ProofBench (Vals)

무엇을 측정하나요?
대학원·대학 고학년 수준의 정리를 수학 증명으로 직접 써낼 수 있는지 봅니다. Vals AI가 만들었습니다.
누가 어떻게 평가하나요?
해석학, 대수, 확률, 정수론 등의 정리 100개를 증명 검증용 언어인 Lean 4로 써서 기계 검증을 통과해야 합니다. 부분 점수는 없습니다.
점수 읽는 법
점수는 0~100%입니다. 높을수록 좋습니다. 구글 딥마인드의 같은 이름 시험과는 다릅니다.
최고 점수100.0%
측정한 모델71개
측정 기준높을수록 좋음
모델 출시 시기

수학 증명을 빈틈없이 쓸 수 있을까?

ProofBench

  1. 🥇AnthropicClaude Fable 5.2추론 강도: Max100.0%
  2. 🥇AnthropicClaude Fable 5.1추론 강도: Max100.0%
  3. 🥇AnthropicClaude Opus 5.5추론 강도: Max100.0%
  4. 🥇AnthropicClaude Sonnet 5.5추론 강도: Max100.0%
  5. #5GoogleGemini 4 Argon99.0%
  6. #5OpenAIGPT-6.1 Sol99.0%
  7. #5AnthropicClaude Opus 5추론 강도: Max99.0%
  8. #5OpenAIGPT-6 Astra99.0%
  9. #9AnthropicClaude Fable 5추론 강도: Max95.0%
  10. #10Moonshot AIKimi K3.1 Pro91.0%
  11. #11AnthropicClaude Haiku 5.5추론 강도: Max89.0%
  12. #12Moonshot AIKimi K387.0%
  13. #13OpenAIGPT-6 Sol83.0%
  14. #13OpenAIGPT-5.6 Sol추론 강도: Max83.0%
  15. #15AnthropicClaude Sonnet 5추론 강도: Max77.0%
  16. #16TencentHy475.0%
  17. #17OpenAIGPT-5.6 Terra추론 강도: Extra High74.0%
  18. #18XiaomiMiMo-V2.6-Pro70.0%
  19. #19AnthropicClaude Opus 4.8추론 강도: Max69.0%
  20. #20OpenAIGPT-6 Luna64.0%
  21. #21XiaomiMiMo-V2.6-Flash63.0%
  22. #22OpenAIGPT-5.6 Luna추론 강도: Max60.0%
  23. #23MetaMuse Spark 1.3추론 강도: Max58.0%
  24. #23GoogleGemini 3.7 Flash58.0%
  25. #25DeepSeekDeepSeek V4 Flash56.0%
  26. #25OpenAIGPT-5.4추론 강도: Extra High56.0%
  27. #27DeepSeekDeepSeek V4.1 Flash54.0%
  28. #27AnthropicClaude Opus 4.7추론 강도: Max54.0%
  29. #29SpaceXSIGrok 4.651.0%
  30. #30AnthropicClaude Opus 4.6추론 강도: Max50.0%
  31. #30OpenAIGPT-5.5추론 강도: Extra High50.0%
  32. #30DeepSeekDeepSeek V4 Pro50.0%
  33. #33Z.aiGLM 5.3추론 강도: Max49.0%
  34. #34GoogleGemini 3.8 Flash48.0%
  35. #35AnthropicClaude Sonnet 4.6추론 강도: Max45.0%
  36. #36MetaMuse Spark 1.243.0%
  37. #37StepfunStep-542.0%
  38. #38MetaMuse Spark 1.139.0%
  39. #39AnthropicClaude Opus 4.536.0%
  40. #39GoogleGemini 3.6 Flash36.0%
  41. #41Z.aiGLM 5.2추론 강도: Max35.0%
  42. #42GoogleGemini 3.5 Flash추론 강도: High31.0%
  43. #42SpaceXSIGrok 4.5추론 강도: High31.0%
  44. #44GoogleGemini 3.1 Pro26.0%
  45. #44AlibabaQwen3.7 Max26.0%
  46. #44SpaceXSIGrok 4.726.0%
  47. #47Z.aiGLM-5.122.2%
  48. #48XiaomiMiMo V2.5 Pro22.0%
  49. #49Z.aiGLM 5.3 Flash추론 강도: Max21.0%
  50. #49OpenAIGPT-5.4 Mini추론 강도: Extra High21.0%
  51. #51AnthropicClaude Sonnet 4.519.0%
  52. #52OpenAIGPT-5추론 강도: High18.0%
  53. #52MiniMaxMiniMax M318.0%
  54. #54MetaMuse Spark17.0%
  55. #55XiaomiMiMo V2.516.0%
  56. #55Moonshot AIKimi K2.616.0%
  57. #57GoogleGemini 3 Flash15.0%
  58. #58SpaceXSIGrok 4.20 (Reasoning)14.0%
  59. #59GoogleGemini 3.5 Flash-Lite13.0%
  60. #60OpenAIGPT-5 Nano추론 강도: High12.0%
  61. #61SpaceXSIGrok 4.3추론 강도: High11.0%
  62. #62Mistral AIMistral Large 410.0%
  63. #63OpenAIGPT-5 Mini추론 강도: High9.0%
  64. #63Mistral AIMistral Medium 3.59.0%
  65. #65DeepSeekDeepSeek V3.28.0%
  66. #66OpenAIGPT-5.4 Nano추론 강도: High5.0%
  67. #67MiniMaxMiniMax M2.54.0%
  68. #67SpaceXSIGrok 4.1 Fast (Reasoning)4.0%
  69. #69MiniMaxMiniMax M2.73.0%
  70. #70NVIDIANemotron 3 Ultra2.0%
  71. #71PoolsideLaguna M.10.0%
상위 4개는 오차 범위 안 · 사실상 공동 1위 · 모델 절반이 43.0% 이하

"작업 도구"는 AI가 과제를 풀 때 함께 쓴 실행 환경(에이전트 프로그램)입니다. 같은 모델이라도 작업 도구와 추론 강도에 따라 점수가 크게 달라질 수 있습니다.

카톡 문의