Math Capability

Mathematical reasoning benchmarks: AIME 2025/2026, FrontierMath, MATH-500, GSM8K.

…

About Benchmarks

AIME 2025

American Invitational Mathematics Examination 2025 — 高校生レベルの数学コンテスト

AIME 2026

American Invitational Mathematics Examination 2026 — 高校生レベルの数学コンテスト

FrontierMath - Tier 4

高度な数学問題 — 研究レベルの数学的推論能力を測定

MATH-500

数学問題セット — 幅広い数学分野の問題解決能力を測定

GSM8K

Grade School Math 8K — 小学校レベルの数学的推論能力を測定