AIME 2025

AIME 2025 rassemble les problèmes des deux éditions 2025 de l’American Invitational Mathematics Examination, conçu par la Mathematical Association of America. Ce benchmark repose sur des questions ouvertes de niveau olympiade, dont la résolution exige plusieurs étapes de raisonnement.

Utilisé pour évaluer les grands modèles de langage, il mesure leur aptitude à enchaîner des déductions logiques, à manipuler des expressions symboliques de façon structurée et à produire une réponse entière exacte. Il constitue ainsi un test ciblé de résolution mathématique complexe.

Carte d'identité

Métadonnées descriptives pré-renseignées automatiquement, en cours de relecture éditoriale.

Classement des modèles (108)

Classement établi sur 108 modèles évalués, dont 64 de grands éditeurs. Score médian de l'ensemble : 85,8 %. « Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench, MTEB…).

Notre analyse

Un score élevé sur AIME 2025 indique qu’un modèle résout correctement une forte proportion de problèmes exigeant des déductions multi-étapes et une manipulation symbolique structurée. La métrique exact match impose de fournir précisément la réponse entière attendue, sans crédit partiel. La lecture des résultats doit toutefois tenir compte de leur fiabilité, puisque les scores sont majoritairement auto-déclarés par les éditeurs plutôt que mesurés selon une procédure indépendante commune.

Le classement montre un niveau global élevé parmi les 108 modèles recensés, avec une médiane de 86 % et GPT-5.2 en tête à 100 %. Ce plafond atteint signale une saturation possible pour les meilleurs systèmes et réduit la capacité du benchmark à les départager. L’accès public aux problèmes crée aussi un risque de contamination des évaluations, sans établir qu’elle a effectivement eu lieu. Enfin, sa portée reste ciblée sur 30 problèmes en anglais, issus d’une compétition mathématique de niveau olympiade. Les résultats renseignent donc précisément le raisonnement mathématique évalué, mais pas les capacités générales d’un modèle.

Sources des scores : llm-stats.