数学基准新成绩单曝光:GPT-6.1 Sol 90.43% 居首,低成本模型表现亮眼

teortaxesTex · x · 2026-11-12

账号 teortaxesTex 分享了一张数学/证明类基准(ArXivMath、LeanLean 等)的成绩截图:GPT-6.1 Sol (max) 以 90.43% 准确率、$1.21 成本居首;Gemini 4 Argon (high) 82.98% 但成本高达 $3.26、消耗 20.6 万 tokens;Claude-Opus-5.5 (high) 79.79%、$2.19。Kimi K3.1 Pro、DeepSeek-V4.1-Flash-1017、Mistral Large 4 等排名靠后。发帖人评价某模型「虽非全面领先,但以极低成本跑出这样的成绩非常强」,并归因于更优的数据工程。注意表中模型名称较为特殊,成绩真实性未经验证,谨慎看待。