Pular para o conteúdo
ReviewRamble

A newsletter semanal

IA, analisada, na sua caixa de entrada.

  • Novas análises de ferramentas, modelos, servidores MCP e repositórios, com o veredicto logo no início
  • Preços e notas reconferidos quando algo muda
  • Novos artigos de análise assim que são publicados

Modelos, agentes, servidores MCP e as ferramentas que realmente valem seu tempo.

Um e-mail por semana. Cancele pelo link em qualquer edição. Como usamos seu e-mail

AIME (benchmark)

O AIME, American Invitational Mathematics Examination, é uma competição de matemática dos EUA com 15 questões e respostas inteiras de 0 a 999; laboratórios de IA usam suas provas anteriores, como a AIME 2025, como benchmark de raciocínio matemático.

Também chamado: AIME 2025, AIME 2024, American Invitational Mathematics Examination

Por Divya Sharma · Verificado em 15 de nov. de 2026 · Como analisamos

O nome tem dois significados. Primeiro, o AIME é uma prova real organizada pela Mathematical Association of America para estudantes que vão bem no AMC 10 ou no AMC 12. Ela tem 15 questões e três horas no total para respondê-las, e faz parte do caminho até a USA Mathematical Olympiad.

O AIME como benchmark de IA

Segundo, em anúncios de modelos, "AIME 2025" significa a pontuação de um modelo nas questões daquele ano. O AIME se presta a testes de IA porque os problemas exigem vários passos de raciocínio, mas cada resposta é um único inteiro de 0 a 999, então a correção é automática e exata. Avaliações como o Artificial Analysis Intelligence Index usaram a AIME 2025 com um verificador de igualdade matemática.

Como ler as pontuações

Os resultados no AIME se tornaram uma forma comum de exibir modelos de raciocínio, que gastam test-time compute extra trabalhando um problema antes de responder. Como uma única prova tem só 15 questões, um problema mexe muito na pontuação, então pequenas diferenças entre modelos significam pouco. As provas anteriores estão publicadas na internet, então anos mais antigos podem ter vazado para os dados de treinamento, o risco conhecido como contaminação de benchmark. É por isso que os relatórios costumam indicar o ano, e o ano mais recente é o mais confiável.

Limites

O AIME testa matemática de competição com respostas curtas. Ele diz pouco sobre demonstrações, matemática aplicada em código ou explicar uma solução com clareza. Use-o como um sinal entre outros benchmarks.

Termos relacionados

Benchmark de IA
Um benchmark de IA (teste de referência) é um conjunto fixo e público de tarefas com um método de pontuação acordado, usado para comparar modelos no mesmo teste, por exemplo problemas de código resolvidos, questões de prova respondidas ou qualidade de recuperação em muitos conjuntos de dados.
Modelo de raciocínio
Um modelo de raciocínio (reasoning model) é um modelo de linguagem treinado para trabalhar um problema em um fluxo de tokens de pensamento intermediários antes de dar a resposta final, o que tende a ajudar em matemática, código e tarefas com várias etapas.
Contaminação de benchmark
Contaminação de benchmark (benchmark contamination) é quando um modelo viu as questões ou respostas de teste de um benchmark durante o treinamento, de modo que sua pontuação nesse benchmark exagera o quanto ele lida bem com problemas novos do mesmo tipo.
Test-time compute
Test-time compute (processamento em tempo de teste) é a quantidade de computação que um modelo gasta ao responder a uma requisição, e não durante o treinamento. Deixar um modelo pensar por mais tempo ou tentar várias respostas pode melhorar os resultados em problemas difíceis.
Chain-of-thought
Chain-of-thought (CoT, cadeia de raciocínio) é um método de prompting em que um modelo de linguagem escreve passos intermediários de raciocínio antes da resposta final, o que tende a melhorar os resultados em matemática, lógica e outros problemas de vários passos.

Fontes