跳到正文
評測來源

FrontierMath v2 · Tiers 1–3

Epoch AI / 推理 · 研究級數學推理

官方評測
在 ATech Hot 中參與排名
評測權重3.6%
來源資料更新時間11/20 05:24
最近成功同步11/22 02:05

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用作比較的設定;沒有可採用設定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用作比較的設定
1claude-fable-5-2_maxAnthropic95.1%Max 推理
2gpt-6-astra_maxOpenAI93.7%Max 推理
2gpt-6.1-sol_maxopenai93.7%Max 推理
4gpt-6.2-astra_maxOpenAI92.6%Max 推理
5gemini-4-neon_xhighGoogle91.2%xHigh 推理
5claude-opus-5-5_maxAnthropic91.2%Max 推理
7gpt-6.1-terra_maxOpenAI90.9%Max 推理
8gemini-4-carbon_highgoogle90.5%High 推理
9claude-fable-5-1_maxAnthropic90.2%Max 推理
10gpt-6-sol_maxOpenAI89.8%Max 推理
11gpt-5.6-sol_maxOpenAI89.1%Max 推理
12claude-sonnet-5-5_maxanthropic88.8%Max 推理
13gemini-4-hydrogen_xhighgoogle88.1%xHigh 推理
14gpt-5.5-pro_xhighOpenAI87.7%xHigh 推理
15claude-fable-5_maxAnthropic87.0%Max 推理
16gemini-4-argon_highgoogle86.0%High 推理
16gpt-5.6-terra_maxOpenAI86.0%Max 推理
18claude-opus-5_maxAnthropic85.6%Max 推理
19gpt-5.5_xhighOpenAI85.3%xHigh 推理
20gpt-5.4-pro-2026-03-05_xhighOpenAI82.5%xHigh 推理
21gpt-5.6-luna_maxOpenAI82.1%Max 推理
21muse-wonder-1.0_max—82.1%Max 推理
23claude-opus-4-8_maxAnthropic80.0%Max 推理
24gpt-6-luna_maxOpenAI78.9%Max 推理
25gpt-5.4-2026-03-05_xhighOpenAI78.6%xHigh 推理
26kimi-k3.1-pro-together_maxMoonshot78.2%Max 推理
27claude-haiku-5-5_max—75.1%Max 推理
28qwen3.8-max_xhighAlibaba74.7%xHigh 推理
30muse-spark-1.3_maxMeta74.0%Max 推理
31gpt-5.2-pro-2025-12-11_xhighOpenAI74.0%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 共識指數使用不同尺度,不能直接相加。