FrontierMath Tier 4のリーダーボード
2026年11月16日時点で、FrontierMath Tier 4の最高スコアは100.0%で、Claude Fable 5.2とGPT-6.1 Solが並んでいます。次点はGPT-6 Astraの97.6%です。公表された結果があるのは79のモデル構成です(Epoch AI Benchmarking Hub、結果の日付は2026年11月9日)。Tier 4はFrontierMathで最も難しいセットで、専門の数学者が集中して取り組んでも数日かかると見積もる研究問題が約50問あります。現在のシステムの能力を超えるよう作られており、記憶ではなく本物の数学的推論を試します。FrontierMath Tier 4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とGPT-6.1 SolがFrontierMath Tier 4の最高スコア100.0%で並んでいます(Epoch AI Benchmarking Hub、2026年11月16日)。
- FrontierMath Tier 4:FrontierMathで最も難しいTier。専門の数学者でも数日かかる問題。Epoch AIが実施(Epoch AI Benchmarking Hub)。
- BenchLeaderでは79のモデル構成にFrontierMath Tier 4の公表結果があります(BenchLeader、2026年11月16日)。
- FrontierMath Tier 4はBenchLeader Indexの数学カテゴリに反映されます(BenchLeaderの評価方法)。
FrontierMathで最も難しいTier。専門の数学者でも数日かかる問題。Epoch AIが実施。
- カテゴリ
- 数学
- Indexでの重み
- 0.5
- モデル
- 79
- 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
Tier 4はFrontierMathで最も難しいセットで、専門の数学者が集中して取り組んでも数日かかると見積もる研究問題が約50問あります。現在のシステムの能力を超えるよう作られており、記憶ではなく本物の数学的推論を試します。
採点方法
最終回答を自動でチェックしたうえでの正答率で、Epoch AIが下位のTierと同じハーネスで実行しています。
注意点
問題数が少ないため、1問解けるだけでスコアが約2ポイント動き、ほとんどのモデルは1桁台にとどまります。一般的な数学力のランキングではなく、最先端の能力を示す指標として見てください。
- 1Claude Fable 5.2 (max)100.0%
- 2GPT-6.1 Sol (max)100.0%
- 3GPT-6 Astra (max)97.6%
- 4GPT-6 Astra (high)97.6%
- 5GPT-6 Astra (xhigh)97.6%
- 6GPT-6 Astra (medium)97.6%
- 7Gemini 4 Carbon (high)95.1%
- 8Claude Opus 5.5 (max)95.0%
- 9GPT-6.1 Terra (max)92.7%
- 10Claude Fable 5 (max)90.2%
- 11GPT-6 Sol (max)90.0%
- 12Claude Fable 5.1 (max)87.8%
- 13GPT-6 Astra (low)87.8%
- 14GPT-5.6 Sol (max)82.9%
- 15GPT-6 Astra (none)82.9%
| # | ||||
|---|---|---|---|---|
| 1 | NEW | 100.0% | 72.7 | 2026-11-09 |
| 2 | 100.0% | 66.6 | 2026-09-29 | |
| 3 | 97.6% | 67.3 | 2026-09-03 | |
| 4 | 97.6% | 66.3 | 2026-09-03 | |
| 5 | 97.6% | 66.0 | 2026-09-03 | |
| 6 | 97.6% | 64.4 | 2026-09-03 | |
| 7 | 95.1% | 68.9 | 2026-11-10 | |
| 8 | 95.0% | 68.4 | 2026-09-22 | |
| 9 | 92.7% | 64.1 | 2026-10-26 | |
| 10 | 90.2% | 65.1 | 2026-06-09 | |
| 11 | 90.0% | 62.6 | 2026-09-22 | |
| 12 | 87.8% | 66.7 | 2026-09-01 | |
| 13 | 87.8% | 62.0 | 2026-09-03 | |
| 14 | 82.9% | 65.3 | 2026-07-09 | |
| 15 | 82.9% | 58.1 | 2026-09-03 | |
| 16 | 80.5% | 64.2 | 2026-09-28 | |
| 17 | 80.5% | – | 2026-07-09 | |
| 18 | 78.0% | 65.3 | 2026-10-13 | |
| 19 | 78.0% | – | 2026-04-23 | |
| 20 | 75.6% | – | 2026-05-08 | |
| 21 | 73.2% | 65.0 | 2026-07-24 | |
| 22 | 72.5% | 64.1 | 2026-04-23 | |
| 23 | 70.7% | 60.8 | 2026-10-12 | |
| 24 | 70.7% | 59.5 | 2026-07-09 | |
| 25 | 65.8% | 60.0 | 2026-10-23 | |
| 26 | 61.0% | 56.2 | 2026-07-09 | |
| 27 | 58.5% | 59.5 | 2026-03-05 | |
| 28 | 56.1% | 61.1 | 2026-05-28 | |
| 29 | 56.1% | 55.1 | 2026-09-22 | |
| 30 | 49.0% | 63.1 | 2026-03-05 | |
| 31 | 46.3% | 60.6 | 2026-09-02 | |
| 32 | 46.3% | 57.7 | 2026-10-17 | |
| 33 | 46.3% | 56.6 | 2026-08-02 | |
| 34 | 46.3% | 55.3 | 2026-10-07 | |
| 35 | 46.0% | – | 2025-12-11 | |
| 36 | 41.5% | 58.1 | 2026-09-02 | |
| 37 | 39.0% | 60.2 | 2026-07-16 | |
| 38 | 36.6% | 62.1 | 2026-08-13 | |
| 39 | 34.1% | 60.0 | 2026-05-19 | |
| 40 | 31.7% | 59.7 | 2026-04-16 | |
| 41 | 31.7% | 58.1 | 2026-10-15 | |
| 42 | 31.7% | 56.1 | 2026-08-12 | |
| 43 | 31.7% | 59.9 | 2025-12-11 | |
| 44 | 29.3% | 58.9 | 2026-06-16 | |
| 45 | 29.3% | 58.8 | 2026-08-14 | |
| 46 | 29.3% | 56.1 | 2026-06-30 | |
| 47 | 26.8% | 62.5 | 2026-05-19 | |
| 48 | 26.8% | 59.9 | 2026-02-19 | |
| 49 | 26.8% | 58.5 | 2026-09-09 | |
| 50 | 26.8% | 57.0 | 2026-02-05 | |
| 51 | 26.8% | 54.7 | 2026-08-13 | |
| 52 | 26.8% | 48.3 | 2026-10-06 | |
| 53 | 25.6% | 55.1 | 2026-04-20 | |
| 54 | 24.4% | 56.8 | 2026-07-08 | |
| 55 | 24.4% | 56.8 | 2026-07-31 | |
| 56 | 21.9% | 61.0 | 2026-07-21 | |
| 57 | 21.9% | 59.4 | 2026-09-02 | |
| 58 | 21.9% | 58.2 | 2025-08-07 | |
| 59 | 19.5% | – | 2025-10-07 | |
| 60 | 17.1% | 58.3 | 2026-02-17 |
関連するベンチマーク
FrontierMath Tier 4での注目のモデル比較
引用表記:BenchLeader「FrontierMath Tier 4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_t4
FrontierMath Tier 4:よくある質問
- FrontierMath Tier 4は何を測るベンチマークですか?
- Tier 4はFrontierMathで最も難しいセットで、専門の数学者が集中して取り組んでも数日かかると見積もる研究問題が約50問あります。現在のシステムの能力を超えるよう作られており、記憶ではなく本物の数学的推論を試します。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 Tier 4の最高スコアは?
- 2026年11月16日時点で、FrontierMath Tier 4の最高スコアは100.0%で、Claude Fable 5.2とGPT-6.1 Solが並んでいます。次点はGPT-6 Astraの97.6%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 Tier 4でトップのAIモデルは?
- 2026年11月16日時点で、Claude Fable 5.2とGPT-6.1 Solが100.0%でFrontierMath Tier 4の首位に並んでいます。
- FrontierMath Tier 4の結果があるモデルはいくつですか?
- BenchLeaderでは79のモデル構成にFrontierMath Tier 4の結果があり、すべてEpoch AI Benchmarking Hubから取得しています。
- FrontierMath Tier 4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 Tier 4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 Tier 4はBenchLeader Indexに含まれますか?
- はい。FrontierMath Tier 4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。