BenchLeader

FrontierMath Tiers 1–3のリーダーボード

2026年11月16日時点で、FrontierMath Tiers 1–3の最高スコアは95.1%で、Claude Fable 5.2(Anthropic)が記録しています。次点はGPT-6 Astraの93.7%です。公表された結果があるのは123のモデル構成です(Epoch AI Benchmarking Hub、結果の日付は2026年11月9日)。FrontierMathは、プロの数学者が作成した研究レベルの数学問題の非公開セットで、各問題には自動で検証できる明確な答えがあります。Tier 1〜3は、難しい学部レベルの問題から専門家でも数時間かかる問題までを含みます。問題は公開されていないため、学習データに含まれることはありません。FrontierMath Tiers 1–3はBenchLeader Indexの数学スコアに反映されます。

要点(2026年11月16日時点)

  • Claude Fable 5.2がFrontierMath Tiers 1–3の最高スコア95.1%を記録しています(Epoch AI Benchmarking Hub、2026年11月9日)。
  • FrontierMath Tiers 1–3の2位はGPT-6 Astraで、93.7%です(Epoch AI Benchmarking Hub、2026年9月3日)。
  • FrontierMath Tiers 1–3:未公開の研究レベルの数学問題、Tier 1〜3(v2の非公開セット)。Epoch AIが実施(Epoch AI Benchmarking Hub)。
  • BenchLeaderでは123のモデル構成にFrontierMath Tiers 1–3の公表結果があります(BenchLeader、2026年11月16日)。
  • FrontierMath Tiers 1–3はBenchLeader Indexの数学カテゴリに反映されます(BenchLeaderの評価方法)。

未公開の研究レベルの数学問題、Tier 1〜3(v2の非公開セット)。Epoch AIが実施。

公開元
Epoch AI Benchmarking Hub
カテゴリ
数学
Indexでの重み
1.0
モデル
123
データ基準日
2026年11月16日
最新の結果
2026年11月10日

CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.

どんなテストか

FrontierMathは、プロの数学者が作成した研究レベルの数学問題の非公開セットで、各問題には自動で検証できる明確な答えがあります。Tier 1〜3は、難しい学部レベルの問題から専門家でも数時間かかる問題までを含みます。問題は公開されていないため、学習データに含まれることはありません。

採点方法

解けた問題の割合で、モデルの最終回答を自動チェッカーにかけて検証します。Epoch AIが自らモデルを実行し(通常はコードツールを利用可能)、複数回の実行の平均を公表しています。

注意点

スコアは低くノイズも大きく、数問の差でモデルの順位が分かれます。Epochが公表する信頼区間も広くなっています。OpenAIがこのベンチマークの作成に資金を提供し、問題の大半にアクセスできることを、Epochは開示しています。

123件中123件
#
1NEWClaude Fable 5.2max95.1%72.72026-11-09
2GPT-6 Astramax93.7%67.32026-09-03
3GPT-6.1 Solmax93.7%66.62026-09-29
4Claude Opus 5.5max91.2%68.42026-09-22
5GPT-6.1 Terramax90.9%64.12026-10-26
6Gemini 4 Carbonhigh90.5%68.92026-11-10
7Claude Fable 5.1max90.2%66.72026-09-01
8GPT-6 Solmax89.8%62.62026-09-22
9GPT-5.6 Solmax89.1%65.32026-07-09
10Claude Sonnet 5.5max88.8%64.22026-09-28
11GPT-5.5 Proxhigh87.7%–2026-04-23
12Claude Fable 5max87.0%65.12026-06-09
13Gemini 4 Argonhigh86.0%65.32026-10-13
14GPT-5.6 Terramax86.0%59.52026-07-09
15Claude Opus 5max85.6%65.02026-07-24
16GPT-5.5xhigh85.3%64.12026-04-23
17GPT-5.4 Proxhigh82.5%59.52026-03-05
18Muse Wondermax82.1%60.82026-10-12
19GPT-5.6 Lunamax82.1%56.22026-07-09
20Claude Opus 4.8max80.0%61.12026-05-28
21GPT-6 Lunamax79.0%55.12026-09-22
22GPT-5.4xhigh78.6%63.12026-03-05
23Kimi K3.1 Pro Togethermax78.3%60.02026-10-23
24Claude Haiku 5.5max75.1%55.32026-10-07
25Qwen3.8 Maxxhigh74.7%56.62026-08-02
26Muse Spark 1.3xhigh74.4%58.12026-09-02
27Muse Spark 1.3max74.0%60.62026-09-02
28GPT-5.2 Proxhigh74.0%–2025-12-11
29Kimi K3max72.2%60.22026-07-16
30Gemini 3.7 Flashhigh71.6%62.12026-08-13
31DeepSeek V4.1 Flash 1017max71.2%57.72026-10-17
32Claude Opus 4.7max70.2%59.72026-04-16
33Muse Spark Open 816B A42Bxhigh69.8%58.12026-10-15
34GLM 5.3max68.8%58.82026-08-14
35Gemini 3.8 Flashhigh68.4%59.42026-09-02
36GPT-5.2xhigh67.4%59.92025-12-11
37DeepSeek V4.1 Flashmax67.4%58.52026-09-09
38Claude Opus 4.6max66.0%57.02026-02-05
39Grok 4.6xhigh66.0%56.12026-08-12
40Claude Sonnet 5max65.6%56.12026-06-30
41Qwen3.7max64.6%60.02026-05-19
42DeepSeek V4 Promax64.6%54.72026-08-13
43Gemini 3.5 Flashhigh62.8%62.52026-05-19
44Gemini 3.1 Pro59.6%59.92026-02-19
45GLM 5.2max59.2%58.92026-06-16
46Gemini 3.6 Flashhigh59.0%61.02026-07-21
47Mistral Large 4high58.6%48.32026-10-06
48DeepSeek V4 Flashmax57.5%56.82026-07-31
49Grok 4.5high57.2%56.82026-07-08
50Kimi K2.657.2%55.12026-04-20
51GLM 5.3 Flashmax55.8%52.42026-08-20
52GPT-5 Prohigh55.8%–2025-10-07
53GPT-5high55.4%58.22025-08-07
54GLM 5.2low54.7%–2026-06-16
55Kimi K2.7 Code54.0%53.92026-06-12
56Grok 4.7xhigh53.0%57.42026-09-21
57Gemini 3 Flash51.2%56.52025-12-17
58GPT-5.4 Minixhigh51.2%55.12026-03-17
59GPT-5 minihigh46.7%54.62025-08-07
60Inkling Smallxhigh46.3%47.32026-07-15

数学のベンチマークをもっと見る · LLMベンチマーク一覧

引用表記:BenchLeader「FrontierMath Tiers 1–3のリーダーボード」2026年11月16日時点のデータ、https://www.benchleader.com/ja/benchmarks/frontiermath_t1_3

FrontierMath Tiers 1–3:よくある質問

FrontierMath Tiers 1–3は何を測るベンチマークですか?
FrontierMathは、プロの数学者が作成した研究レベルの数学問題の非公開セットで、各問題には自動で検証できる明確な答えがあります。Tier 1〜3は、難しい学部レベルの問題から専門家でも数時間かかる問題までを含みます。問題は公開されていないため、学習データに含まれることはありません。スコアは解けたタスクの割合(%)で示され、高いほど良い結果です。
FrontierMath Tiers 1–3の最高スコアは?
2026年11月16日時点で、FrontierMath Tiers 1–3の最高スコアは95.1%で、Claude Fable 5.2が記録しています(結果の日付は2026年11月9日)。次点はGPT-6 Astraの93.7%です。スコアはEpoch AI Benchmarking Hubの公表値で、毎日読み直しています。
FrontierMath Tiers 1–3でトップのAIモデルは?
2026年11月16日時点で、FrontierMath Tiers 1–3の首位はClaude Fable 5.2で、スコアは95.1%です(結果の日付は2026年11月9日)。続いてGPT-6 Astra(93.7%)です。
FrontierMath Tiers 1–3の結果があるモデルはいくつですか?
BenchLeaderでは123のモデル構成にFrontierMath Tiers 1–3の結果があり、すべてEpoch AI Benchmarking Hubから取得しています。
FrontierMath Tiers 1–3を運営しているのは誰で、どのくらいの頻度で更新されますか?
FrontierMath Tiers 1–3はEpoch AI Benchmarking Hubが公開しています。BenchLeaderは公開された結果を1日1回読み直し、各結果の公開日を記録しています。
FrontierMath Tiers 1–3はBenchLeader Indexに含まれますか?
はい。FrontierMath Tiers 1–3はBenchLeader Indexの数学カテゴリに反映され、評価対象モデルの平均が50になるよう正規化されています。