Ranking of Large Language Models' Performance in Multimodal and Olympiad-level Reasoning Problems
by Zhenhui(Jack) Jiang1, Yi
Lu1, Yifan Wu1, Haozhe Xu2, Zhengyu
Wu1, Jiaxin Li1 /
蒋镇辉1，鲁艺1，吴轶凡1，徐昊哲2，武正昱1，李佳欣1
1香港大学经管学院，2西安交通大学管理学院
The full report can be accessed HERE.
点击阅读报告全文
Select a Leaderboard
| 排名 | 模型名称 | 多模态推理能力准确率 |
| 1 | GPT-5（思考模式） | 91 |
| 2 | GPT-4.1 | 90 |
| 3 | GPT-o3 | 87 |
| 4 | 豆包1.5 Pro（思考模式） | 85 |
| 4 | GPT-5（自动模式） | 85 |
| 6 | GPT-4o | 84 |
| 7 | Claude 4 Opus（思考模式） | 83 |
| 8 | 豆包1.5 Pro | 82 |
| 8 | Grok 3（思考模式） | 82 |
| 10 | 通义千问3 | 81 |
| 11 | Kimi-k1.5 | 80 |
| 11 | 日日新 V6推理 | 80 |
| 11 | Step R1-V-Mini（阶跃 R1-V-Mini） | 80 |
| 14 | Grok 4 | 79 |
| 14 | GPT-o4 mini | 79 |
| 14 | 混元-T1 | 79 |
| 17 | GLM-4-plus（智谱-4-Plus） | 78 |
| 17 | 通义千问3（思考模式） | 78 |
| 19 | Gemini 2.5 Flash | 77 |
| 19 | GLM-Z1-Air（智谱-Z1-Air） | 77 |
| 21 | Llama 3.3 70B | 76 |
| 22 | 日日新 V6 Pro | 75 |
| 22 | Gemini 2.5 Pro | 75 |
| 23 | 文心一言4.5-Turbo | 74 |
| 24 | Step 2（阶跃2） | 73 |
| 26 | 混元-TurboS | 71 |
| 26 | Claude 4 Opus | 71 |
| 28 | Spark 4.0 Ultra（讯飞星火 4.0 Ultra） | 68 |
| 28 | MiniMax-01 | 68 |
| 30 | Baichuan4-Turbo（百川4-Turbo） | 67 |
| 31 | Grok 3 | 66 |
| 32 | Kimi | 63 |