MATH Level 5

引用頻度 1/3スコア飽和
何を測定しますか?
高校生の数学競技の問題集MATHのうち、最も難しいレベル5の問題だけで解答力を見ます。
誰がどのように評価しますか?
MATHのテストセットのレベル5の問題1,324問です。解き方ではなく最終的な答えで採点し、一致の確認は文字列比較・数式の同値確認・AIによる判定の3方式で行います。
スコアの読み方
スコアは0〜100%です。高いほど良い結果です。最新モデルの多くが高いスコアを出すため、上位同士の差は見えにくくなっています。
最高スコア98.1%
測定したモデル10件
測定基準高いほど良い
最終更新2025.10.30
モデルのリリース時期
  1. 1
    OpenAI2025.08.07 · high
    98.1%
  2. 2
    OpenAI2025.08.07 · high
    97.8%
  3. 3
    Anthropic2025.09.29 · budget-32K
    97.7%
  4. 4
    Anthropic2025.10.15 · budget-32K
    96.4%
  5. 5
    OpenAI2025.08.07 · medium
    95.2%
  6. 6
    Anthropic2025.05.22
    85.0%
  7. 7
    Anthropic2025.05.22
    84.4%
  8. 8
    OpenAI2025.04.14
    83.0%
  9. 9
    Meta2025.04.05
    73.0%
  10. 10
    Meta2025.04.05
    62.3%

「作業ツール」はAIが課題を解くときに使った実行環境(エージェントプログラム)です。同じモデルでも作業ツールと推論の強さによってスコアが大きく変わることがあります。