MathVista · Benchmark

收录成绩1717 个模型或系统

当前第一90.1Kimi K2.5

指标准确率MathVista testmini 子集（1000 例）的准确率（%）

最近同步10-19 16:519 个数据源 · 视觉数学推理

排名表

显示 17 / 17

	模型	机构	参数	开源		评测设置	来源		备注
1	Kimi K2.5	Moonshot AI	—	—	90.1	—	模型方自报	2026-10-19	定位：Table 2，Vision 与 Visual Reasoning，MathVista (mini)；来源发布日期：2026-02-02；testmini（1000 例）；模型方技术报告；日期取 arXiv v1 首发日。
2	Qwen3-VL-235B-A22B（thinking）	Alibaba	—	—	85.8	—	模型方自报	2026-10-19	定位：Table 2，MathVista-mini 行；来源发布日期：2025-11-27；testmini（1000 例）；thinking；日期取 arXiv v1 首发日。
3	STEP3-VL-10B（PaCoRe）	StepFun	—	—	85.5	—	模型方自报	2026-10-19	定位：Figure 1 与 Table 2，MathVista；来源发布日期：2026-01-15；testmini（1000 例）；PaCoRe 并行协调推理；日期取 arXiv v1 首发日。
4	Qwen3-VL-235B-A22B（instruct）	Alibaba	—	—	84.9	—	模型方自报	2026-10-19	定位：Table 2，MathVista-mini 行；来源发布日期：2025-11-27；testmini（1000 例）；non-thinking instruct；日期取 arXiv v1 首发日。
5	STEP3-VL-10B	StepFun	—	—	84.0	—	模型方自报	2026-10-19	定位：Table 2，MathVista；来源发布日期：2026-01-15；testmini（1000 例）；标准推理；日期取 arXiv v1 首发日。
6	InternVL3.5-241B-A28B	OpenGVLab	—	—	82.7	—	模型方自报	2026-10-19	定位：Table 3，MathVista (mini)；来源发布日期：2025-08-25；testmini（1000 例）；模型方报告；日期取 arXiv v1 首发日。
7	InternVL3.5-38B	OpenGVLab	—	—	81.9	—	模型方自报	2026-10-19	定位：Table 3，MathVista (mini)；来源发布日期：2025-08-25；testmini（1000 例）；模型方报告；日期取 arXiv v1 首发日。
8	MiniCPM-o 4.5（thinking）	OpenBMB	—	—	81.0	—	模型方自报	2026-10-19	定位：Table 3，Vision-language results (thinking mode)，MathVista；来源发布日期：2026-04-30；testmini（1000 例）；thinking；日期取 arXiv v1 首发日。
9	InternVL3.5-30B-A3B	OpenGVLab	—	—	80.9	—	模型方自报	2026-10-19	定位：Table 3，MathVista (mini)；来源发布日期：2025-08-25；testmini（1000 例）；模型方报告；日期取 arXiv v1 首发日。
10	MiniCPM-o 4.5（instruct）	OpenBMB	—	—	80.1	—	模型方自报	2026-10-19	定位：Table 2，Vision-language results (instruct mode)，MathVista；来源发布日期：2026-04-30；testmini（1000 例）；instruct；日期取 arXiv v1 首发日。
11	OpenVLThinkerV2	UCLA	—	—	79.5	—	模型方自报	2026-10-19	定位：Table 1，OpenVLThinkerV2 行、MathVista 列；来源发布日期：2026-04-09；testmini（1000 例）；论文未提供评测切分进入训练集的一手证据；日期取 arXiv v1 首发日。
12	SAIL-VL2-8B	ByteDance	—	—	76.4	—	模型方自报	2026-10-19	定位：Table 9，MathVista mini，SAIL-VL2 8B 列；来源发布日期：2025-09-18；testmini（1000 例）；基础模型（no-thinking）；日期取 arXiv v1 首发日。
13	Phi-4-reasoning-vision-15B	Microsoft	—	—	75.2	—	模型方自报	2026-10-19	定位：Table 5，MathVista MINI；来源发布日期：2026-03-04；testmini（1000 例）；默认混合推理模式；日期取 arXiv v1 首发日。
14	SAIL-VL2-A3B	ByteDance	—	—	74.7	—	模型方自报	2026-10-19	定位：Table 9，MathVista mini，SAIL-VL2 A3B 列；来源发布日期：2025-09-18；testmini（1000 例）；基础模型（no-thinking）；日期取 arXiv v1 首发日。
15	Phi-4-reasoning-vision-15B（force nothink）	Microsoft	—	—	68.7	—	模型方自报	2026-10-19	定位：Table 5，MathVista MINI；来源发布日期：2026-03-04；testmini（1000 例）；强制非思考模式；日期取 arXiv v1 首发日。
16	InternVL2-Pro	OpenGVLab	—	—	65.8	—	官方榜单	2026-10-19	定位：官方 testmini HTML 表格，InternVL2-Pro 行，访问于 2026-10-19；来源发布日期：2024-09-04；官方榜单参照；页面给出该条日期。
17	InternVL2-8B-MPO	OpenGVLab	—	—	65.7	—	官方榜单	2026-10-19	定位：官方 testmini HTML 表格，InternVL2-8B-MPO 行，访问于 2026-10-19；来源发布日期：2024-11-14；官方榜单参照；页面给出该条日期。

榜单说明

第 3 批接入

指标

准确率：MathVista testmini 子集（1000 例）的准确率（%）（越高越好）

数据源

Kimi K2.5 Technical Report（在新窗口打开）（技术报告或模型卡）
STEP3-VL-10B Technical Report（在新窗口打开）（技术报告或模型卡）
Phi-4-reasoning-vision-15B Technical Report（在新窗口打开）（技术报告或模型卡）
MiniCPM-o 4.5 Technical Report（在新窗口打开）（技术报告或模型卡）
Qwen3-VL Technical Report（在新窗口打开）（技术报告或模型卡）
InternVL3.5 Technical Report（在新窗口打开）（技术报告或模型卡）
SAIL-VL2 Technical Report（在新窗口打开）（技术报告或模型卡）
OpenVLThinkerV2 Report（在新窗口打开）（技术报告或模型卡）
MathVista 官方榜单（在新窗口打开）（官方榜单）

来源类型

官方榜单 2模型方自报 15

分数取自数据源原文；同一模型在不同评测设置或不同来源下分别列出，来源冲突时全部保留并标注来源类型。

更新记录

0 条

首次同步作为基线，之后新上榜、分数变化和移除的条目会记录在这里。