什么值得买App下载 App ›
连续签到专享现金活动

GPT-5.5与Claude Opus 4.8并列满分!AI作业辅导进入竞赛级数学时代

AIME 2026 基准评测出现历史性一刻。DataLearnerAI 数据显示,截至 2026 年 10 月,Claude Opus 4.8 与 GPT-5.5 在 AIME 2026 上同时取得 100 分满分,这也是该评测基准上线以来首次出现双模型并列榜首。

该基准基于 2026 年美国数学邀请赛真题,共 15 道问题,涵盖代数、几何、数论与组合数学,答案须精确匹配 0 至 999 的整数。满分通过意味着两模型在这套高难度竞赛题上做到了一道不错。
1
紧随其后的是 GLM-5.2,得分 99.20;GPT-5.4 以 99.17 排名第四;DeepSeek-V4-Pro 与 Opus 4.7 并列第八,均为 96.67。国产开源模型 Qwen3-235B-A22B-Thinking 在 AIME 2026 上拿到 92.30,在前十中参数规模最小,为 2350 亿。这份榜单直观说明:高参数不等于高分数,推理策略的优化权重正在上升。1
在另一项衡量数学推理上限的基准 FrontierMath Tier 4 v2 上,格局有所不同。GPT-6 Astra Max 以 93.7% 位居榜首,Claude Fable 5.1 Max 90.2% 排名第二。GLM-5.2 在这项评测中得分为 59.2%,低于其在 AIME 上的表现——两组数据反映出不同模型在"陌生高难数学"与"竞赛真题"上的擅长领域存在分化。2
对普通用户的直接意义在于:作业辅导类 AI 的底层能力已触及竞赛级数学水平。无论是拍照搜题还是深度解题,背后模型的能力上限决定了讲解的深度与准确性。家长和学生在选择 AI 作业工具时,可重点关注其在大模型数学基准上的公开分数,分数较高的模型通常在解题步骤讲解、多步推理引导上表现更稳。

评论

评论区空态插画

当前文章无评论,是时候发表评论了