ProofBench 考察模型能否把数学推理写成可被 Lean 4 形式化验证的证明：能编译通过即算对，没有部分分。公开与私有两个 split 各 100 题，共 200 题，题目由 Lean 4 专家团队形式化。注意与 Google DeepMind 的 IMO-ProofBench（自然语言证明、由评委打分）不是同一个评测。
查看 ProofBench v1.1 (Lean 4) 的最新得分、模型模式、发布时间与参数规模，快速了解当前完整榜单表现。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
| 排名 | 模型 | 开源情况 | |||
|---|---|---|---|---|---|
 Claude Opus 5.5 思考水平·Max工具 | 100.00 | 2026-09-22 | 未知 | 闭源 | |
Claude Fable 5.1 思考水平·Max工具 | 100.00 | 2026-09-01 | 未知 | 闭源 | |
 GPT-6 Astra 思考水平·Max工具 | 99.00 | 2026-09-03 | 未知 | 闭源 | |
4 | Claude Opus 5 思考水平·Max工具 | 99.00 | 2026-07-24 | 未知 | 闭源 |
5 | Claude Fable 5 思考水平·Max工具 | 95.00 | 2026-06-09 | 未知 | 闭源 |
6 |  Kimi K3 思考水平·Max工具 | 87.00 | 2026-07-16 | 28000亿 | 有条件商用 |
7 | GPT-5.6 Sol 思考水平·Max工具 | 83.00 | 2026-06-26 | 未知 | 闭源 |
8 | GPT-6 Sol 思考水平·Max工具 | 83.00 | 2026-09-22 | 未知 | 闭源 |
9 | Claude Sonnet 5 思考水平·Max工具 | 77.00 | 2026-06-30 | 未知 | 闭源 |
10 | GPT-5.6 Terra 思考水平·Max工具 | 74.00 | 2026-06-26 | 未知 | 闭源 |
11 | GPT-6 Luna 思考水平·Max工具 | 64.00 | 2026-09-22 | 未知 | 闭源 |
12 | GPT-5.6 Luna 思考水平·Max工具 | 60.00 | 2026-06-26 | 未知 | 闭源 |
13 |  Gemini 3.7 Flash 思考水平·高工具 | 58.00 | 2026-08-13 | 未知 | 闭源 |
14 |  Muse Spark 1.3 思考水平·Max工具 | 58.00 | 2026-09-02 | 未知 | 闭源 |
15 | Muse Spark 1.3 思考水平·极高工具 | 55.00 | 2026-09-02 | 未知 | 闭源 |
16 |  DeepSeek-V4.1-Flash 思考水平·高工具 | 54.00 | 2026-09-10 | 5520亿 | 免费商用 |
17 |  Grok 4.6 思考水平·高工具 | 51.00 | 2026-08-12 | 未知 | 闭源 |
18 | DeepSeek-V4-Pro 思考水平·Max工具 | 50.00 | 2026-08-13 | 16000亿 | 免费商用 |
19 |  GLM-5.3 思考水平·Max工具 | 49.00 | 2026-08-14 | 7440亿 | 有条件商用 |
20 | Gemini 3.8 Flash 思考水平·高工具 | 48.00 | 2026-09-02 | 未知 | 闭源 |
21 | Muse Spark 1.2 思考水平·极高工具 | 43.00 | 2026-08-05 | 未知 | 闭源 |
22 | Gemini 3.5 Flash 思考水平·高工具 | 31.00 | 2026-06-20 | 未知 | 闭源 |
23 | Grok 4.5 思考水平·高工具 | 31.00 | 2026-07-08 | 未知 | 闭源 |
24 | Gemini 3.1 Pro Preview 思考水平·高工具 | 26.00 | 2026-02-20 | 未知 | 闭源 |
25 | Grok 4.7 思考水平·极高工具 | 26.00 | 2026-09-21 | 未知 | 闭源 |
26 | GLM-5.3-Flash 思考水平·Max工具 | 21.00 | 2026-08-26 | 3200亿 | 免费商用 |
27 |  Qwen3.8-27B 思考水平·极高工具 | 16.00 | 2026-08-14 | 270亿 | 免费商用 |
28 |  Mistral Medium 3.5 思考水平·高工具 | 9.00 | 2026-05-01 | 未知 | 闭源 |
