FrontierMath v2 · Tiers 1–3

Epoch AI / 推理 · 研究級數學推理

在 ATech Hot 中參與排名

證據預算3.6%

上游數據時間09/30 06:00

最近成功同步10/06 14:05

它測什麼，怎麼測

只用 v2 的 Tiers 1–3；舊版題目和 Tier 4 不混入同一指標。

如何使用這份證據

正式計分；同題家族共用固定預算。

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-astra_maxOpenAI	93.7%	Max 推理
1	gpt-6.1-sol_maxopenai	93.7%	Max 推理
3	claude-opus-5-5_maxAnthropic	91.2%	Max 推理
4	claude-fable-5-1_maxAnthropic	90.2%	Max 推理
5	gpt-6-sol_maxOpenAI	89.8%	Max 推理
6	gpt-5.6-sol_maxOpenAI	89.1%	Max 推理
7	claude-sonnet-5-5_maxanthropic	88.8%	Max 推理
8	gpt-5.5-pro_xhighOpenAI	87.7%	xHigh 推理
9	claude-fable-5_maxAnthropic	87.0%	Max 推理
10	gpt-5.6-terra_maxOpenAI	86.0%	Max 推理
11	claude-opus-5_maxAnthropic	85.6%	Max 推理
12	gpt-5.5_xhighOpenAI	85.3%	xHigh 推理
13	gpt-5.4-pro-2026-03-05_xhighOpenAI	82.5%	xHigh 推理
14	gpt-5.6-luna_maxOpenAI	82.1%	Max 推理
15	claude-opus-4-8_maxAnthropic	80.0%	Max 推理
16	gpt-6-luna_maxOpenAI	78.9%	Max 推理
17	gpt-5.4-2026-03-05_xhighOpenAI	78.6%	xHigh 推理
18	qwen3.8-max_xhighAlibaba	74.7%	xHigh 推理
20	muse-spark-1.3_maxMeta	74.0%	Max 推理
21	gpt-5.2-pro-2025-12-11_xhighOpenAI	74.0%	xHigh 推理
22	kimi-k3_maxMoonshot AI	72.2%	Max 推理
23	gemini-3.7-flash_highGoogle	71.6%	High 推理
24	claude-opus-4-7_maxAnthropic	70.2%	Max 推理
25	glm-5.3_maxZ.ai	68.8%	Max 推理
26	gemini-3.8-flash_highGoogle	68.4%	High 推理
27	gpt-5.2-2025-12-11_xhighOpenAI	67.4%	xHigh 推理
28	claude-opus-4-6_maxAnthropic	66.0%	Max 推理
28	grok-4.6_xhighxAI	66.0%	xHigh 推理
30	claude-sonnet-5_maxAnthropic	65.6%	Max 推理
30	qwen3.8-max-0902_xhighAlibaba	65.6%	xHigh 推理

評測侷限與數據署名

正式計分；同題家族共用固定預算。

數據許可：CC BY 4.0 · Epoch AI 自行評測數據

成績由 Epoch AI 發佈，原始分數與 ATech Hot 共識分使用不同尺度，不能直接相加。