FrontierMath v2 · Tier 4
Epoch AI / 科研 · 更高難度的數學研究題
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 |
|---|---|---|---|
| 1 | gpt-6.2-astra_maxOpenAI | 100.0% | Max 推理 |
| 1 | claude-fable-5-2_maxAnthropic | 100.0% | Max 推理 |
| 1 | gpt-6.1-sol_maxOpenAI | 100.0% | Max 推理 |
| 4 | gpt-6-astra_maxOpenAI | 97.6% | Max 推理 |
| 7 | gemini-4-neon_xhighGoogle | 97.6% | xHigh 推理 |
| 9 | gemini-4-carbon_highGoogle | 95.1% | High 推理 |
| 10 | claude-opus-5-5_maxAnthropic | 95.0% | Max 推理 |
| 11 | gpt-6.1-terra_maxOpenAI | 92.7% | Max 推理 |
| 12 | claude-fable-5_maxAnthropic | 90.2% | Max 推理 |
| 13 | gpt-6-sol_maxOpenAI | 90.0% | Max 推理 |
| 14 | gemini-4-hydrogen_xhighGoogle | 87.8% | xHigh 推理 |
| 14 | claude-fable-5-1_maxAnthropic | 87.8% | Max 推理 |
| 17 | gpt-5.6-sol_maxOpenAI | 82.9% | Max 推理 |
| 19 | gpt-5.6-sol_promaxOpenAI | 80.5% | 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。 |
| 19 | claude-sonnet-5-5_maxanthropic | 80.5% | Max 推理 |
| 21 | gpt-5.5-pro_xhighOpenAI | 78.0% | xHigh 推理 |
| 21 | gemini-4-argon_highGoogle | 78.0% | High 推理 |
| 23 | gdm-ai-co-mathematicianGoogle | 75.6% | 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。 |
| 24 | claude-opus-5_maxAnthropic | 73.2% | Max 推理 |
| 25 | gpt-5.5_xhighOpenAI | 72.5% | xHigh 推理 |
| 26 | muse-wonder-1.0_maxMeta | 70.7% | Max 推理 |
| 26 | gpt-5.6-terra_maxOpenAI | 70.7% | Max 推理 |
| 28 | kimi-k3.1-pro-together_maxMoonshot AI | 65.9% | Max 推理 |
| 29 | gpt-5.6-luna_maxOpenAI | 61.0% | Max 推理 |
| 30 | gpt-5.4-pro-2026-03-05_xhighOpenAI | 58.5% | xHigh 推理 |
| 31 | gpt-6-luna_maxOpenAI | 56.1% | Max 推理 |
| 31 | claude-opus-4-8_maxAnthropic | 56.1% | Max 推理 |
| 33 | gpt-5.4-2026-03-05_xhighOpenAI | 49.0% | xHigh 推理 |
| 34 | claude-haiku-5-5_maxAnthropic | 46.3% | Max 推理 |
| 34 | deepseek-v4.1-flash-1017_maxDeepSeek | 46.3% | 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。