OTIS Mock AIME 2024-2025
引用多め- 何を測定しますか?
- オリンピック教育プログラムOTISの生徒がAIMEをまねて作った模擬試験の問題で、数学の解答力を見ます。
- 誰がどのように評価しますか?
- 2024年と2025年のI・II回の模擬試験から各15問、計45問です。答えは0〜999の整数で、AIの答えを取り出して正解表と一致するか確認します。
- 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。MATHレベル5より難しく、FrontierMathよりは易しい水準です。
最高スコア100.0%
測定したモデル81件
測定基準高いほど良い
最終更新2026.11.13
モデルのリリース時期
さまざまな分野の専門家でも難しい問題を解ける?Humanity's Last Exam
Claude Opus 5.5🥇
Claude Opus 5.5🥇Humanity's Last Exam
Claude Opus 5.5🥇研究レベルの物理の問題を解ける?CritPt
Gemini 4 Carbon🥇
Gemini 4 Carbon🥇CritPt
Gemini 4 Carbon🥇多くの人に最も好まれる数学の回答をするAIは?Arena Math
Gemini 4 Argon🥇
Gemini 4 Argon🥇Arena Math
Gemini 4 Argon🥇
- 🥇AnthropicClaude Fable 5.1推論強度: Max100.0%
- 🥇GoogleGemini 4 Argon推論強度: High100.0%
- 🥇GoogleGemini 4 Hydrogen推論強度: Extra High100.0%
- 🥇AnthropicClaude Opus 5.5推論強度: Max100.0%
- 🥇AnthropicClaude Fable 5推論強度: High100.0%
- 🥇OpenAIGPT-6.1 Terra推論強度: Max100.0%
- 🥇OpenAIGPT-6 Sol推論強度: Max100.0%
- 🥇OpenAIGPT-6.2 Astra推論強度: Max100.0%
- 🥇OpenAIGPT-6.1 Sol推論強度: Max100.0%
- 🥇GoogleGemini 4 Carbon推論強度: High100.0%
- 🥇OpenAIGPT-6 Astra推論強度: Max100.0%
- 🥇OpenAIGPT-5.6 Sol推論強度: Max100.0%
- 🥇AnthropicClaude Sonnet 5.5推論強度: Max100.0%
- #14AnthropicClaude Fable 5.2推論強度: Max99.7%
- #14OpenAIGPT-5.6 Terra推論強度: Max99.7%
- #16DeepSeekDeepSeek V4.1 Flash 1017推論強度: Max99.4%
- #17SpaceXSIGrok 4.6推論強度: Extra High99.2%
- #17MetaMuse Spark 1.3推論強度: Extra High99.2%
- #19OpenAIGPT-6 Luna推論強度: Max98.9%
- #19AnthropicClaude Haiku 5.5推論強度: Extra High98.9%
- #19GoogleGemini 3.8 Flash推論強度: High98.9%
- #19AnthropicClaude Opus 5推論強度: Max98.9%
- #23DeepSeekDeepSeek V4 Pro推論強度: Max98.6%
- #24DeepSeekDeepSeek V4.1 Flash推論強度: Max98.3%
- #24OpenAIGPT-5.6 Luna推論強度: Max98.3%
- #24AnthropicClaude Opus 4.8推論強度: Max98.3%
- #24Mistral AIMistral Large 4推論強度: High98.3%
- #28SpaceXSIGrok 4.7推論強度: Extra High98.1%
- #29AnthropicClaude Opus 4.7推論強度: Extra High97.8%
- #30SpaceXSIGrok 4.5推論強度: High97.8%
- #30OpenAIGPT-5.4推論強度: High97.8%
- #32Moonshot AIKimi K3推論強度: Max97.2%
- #32GoogleGemini 3.7 Flash推論強度: High97.2%
- #34Moonshot AIKimi K2.696.1%
- #35GoogleGemini 3.1 Pro95.6%
- #36GoogleGemini 3 Flash推論強度: High95.6%
- #36GoogleGemini 3.5 Flash推論強度: High95.6%
- #36AlibabaQwen3.7 Max95.6%
- #36Moonshot AIKimi K2.7 Code95.6%
- #40AnthropicClaude Sonnet 5推論強度: Extra High94.7%
- #41AnthropicClaude Opus 4.6推論強度: Budget 64K94.4%
- #41DeepSeekDeepSeek V4 Flash推論強度: Max94.4%
- #43GoogleGemini 3.6 Flash推論強度: High94.2%
- #44Z.aiGLM 5.3 Flash推論強度: Max93.9%
- #45AlibabaQwen3.6 Plus93.3%
- #45AlibabaQwen3.7 Plus93.3%
- #45SpaceXSIGrok 4.3推論強度: High93.3%
- #45Z.aiGLM-5.193.3%
- #49SpaceXSIGrok 4.20 (Reasoning)92.2%
- #50OpenAIGPT-5推論強度: High91.4%
- #51Z.aiGLM 5.3推論強度: Max91.1%
- #51AlibabaQwen3.6 Max91.1%
- #53MetaMuse Spark88.9%
- #54OpenAIGPT OSS 120B推論強度: High88.9%
- #54AlibabaQwen3.5 397B A17B88.9%
- #54OpenAIGPT-5.4 Mini推論強度: Extra High88.9%
- #57OpenAIGPT-5.4 Nano推論強度: High87.8%
- #58NVIDIANemotron 3 Ultra86.7%
- #58AlibabaQwen3.5 Plus86.7%
- #58AlibabaQwen3.6 35B A3B86.7%
- #58OpenAIGPT-5 Mini推論強度: High86.7%
- #62Z.aiGLM 5.2推論強度: Max86.4%
- #63AnthropicClaude Opus 4.5推論強度: Budget 32K86.1%
- #64AnthropicClaude Sonnet 4.6推論強度: Budget 32K85.8%
- #65GoogleGemini 2.5 Pro84.7%
- #66OpenAIGPT-5.5推論強度: Low84.4%
- #66AlibabaQwen3.6 Flash84.4%
- #68OpenAIGPT-5 Nano推論強度: High81.1%
- #69GoogleGemini 3.1 Flash Lite推論強度: High80.0%
- #69Z.aiGLM-580.0%
- #71AnthropicClaude Sonnet 4.5推論強度: Budget 59K77.8%
- #72GoogleGemma 4 31B推論強度: Minimal73.3%
- #73GoogleGemini 3.5 Flash-Lite推論強度: High71.1%
- #73AnthropicClaude Sonnet 4推論強度: Budget 32K71.1%
- #73MiniMaxMiniMax M371.1%
- #76AnthropicClaude Opus 4.1推論強度: Budget 27K68.9%
- #77AnthropicClaude Haiku 4.5推論強度: Budget 32K66.7%
- #78AnthropicClaude Opus 4推論強度: Budget 27K64.4%
- #79OpenAIGPT-4.138.3%
- #80MetaLlama 4 Maverick20.6%
- #81MetaLlama 4 Scout7.8%
上位28件が100.0%付近 · 最上位は見分けにくい · モデルの半数が94.4%以下
「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。