基准
AIME 2026
2026 年的 AIME 数学推理基准，用于评估 AI 模型在数学竞赛难度问题上的推理能力。
时间轴 (近 90 天)
10月15日
Reflection AI 自报 Beam 在 SWE-Bench Verified 得分 80.9、Terminal-Bench 2.1 得分 80.1、AIME 2026 得分 97.8。
已过期50%
10月13日
Darwin 系列模型在 AIME 2026 和 HMMT 2026 数学推理基准上拿到满分。
已过期50%
10月13日
RSI推理引擎在AIME 2026数学基准和HMMT 2026数学基准上均取得100%满分，报道称为认证数学排行榜上的首个满分。
已过期50%
10月12日
VIDRAFT 在 AIME 2026 与 HMMT（2026年2月）的竞赛数学题集上取得满分
已过期50%
9月14日
Swift-27B 在 AIME 2026 上准确率从 98.7% 下降到 94.0%，下降 4.6%，团队承认这是训练中一个关键数学推理 token 被误惩罚的 bug
待验证50%