Saltar al contenido principal
Bench

Idioma

English日本語中文Español

Información del sitio

Resultados en tareas

Problemas de competición matemática al estilo de AIME (OTIS Mock AIME 2024-2025)

Problemas de exámenes de simulacro no oficiales que imitan el AIME, un examen de matemáticas de Estados Unidos, creados por alumnos del programa de matemáticas OTIS.

Cómo leer esta tabla

  • Cuanto más arriba, mejor valoración; la diferencia entre modelos que aparecen con un intervalo como «1–2» está dentro del margen de error.
  • La valoración es la proporción (%) de preguntas comunes que se resolvieron.
  • ± es lo que puede variar al volver a medir, así que no hace falta preocuparse por diferencias pequeñas.
  • El precio es una referencia por cada millón de tokens: primero lo que se le da a leer y después lo que se le pide escribir.
  • La longitud es la cantidad de texto que se le puede dar a leer de una vez (tokens).
PuestoModeloDesarrolladorTasa de acierto
(%)Escala de Tasa de acierto: 85–100		Fecha de evaluaciónEntrada $
/1M		Salida $
/1M		ContextoAdmitePesosPublicaciónPrecio y características
1–42.ºClaude Fable 5.1AnthropicValoración 100.0 ±0.0$10$501MAnthropic Publicación 2026-⁠09 Precio $10 / $50 Longitud 1M
1–42.ºClaude Fable 5AnthropicValoración 100.0 ±0.0$10$501MAnthropic Publicación 2026-⁠06 Precio $10 / $50 Longitud 1M
1–42.ºClaude Opus 5.5AnthropicValoración 100.0 ±0.0$4$201MAnthropic Publicación 2026-⁠09 Precio $4 / $20 Longitud 1M
1–42.ºClaude Sonnet 5.5AnthropicValoración 100.0 ±0.0$2$101MAnthropic Publicación 2026-⁠09 Precio $2 / $10 Longitud 1M
1–42.ºGemini 4 ArgonGoogleValoración 100.0 ±0.0$2$101.05MGoogle Publicación 2026-⁠09 Precio $2 / $10 Longitud 1.05M
1–42.ºGPT-5.5OpenAIValoración 100.0 ±0.0$5$301.05MOpenAI Publicación 2026-⁠04 Precio $5 / $30 Longitud 1.05M
1–42.ºGPT-5.5 ProOpenAIValoración 100.0 ±0.0$30$1801.05MOpenAI Publicación 2026-⁠04 Precio $30 / $180 Longitud 1.05M
1–42.ºGPT-5.6 SolOpenAIValoración 100.0 ±0.0$4$201.05MOpenAI Publicación 2026-⁠07 Precio $4 / $20 Longitud 1.05M
1–42.ºGPT-6.1 SolOpenAIValoración 100.0 ±0.0$2$101.05MOpenAI Publicación 2026-⁠09 Precio $2 / $10 Longitud 1.05M
1–42.ºGPT-6 AstraOpenAIValoración 100.0 ±0.0$10$501.05MOpenAI Publicación 2026-⁠09 Precio $10 / $50 Longitud 1.05M
1–42.ºGPT-6 SolOpenAIValoración 100.0 ±0.0$2$101.05MOpenAI Publicación 2026-⁠09 Precio $2 / $10 Longitud 1.05M
1–42.ºQwen3.8 Max (2026-⁠09)AlibabaValoración 100.0 ±0.0——1MAlibaba Publicación 2026-⁠09 Precio — Longitud 1M
1–45.ºGPT-5.6 TerraOpenAIValoración 99.7 ±0.5$2$121.05MOpenAI Publicación 2026-⁠07 Precio $2 / $12 Longitud 1.05M
1–50.ºDeepSeek-V4.1 Flash (2026-⁠10)⁠DeepSeekValoración 99.4 ±0.8$0.15$0.61MDeepSeek Publicación 2026-⁠10 Precio $0.15 / $0.6 Longitud 1M
1–50.ºMuse WonderMetaValoración 99.4 ±0.8$4$201.05MMeta Publicación 2026-⁠10 Precio $4 / $20 Longitud 1.05M
1–50.ºQwen3.8 MaxAlibabaValoración 99.4 ±0.8$2$61MAlibaba Publicación 2026-⁠08 Precio $2 / $6 Longitud 1M
1–52.ºGrok 4.6xAIValoración 99.2 ±0.9$2$6500KxAI Publicación 2026-⁠08 Precio $2 / $6 Longitud 500K
1–52.ºMuse Spark 1.3MetaValoración 99.2 ±1.2$1.25$4.251.05MMeta Publicación 2026-⁠09 Precio $1.25 / $4.25 Longitud 1.05M
13–52.ºClaude Haiku 5.5AnthropicValoración 98.9 ±1.1$0.1$0.51MAnthropic Publicación 2026-⁠10 Precio $0.1 / $0.5 Longitud 1M
1–54.ºClaude Opus 5AnthropicValoración 98.9 ±2.2$5$251MAnthropic Publicación 2026-⁠07 Precio $5 / $25 Longitud 1M
1–52.ºGemini 3.8 FlashGoogleValoración 98.9 ±1.7$0.75$3.751.05MGoogle Publicación 2026-⁠09 Precio $0.75 / $3.75 Longitud 1.05M
1–52.ºGPT-6 LunaOpenAIValoración 98.9 ±1.3$0.1$0.51.05MOpenAI Publicación 2026-⁠09 Precio $0.1 / $0.5 Longitud 1.05M
1–56.ºDeepSeek-V4 Pro (2026-⁠08)⁠DeepSeekValoración 98.6 ±1.9$0.66$1.981MDeepSeek Publicación 2026-⁠08 Precio $0.66 / $1.98 Longitud 1M
1–61.ºClaude Opus 4.8AnthropicValoración 98.3 ±2.8$5$251MAnthropic Publicación 2026-⁠05 Precio $5 / $25 Longitud 1M
14–56.ºDeepSeek-V4.1 Flash⁠DeepSeekValoración 98.3 ±1.3——1MDeepSeek Publicación 2026-⁠09 Precio — Longitud 1M
1–60.ºGPT-5.6 LunaOpenAIValoración 98.3 ±2.3$0.2$1.21.05MOpenAI Publicación 2026-⁠07 Precio $0.2 / $1.2 Longitud 1.05M
14–56.ºMistral Large 4MistralValoración 98.3 ±1.3$1.36$4.18524.3KMistral Publicación 2026-⁠10 Precio $1.36 / $4.18 Longitud 524.3K
1–63.ºGrok 4.7xAIValoración 98.1 ±2.8$2$6500KxAI Publicación 2026-⁠09 Precio $2 / $6 Longitud 500K
1–62.ºMuse Spark Open⁠MetaValoración 98.1 ±2.5——1.04MMeta Publicación 2026-⁠10 Precio — Longitud 1.04M
1–63.ºClaude Opus 4.7AnthropicValoración 97.8 ±4.3$5$251MAnthropic Publicación 2026-⁠04 Precio $5 / $25 Longitud 1M
1–63.ºGPT-5.4OpenAIValoración 97.8 ±4.4$2.5$151.05MOpenAI Publicación 2026-⁠03 Precio $2.5 / $15 Longitud 1.05M
1–63.ºGrok 4.5xAIValoración 97.8 ±2.5$2$6500KxAI Publicación 2026-⁠07 Precio $2 / $6 Longitud 500K
1–70.ºGemini 3.7 FlashGoogleValoración 97.2 ±3.6$0.75$3.751.05MGoogle Publicación 2026-⁠08 Precio $0.75 / $3.75 Longitud 1.05M
14–63.ºKimi K3⁠MoonshotValoración 97.2 ±2.2$3$151.05MMoonshot Publicación 2026-⁠07 Precio $3 / $15 Longitud 1.05M
1–71.ºDeepSeek-V4 Pro⁠DeepSeekValoración 96.7 ±3.9$0.66$1.981MDeepSeek Publicación 2026-⁠04 Precio $0.66 / $1.98 Longitud 1M
1–76.ºGPT-5.2OpenAIValoración 96.1 ±5.1$1.75$14400KOpenAI Publicación 2025-⁠12 Precio $1.75 / $14 Longitud 400K
1–76.ºKimi K2.6⁠MoonshotValoración 96.1 ±4.7$0.95$4262.1KMoonshot Publicación 2026-⁠04 Precio $0.95 / $4 Longitud 262.1K
1–79.ºGemini 3.1 Pro (preview)GoogleValoración 95.6 ±6.1$2$121.05MGoogle Publicación 2026-⁠02 Precio $2 / $12 Longitud 1.05M
1–79.ºGemini 3.5 FlashGoogleValoración 95.6 ±5.2$1.5$91.05MGoogle Publicación 2026-⁠05 Precio $1.5 / $9 Longitud 1.05M
1–79.ºGemini 3 Flash (preview)GoogleValoración 95.6 ±6.1$0.5$31MGoogle Publicación 2025-⁠12 Precio $0.5 / $3 Longitud 1M

Evolución de la máxima tasa de acierto

2023-03-14Publicación2026-10-17
Cómo leer esta página
  • Las respuestas son números enteros, y el valor es la tasa de acierto. Se considera que su nivel es más difícil que MATH level 5 y más fácil que FrontierMath.
  • La tasa de acierto es la proporción de preguntas resueltas, sin la parte que se obtiene adivinando.
  • Los iconos de la columna Admite son, de izquierda a derecha: puede usar herramientas / puede leer imágenes / puede responder con un formato fijo (JSON) (una marca tenue significa que no lo admite o que se desconoce).
  • Un modelo de pesos abiertos es aquel cuyo contenido (los pesos) se ha publicado y que también puedes ejecutar en tu propio ordenador o servidor. Los modelos sin la marca de pesos abiertos se usan normalmente a través del servicio del desarrollador (aplicación o API) (algunos modelos no tienen información sobre sus pesos).
  • ChatGPT y los demás nombres junto al nombre del modelo son los servicios que ese desarrollador ofrece al público. Comprueba en el propio servicio si ese modelo se puede elegir allí.

Datos: Arena / Epoch AI / Swallow LLM team (CC BY 4.0) / Models.dev (MIT), actualizado el 2026-⁠10-⁠24, Fuentes de datos