Epoch AI / 推理

FrontierMath v2 · Tier 4

更高难度的数学研究题

官方评测 ↗

在 AIHOT 中参与排名

证据预算1.2%

上游数据时间09/03 02:04

最近成功同步09/10 06:31

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

正式计分；同题家族共用固定预算。

评测成绩

按固定规则，每个公开模型采用一套代表配置。匿名测试型号不展示，保留原榜名次，每项最多 30 个。

原榜名次	原榜型号	原始成绩	代表配置
1	gpt-6-astra_maxOpenAI	97.6%	Max 推理
5	claude-fable-5_maxAnthropic	90.2%	Max 推理
6	claude-fable-5-1_maxAnthropic	87.8%	Max 推理
8	gpt-5.6-sol_maxOpenAI	82.9%	Max 推理
11	gpt-5.5-pro_xhighOpenAI	78.0%	xHigh 推理
13	claude-opus-5_maxAnthropic	73.2%	Max 推理
14	gpt-5.5_xhighOpenAI	72.5%	xHigh 推理
15	gpt-5.6-terra_maxOpenAI	70.7%	Max 推理
16	gpt-5.6-luna_maxOpenAI	61.0%	Max 推理
17	gpt-5.4-pro-2026-03-05_xhighOpenAI	58.5%	xHigh 推理
18	claude-opus-4-8_maxAnthropic	56.1%	Max 推理
19	gpt-5.4-2026-03-05_xhighOpenAI	49.0%	xHigh 推理
20	qwen3.8-max_xhighAlibaba	46.3%	xHigh 推理
21	gpt-5.2-pro-2025-12-11_xhighOpenAI	46.0%	xHigh 推理
22	kimi-k3_maxMoonshot AI	39.0%	Max 推理
23	gemini-3.7-flash_highGoogle	36.6%	High 推理
24	qwen3.8-max-0902_xhighAlibaba	34.1%	xHigh 推理
24	qwen3.7-maxAlibaba	34.1%	来源默认配置
26	claude-opus-4-7_maxAnthropic	31.7%	Max 推理
26	grok-4.6_xhighxAI	31.7%	xHigh 推理
28	gpt-5.2-2025-12-11_xhighOpenAI	31.7%	xHigh 推理
29	claude-sonnet-5_maxAnthropic	29.3%	Max 推理
29	glm-5.2_maxZ.ai	29.3%	Max 推理
29	glm-5.3_maxZ.ai	29.3%	Max 推理
32	gemini-3.5-flash_highGoogle	26.8%	High 推理
32	claude-opus-4-6_maxAnthropic	26.8%	Max 推理
32	deepseek-v4-pro-0813_maxDeepSeek	26.8%	Max 推理
32	gemini-3.1-pro-previewGoogle	26.8%	来源默认配置
36	kimi-k2.6Moonshot AI	25.6%	来源默认配置
37	grok-4.5_highxAI	24.4%	High 推理

评测局限与数据署名

正式计分；同题家族共用固定预算。

数据许可：CC BY 4.0 · Epoch AI 自行评测数据

成绩由 Epoch AI 发布，原始分数与 AIHOT 共识分使用不同尺度，不能直接相加。