List your company

Mathematical Reasoning on HMMT 2025

97.9AccuracyGLM-5
52.1464.0275.987.78Feb 4, 2026Feb 25, 2026Mar 19, 2026Apr 10, 2026May 2, 2026May 24, 2026Jun 15, 2026

Evaluation results

MethodLinks
GLM-5Params=744B2026.0697.9—————————————————————————
Gemini 3 ProParams=N/A2026.0697.5—————————————————————————
Qwen3.6 PlusParams=N/A2026.0696.7—————————————————————————
Kimi K2.5Params=1T2026.0695.4—————————————————————————
VibeThinker-3B + CLRParams=3B, Post-training optimization=CLR2026.0695.4—————————————————————————
VibeThinker-3BParams=3B, CLR reasoning enhancement=true2026.0695.4—————————————————————————
Qwen3.5-397B-A17BParams=397B2026.0694.8—————————————————————————
Gemini 3-Pro2026.0293.33—————————————————————————
GPT-5 (High)2026.0293.3—————————————————————————
Claude Opus 4.5Params=N/A2026.0692.9—————————————————————————
TRICE-30BTool Usage=true, Parameter Scale=~30B, Evaluation Protocol=unified2026.0592.5—————————————————————————
Nemotron-3-Nano-30B-A3BTool Usage=true, Parameter Scale=~30B, Evaluation Protocol=unified2026.0590.4—————————————————————————
DeepSeek V3.2Params=671B2026.0690.2—————————————————————————
GPT-OSS (high)Params=120B2026.0690—————————————————————————
Grok 4Params=N/A2026.0690—————————————————————————
GLM-4.7-Flash w/ recipeTool Usage=true, Parameter Scale=~30B, Evaluation Protocol=unified2026.0589.6—————————————————————————
VibeThinker-3BParams=3B2026.0689.3—————————————————————————
VibeThinker-3BParams=3B2026.0689.3—————————————————————————
GPT-5 (high)Params=N/A2026.0688.3—————————————————————————
TRICE-4BTool Usage=true, Parameter Scale=<10B, Evaluation Protocol=unified2026.0586.7—————————————————————————
DS V3.2-Thinking2026.0286.67—————————————————————————
Qwen3.5-35B-A3BTool Usage=false, Parameter Scale=~30B, Evaluation Protocol=unified2026.0585.8—————————————————————————
DIS-GMM*Model=DeepSeek-R1-8B, Budget=128, Repetitions=64, SelfStepConf=true2026.0384.95—————————————————————————
MiMo v2 FlashParams=309B2026.0684.4—————————————————————————
GLM-4.7-FlashTool Usage=true, Parameter Scale=~30B, Evaluation Protocol=unified2026.0584.2—————————————————————————
WSC-GMM*Model=DeepSeek-R1-8B, Budget=128, Repetitions=64, SelfStepConf=true2026.0384.17—————————————————————————
Qwen3-235B-A22B-ThinkingParams=235B2026.0683.9—————————————————————————
LongCat FlashParams=560B2026.0683.7—————————————————————————
GPT-OSS-20BTool Usage=true, Parameter Scale=~30B, Evaluation Protocol=unified2026.0583.3—————————————————————————
DC-TailModel=DeepSeek-R1-8B2026.0583.3—————————————————————————
CDG (ours)Model=DeepSeek-R1-8B2026.0583.3—————————————————————————
DIS-GMMModel=DeepSeek-R1-8B, Budget=128, Repetitions=64, SelfStepConf=false2026.0382.55—————————————————————————
WSC-GMMModel=DeepSeek-R1-8B, Budget=128, Repetitions=64, SelfStepConf=false2026.0382.5—————————————————————————
Gemini 2.5 ProParams=N/A2026.0682.5—————————————————————————
Qwen3.5-9BTool Usage=false, Parameter Scale=<10B, Evaluation Protocol=unified2026.0582.1—————————————————————————
TRICE-30BTool Usage=false, Parameter Scale=~30B, Evaluation Protocol=unified2026.0581.7—————————————————————————
Gemini 2.5-Pro2026.0281.2—————————————————————————
ERNIE 5.02026.0279.58—————————————————————————
DeepSeek R1 0528Params=671B2026.0679.4—————————————————————————
DIS-Top50Model=DeepSeek-R1-8B, Budget=128, Repetitions=642026.0379.27—————————————————————————
OpenAI o3 (high)Params=N/A2026.0677.5—————————————————————————
ASTER-4B†Tool Usage=true, Parameter Scale=<10B, Evaluation Protocol=original2026.0577.1—————————————————————————
MoB-AdaptiveModel=DeepSeek-R1-8B, Budget=128, Repetitions=642026.0376.98—————————————————————————
D-CDG (α = 1)Model=DeepSeek-R1-8B2026.0576.7—————————————————————————
GPT-OSS-20B (high)Params=20B2026.0676.7—————————————————————————
Qwen3-30B-A3B-Thinking-2507Tool Usage=false, Parameter Scale=~30B, Evaluation Protocol=unified2026.0575.6—————————————————————————
GPT-5 Nano (high)Params=N/A2026.0675.6—————————————————————————
WSC-Top50Model=DeepSeek-R1-8B, Budget=128, Repetitions=642026.0373.8—————————————————————————
AgentMath-30B-A3B†Tool Usage=true, Parameter Scale=~30B, Evaluation Protocol=original2026.0573.8—————————————————————————
Qwen3.5-4BParams=4B2026.0673.8—————————————————————————
DC-TailModel=gpt-oss-20B2026.0573.3—————————————————————————
CDG (ours)Model=gpt-oss-20B2026.0573.3—————————————————————————
Qwen3.5-4BTool Usage=false, Parameter Scale=<10B, Evaluation Protocol=unified2026.0572.9—————————————————————————
TRICE-4BTool Usage=false, Parameter Scale=<10B, Evaluation Protocol=unified2026.0571.3—————————————————————————
AgentMath-8B†Tool Usage=true, Parameter Scale=<10B, Evaluation Protocol=original2026.0571.3—————————————————————————
BoNModel=DeepSeek-R1-8B, Budget=128, Repetitions=642026.0370.05—————————————————————————
MajorityModel=DeepSeek-R1-8B2026.0570—————————————————————————
DC-MeanModel=DeepSeek-R1-8B2026.0570—————————————————————————
D-CDG (β = 0)Model=DeepSeek-R1-8B2026.0570—————————————————————————
DC-MeanModel=gpt-oss-20B2026.0570—————————————————————————
D-CDG (α = 1)Model=gpt-oss-20B2026.0570—————————————————————————
D-CDG (β = 0)Model=gpt-oss-20B2026.0570—————————————————————————
WSCModel=DeepSeek-R1-8B, Budget=128, Repetitions=642026.0369.69—————————————————————————
GLM-4.5-AirParams=106B2026.0669.2—————————————————————————
SCModel=DeepSeek-R1-8B, Budget=128, Repetitions=642026.0369.11—————————————————————————
Qwen3-4B-Thinking-2507Tool Usage=false, Parameter Scale=<10B, Evaluation Protocol=unified2026.0568.8—————————————————————————
DS-R1-Distill-Qwen-7B + IC-DAPOBackbone=Qwen-7B, Zero-shot mode=true, Time/Step (s)=315.62026.0367.829.4————————————————————————
DS-R1-Distill-Qwen-7B + CE-GPPOBackbone=Qwen-7B, Zero-shot mode=true, Time/Step (s)=292.52026.0367.328.9————————————————————————
Ministral-3-Reasoning-2512Params=14B2026.0667.1—————————————————————————
MajorityModel=gpt-oss-20B2026.0566.7—————————————————————————
DIS-GMM*Model=Qwen3-32B, Budget=128, Repetitions=64, Thinking mode=false, SelfStepConf=true2026.0365.73—————————————————————————
DS-R1-Distill-Qwen-7B + DAPOBackbone=Qwen-7B, Zero-shot mode=true, Time/Step (s)=303.12026.0365.327.4————————————————————————
WSC-GMM*Model=Qwen3-32B, Budget=128, Repetitions=64, Thinking mode=false, SelfStepConf=true2026.0365.21—————————————————————————
DIS-Top50Model=Qwen3-32B, Budget=128, Repetitions=64, Thinking mode=true2026.0364.95—————————————————————————
WSC-GMMModel=Qwen3-32B, Budget=128, Repetitions=64, Thinking mode=true2026.0364.84—————————————————————————
DIS-GMMModel=Qwen3-32B, Budget=128, Repetitions=64, Thinking mode=true2026.0364.43—————————————————————————
Gemini 2.5 FlashParams=N/A2026.0664.2—————————————————————————
WSC-Top50Model=Qwen3-32B, Budget=128, Repetitions=64, Thinking mode=true2026.0363.96—————————————————————————
MoB-AdaptiveModel=Qwen3-32B, Budget=128, Repetitions=64, Thinking mode=true2026.0363.85—————————————————————————
OpenReasoning-NemotronParams=7B2026.0663.5—————————————————————————
DC-TailModel=QwQ-32B2026.0563.3—————————————————————————
D-CDG (α = 1)Model=QwQ-32B2026.0563.3—————————————————————————
CDG (ours)Model=QwQ-32B2026.0563.3—————————————————————————
Gemma-4-itParams=12B2026.0663.3—————————————————————————
WSCModel=Qwen3-32B, Budget=128, Repetitions=64, Thinking mode=true2026.0362.24—————————————————————————
SCModel=Qwen3-32B, Budget=128, Repetitions=64, Thinking mode=true2026.0362.08—————————————————————————
DS-R1-Distill-Qwen-7BBackbone=Qwen-7B, Zero-shot mode=true2026.0361.826.2————————————————————————
DS-R1-Distill-Qwen-7B + GRPOBackbone=Qwen-7B, Zero-shot mode=true, Time/Step (s)=305.62026.0361.424.5————————————————————————
Pass@1Model=DeepSeek-R1-8B2026.0559.5—————————————————————————
BoNModel=Qwen3-32B, Budget=128, Repetitions=64, Thinking mode=true2026.0359.48—————————————————————————
MajorityModel=QwQ-32B2026.0556.7—————————————————————————
DC-MeanModel=QwQ-32B2026.0556.7—————————————————————————
D-CDG (β = 0)Model=QwQ-32B2026.0556.7—————————————————————————
DS-R1-Distill-Qwen-1.5B + IC-DAPOBackbone=Qwen-1.5B, Zero-shot mode=true, Time/Step (s)=477.22026.0356.419.7————————————————————————
Qwen3-30B-A3B-Instruct-2507Tool Usage=false, Parameter Scale=~30B, Evaluation Protocol=unified2026.0555.8—————————————————————————
DS-R1-Distill-Qwen-1.5B + GSPOBackbone=Qwen-1.5B, Zero-shot mode=true, Time/Step (s)=437.32026.0355.719————————————————————————
DS-R1-Distill-Qwen-1.5B + CE-GPPOBackbone=Qwen-1.5B, Zero-shot mode=true, Time/Step (s)=464.02026.0355.720.5————————————————————————
Qwen3-4B-Thinking-2507Params=4B2026.0655.5—————————————————————————
FullModel=Qwen3-14B, KV Cache Budget=100%2026.0654.79—————————————————————————
DS-R1-Distill-Qwen-1.5B + DAPOBackbone=Qwen-1.5B, Zero-shot mode=true, Time/Step (s)=459.62026.0353.919.2————————————————————————