CNMO 2024

2024 中国数学奥林匹克竞赛题评测

基本信息

30 秒看懂

2024 中国数学奥林匹克（CMO）真题评测：国家级奥赛难度、高于 AIME，按解答正确率计分；无统一第三方榜单，通常以厂商自报分数（或奖牌线）披露，跨厂商可比性有限。

评分协议

这个评测的官方统一评分协议还没收录到本页；各厂商实际使用的执行框架（harness）与推理档位（effort）已逐条写在下方引用卡里。

模型发布采用时间轴

共收录 2 场模型发布 · 按发布时间倒序排列 · 数据更新于 2026-09-20

2025

2025-07-31 StepFun / 阶跃星辰·国内

Step 3

参数321B-A38B MoE（VLM 321B / LLM 316B）上下文64K（65536）模态文本·图像

StepFun 将 Step 3 定位为高性价比的多模态智能模型，以 38B 激活的 MoE 架构与 MFA 注意力 + AFD 并行设计平衡性能与推理成本，并以 Apache 2.0 开源。已收录评测覆盖多模态理解、数学与科学推理、代码等领域，AIME 2025 82.9、MMMU 74.2。

开源权重多模态高性价比 MoEMFA 注意力架构

查看模型变体与证据

CNMO 2024 83.7

2025-07-11 Moonshot AI / Kimi·国内

Kimi-K2-Instruct / Kimi-K2-Base

本发布含 2 个变体，各变体规格见模型详情。

Kimi K2 以「Open Agentic Intelligence」为定位发布，Kimi-K2-Instruct 为后训练的非思考（reflex-grade）MoE 模型（1T 总参/32B 激活）。已收录 32 项评测覆盖代码、数学、知识与 Agent 工具使用：亮点 SWE-bench Verified（Agentic Coding）65.8、MMLU 89.5。

开源权重1T MoE非思考 reflex 档Agentic

查看模型变体与证据

Kimi-K2-Instruct · CNMO 2024 74.3

数据缺口（本页暂未收录）

• 评测版本与子集（例如部分评测有 Diamond、Verified 等官方变体）以及数据集规模
• 各厂商使用的执行框架（harness / scaffold）与 Agent 工具配置
• 推理档位（reasoning effort）、采样参数（temperature / top-p）、运行次数与分数聚合方式
• 指标对应的随机猜测基线（chance baseline）与人类基线的实验条件
• 测试集污染检测结论，以及是否已饱和的结构化标注

以上字段暂缺时，本页不虚构数字；后续会依据每一次发布的证据逐条补齐并标注来源。

复现入口

相关评测（同类别）

引用

本页数据更新于 2026-09-20，依据厂商发布材料真实抓取；发现数据问题欢迎在 GitHub 提 Issue。