FrontierMath v2 · Tier 4

Name: FrontierMath v2 · Tier 4
Creator: Epoch AI

Epoch AI / 科研 · 更高难度的数学研究题

官方评测

在裕瑞产业情报中仅供参考

证据预算NaN%

上游数据时间10/20 06:39

最近成功同步10/23 20:05

它测什么，怎么测

独立保存 Tier 4，和 Tiers 1–3 共用数学证据预算；保留样本误差。

如何使用这份证据

Tier 4 题量太少，只作参考，不计分。

评测成绩

同一模型测了多个档位时，按固定规则只取一套代表成绩；没有可用成绩的模型标为“未计入”并写明原因。匿名测试型号不展示，名次照搬原榜，每项最多列 30 个。

原榜名次	原榜型号	原始成绩	代表配置
1	gpt-6.1-sol_maxOpenAI	100.0%	Max 推理
2	gpt-6-astra_maxOpenAI	97.6%	Max 推理
6	claude-opus-5-5_maxAnthropic	95.0%	Max 推理
7	claude-fable-5_maxAnthropic	90.2%	Max 推理
8	gpt-6-sol_maxOpenAI	90.0%	Max 推理
9	claude-fable-5-1_maxAnthropic	87.8%	Max 推理
11	gpt-5.6-sol_maxOpenAI	82.9%	Max 推理
13	gpt-5.6-sol_promaxOpenAI	80.5%	来源默认配置未计入：来源为专用系统或尚未核实的运行配置，无法归到单个公开模型。
13	claude-sonnet-5-5_maxAnthropic	80.5%	Max 推理
15	gpt-5.5-pro_xhighOpenAI	78.0%	xHigh 推理
15	gemini-4-argon_highGoogle	78.0%	High 推理
17	gdm-ai-co-mathematicianGoogle	75.6%	来源默认配置未计入：来源为专用系统或尚未核实的运行配置，无法归到单个公开模型。
18	claude-opus-5_maxAnthropic	73.2%	Max 推理
19	gpt-5.5_xhighOpenAI	72.5%	xHigh 推理
20	muse-wonder-1.0_maxMeta	70.7%	Max 推理
20	gpt-5.6-terra_maxOpenAI	70.7%	Max 推理
22	gpt-5.6-luna_maxOpenAI	61.0%	Max 推理
23	gpt-5.4-pro-2026-03-05_xhighOpenAI	58.5%	xHigh 推理
24	gpt-6-luna_maxOpenAI	56.1%	Max 推理
24	claude-opus-4-8_maxAnthropic	56.1%	Max 推理
26	gpt-5.4-2026-03-05_xhighOpenAI	49.0%	xHigh 推理
27	muse-spark-1.3_maxMeta	46.3%	Max 推理
27	claude-haiku-5-5_maxAnthropic	46.3%	Max 推理
27	deepseek-v4.1-flash-1017_maxDeepSeek	46.3%	Max 推理
27	qwen3.8-max_xhighAlibaba	46.3%	xHigh 推理
31	gpt-5.2-pro-2025-12-11_xhighOpenAI	46.0%	xHigh 推理
33	kimi-k3_maxMoonshot AI	39.0%	Max 推理
34	gemini-3.7-flash_highGoogle	36.6%	High 推理
35	qwen3.7-maxAlibaba	34.1%	来源默认配置
35	qwen3.8-max-0902_xhighAlibaba	34.1%	xHigh 推理

评测局限与数据署名

Tier 4 题量太少，只作参考，不计分。

数据许可：CC BY 4.0 · Epoch AI 自行评测数据

成绩由 Epoch AI 发布。各项评测的原始分数尺度不同，不能直接相加；AIHOT 按公开规则把它们折算成同一种分数。