AIME 2025

What It Measures

AIME (American Invitational Mathematics Examination) es el examen clasificatorio para la United States of America Mathematical Olympiad. Los problemas son matemáticas exigentes de nivel preuniversitario: teoría de números, combinatoria, geometría, álgebra y probabilidad — sustancialmente más difíciles que las matemáticas escolares típicas, pero bien definidas y resolubles mediante razonamiento en lugar de conocimientos avanzados especializados. AIME 2025 se refiere específicamente a los problemas de la edición de 2025, utilizados como benchmark en las evaluaciones de modelos de principios de 2026.

Para los modelos de lenguaje, AIME es un benchmark útil porque los problemas requieren razonamiento en varios pasos, aritmética cuidadosa y resolución estructurada de problemas. A diferencia de benchmarks matemáticos más simples (aritmética básica, GSM8K) en los que los modelos de frontera puntúan cerca del 100%, AIME extiende lo suficiente la tabla como para ofrecer una diferenciación significativa. El benchmark se ha convertido en un componente estándar de la evaluación de la capacidad de razonamiento en los modelos de generación 2026.

How It Works

Cada examen AIME consta de 15 problemas, cada uno con una respuesta entera entre 0 y 999. Se le da al modelo el enunciado del problema y debe producir la respuesta entera correcta. La puntuación es el porcentaje de respuestas correctas a través de los 15 problemas (o de los 30 problemas combinados si se utilizan tanto AIME I como AIME II de un mismo año).

Para los modelos de lenguaje, los resultados se reportan típicamente como el porcentaje de problemas respondidos correctamente con el modelo ejecutándose en modo de razonamiento extendido. Los modelos con modos de pensamiento híbrido (Qwen 3+, DeepSeek V3.2/V4, Hermes 4) generalmente necesitan ser evaluados en su configuración de razonamiento para competir en la franja alta de la tabla de AIME.

Current Leaders