跳到正文

FrontierMath v2 · Tier 4

Epoch AI / 科研 · 更高難度的數學研究題

官方評測
在 888news 中僅供參考
依據預算不參與排序
上游數據時間11/20 05:24
最近成功同步11/23 00:05

它測什麼,怎麼測

獨立儲存 Tier 4,和 Tiers 1–3 共用數學證據預算;保留樣本誤差。

如何使用這份依據

Tier 4 題量太少,只作參考,不計分。

評測成績

按固定規則,每個公開模型採用一套代表配置;沒有可採用配置的模型標為未計入並寫明原因。匿名測試型號不展示,保留原榜名次,每項最多 30 個。

原榜名次原榜型號原始成績代表配置
1gpt-6.2-astra_maxOpenAI100.0%Max 推理
1claude-fable-5-2_maxAnthropic100.0%Max 推理
1gpt-6.1-sol_maxOpenAI100.0%Max 推理
4gpt-6-astra_maxOpenAI97.6%Max 推理
7gemini-4-neon_xhighGoogle97.6%xHigh 推理
9gemini-4-carbon_highGoogle95.1%High 推理
10claude-opus-5-5_maxAnthropic95.0%Max 推理
11gpt-6.1-terra_maxOpenAI92.7%Max 推理
12claude-fable-5_maxAnthropic90.2%Max 推理
13gpt-6-sol_maxOpenAI90.0%Max 推理
14gemini-4-hydrogen_xhighGoogle87.8%xHigh 推理
14claude-fable-5-1_maxAnthropic87.8%Max 推理
17gpt-5.6-sol_maxOpenAI82.9%Max 推理
19gpt-5.6-sol_promaxOpenAI80.5%來源預設配置未計入:來源為專用系統或尚未核實的執行配置,無法歸到單個公開模型。
19claude-sonnet-5-5_maxanthropic80.5%Max 推理
21gpt-5.5-pro_xhighOpenAI78.0%xHigh 推理
21gemini-4-argon_highGoogle78.0%High 推理
23gdm-ai-co-mathematicianGoogle75.6%來源預設配置未計入:來源為專用系統或尚未核實的執行配置,無法歸到單個公開模型。
24claude-opus-5_maxAnthropic73.2%Max 推理
25gpt-5.5_xhighOpenAI72.5%xHigh 推理
26muse-wonder-1.0_maxMeta70.7%Max 推理
26gpt-5.6-terra_maxOpenAI70.7%Max 推理
28kimi-k3.1-pro-together_maxMoonshot AI65.9%Max 推理
29gpt-5.6-luna_maxOpenAI61.0%Max 推理
30gpt-5.4-pro-2026-03-05_xhighOpenAI58.5%xHigh 推理
31gpt-6-luna_maxOpenAI56.1%Max 推理
31claude-opus-4-8_maxAnthropic56.1%Max 推理
33gpt-5.4-2026-03-05_xhighOpenAI49.0%xHigh 推理
34claude-haiku-5-5_maxAnthropic46.3%Max 推理
34deepseek-v4.1-flash-1017_maxDeepSeek46.3%Max 推理
評測局限與數據署名

Tier 4 題量太少,只作參考,不計分。

數據許可:CC BY 4.0 · Epoch AI 自行評測資料

成績由 Epoch AI 發布,各項原始分數使用不同尺度,不能直接相加;參考名次採用公開的分差標準化規則。