$)。分叉预警:openai/gpt-6-2-astra 属高基准参考延迟退化,qwen/qwen3-235b-a22b 属高性价比黑马(非实时遥测)。

口径说明:排行、标价成本、参考延迟与基准分来自静态公开规格与参考基线(非实时网关流量,未经第三方 ZDR 审计签章的节点保持 Unverified)。

评测任务规模120
指标口径% Exact Match
评测方法学

统计 8 次独立采样一致性与最终精确数值匹配率,并同步记录推理 Token 消耗。

AIME 2026 Reasoning 适配模型排行 (14)

14 个模型
#模型与实验室流形评分混合标价 / 1M参考速率与基准上下文 / 输出窗首选节点分叉与 ZDR 审计
1
@qwen·qwen/qwen3-235b-a22b
84.3
100% conf
$0.29
317.7 lift/$
136 tok/s
ref 178ms TTFT · 91.5 bench
131K
max out 33K
alibaba-bailian
高性价比黑马Unverified
2
@deepseek·deepseek/deepseek-v4-pro
80.4
100% conf
$0.92
105.6 lift/$
96 tok/s
ref 285ms TTFT · 97.6 bench
1M
max out 384K
deepseek-official
共识领跑Unverified
376.9
100% conf
$2.10
46.4 lift/$
102 tok/s
ref 260ms TTFT · 97.4 bench
1M
max out 131K
alibaba-bailian
稳健基线Unverified
4
@deepseek·deepseek/deepseek-r1
74.9
100% conf
$0.88
108.7 lift/$
74 tok/s
ref 310ms TTFT · 95.4 bench
128K
max out 33K
deepseek-official
稳健基线Unverified
5
@moonshot·moonshot/kimi-k3-1-pro
74.6
100% conf
$3.60
26.8 lift/$
92 tok/s
ref 310ms TTFT · 96.6 bench
1M
max out 131K
alibaba-bailian
稳健基线Unverified
6
@moonshot·moonshot/kimi-k2-thinking
74.6
99% conf
$0.96
97.0 lift/$
78 tok/s
ref 360ms TTFT · 93.1 bench
256K
max out 33K
alibaba-bailian
稳健基线Unverified
746.4
100% conf
$3.60
27.3 lift/$
114 tok/s
ref 280ms TTFT · 98.2 bench
1.0M
max out 66K
google-vertex
稳健基线Unverified
845.1
100% conf
$2.80
34.7 lift/$
112 tok/s
ref 240ms TTFT · 97.1 bench
500K
max out 131K
xai-direct
稳健基线Unverified
9
@anthropic·anthropic/claude-opus-5-5
42.9
100% conf
$7.20
13.7 lift/$
76 tok/s
ref 390ms TTFT · 98.4 bench
1M
max out 128K
anthropic-direct
稳健基线Unverified
1041.5
100% conf
$4.00
24.2 lift/$
86 tok/s
ref 370ms TTFT · 96.8 bench
400K
max out 128K
openai-direct
稳健基线Unverified
11
@openai·openai/gpt-6-2-astra
32.2
100% conf
$14.40
6.9 lift/$
44 tok/s
ref 680ms TTFT · 99.1 bench
1.1M
max out 128K
openai-direct
延迟退化预警Unverified
12
@anthropic·anthropic/claude-fable-5-2
31.5
100% conf
$14.40
6.9 lift/$
42 tok/s
ref 710ms TTFT · 99.0 bench
1M
max out 128K
anthropic-direct
延迟退化预警Unverified
13
@anthropic·anthropic/claude-opus-4-5
26.2
99% conf
$9.00
10.9 lift/$
38 tok/s
ref 820ms TTFT · 97.8 bench
200K
max out 64K
anthropic-direct
延迟退化预警Unverified
14
@openai·openai/o3-deep-research
24.2
98% conf
$12.80
7.7 lift/$
32 tok/s
ref 960ms TTFT · 98.1 bench
200K
max out 100K
openai-direct
延迟退化预警Unverified