FrontierMath Tiers 1–3 排行榜
截至 2026年11月16日,FrontierMath Tiers 1–3 的最高分为 95.1%,由 Claude Fable 5.2(Anthropic)取得,领先于 GPT-6 Astra(93.7%)。共有 123 个模型配置公布了结果(Epoch AI Benchmarking Hub,结果日期 2026年11月9日)。FrontierMath 是一套不公开的研究级数学题,由职业数学家编写,每道题都有明确、可自动核验的答案。第 1 至 3 级从高难度本科题到需要专业人士花数小时的问题不等。题目从未公开,因此不可能出现在训练数据中。FrontierMath Tiers 1–3 计入 BenchLeader Index 的数学得分。
要点(截至 2026年11月16日)
- Claude Fable 5.2 以 95.1% 保持 FrontierMath Tiers 1–3 最高分(Epoch AI Benchmarking Hub,2026年11月9日)。
- GPT-6 Astra 以 93.7% 位列 FrontierMath Tiers 1–3 第二(Epoch AI Benchmarking Hub,2026年9月3日)。
- FrontierMath Tiers 1–3:未公开的研究级数学题,第 1–3 级(v2 非公开题集)。由 Epoch AI 运行(Epoch AI Benchmarking Hub)。
- BenchLeader 上有 123 个模型配置公布了 FrontierMath Tiers 1–3 结果(BenchLeader,2026年11月16日)。
- FrontierMath Tiers 1–3 计入 BenchLeader Index 的数学类别(BenchLeader 方法论)。
未公开的研究级数学题,第 1–3 级(v2 非公开题集)。由 Epoch AI 运行。
- 类别
- 数学
- Index 权重
- 1.0
- 模型
- 123
- 数据截至
- 2026年11月16日
- 最新结果
- 2026年11月10日
CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.
测试内容
FrontierMath 是一套不公开的研究级数学题,由职业数学家编写,每道题都有明确、可自动核验的答案。第 1 至 3 级从高难度本科题到需要专业人士花数小时的问题不等。题目从未公开,因此不可能出现在训练数据中。
评分方式
解题百分比,模型的最终答案经自动检查器核验。Epoch AI 亲自运行各模型(通常提供代码工具),并报告多次运行的平均值。
注意事项
分数偏低且噪声大:区分模型的往往只有几道题,Epoch 公布的置信区间也很宽。OpenAI 出资创建了这项基准测试,并掌握大部分题目,Epoch 对此有公开说明。
- 1Claude Fable 5.2 (max)95.1%
- 2GPT-6 Astra (max)93.7%
- 3GPT-6.1 Sol (max)93.7%
- 4Claude Opus 5.5 (max)91.2%
- 5GPT-6.1 Terra (max)90.9%
- 6Gemini 4 Carbon (high)90.5%
- 7Claude Fable 5.1 (max)90.2%
- 8GPT-6 Sol (max)89.8%
- 9GPT-5.6 Sol (max)89.1%
- 10Claude Sonnet 5.5 (max)88.8%
- 11GPT-5.5 Pro (xhigh)87.7%
- 12Claude Fable 5 (max)87.0%
- 13Gemini 4 Argon (high)86.0%
- 14GPT-5.6 Terra (max)86.0%
- 15Claude Opus 5 (max)85.6%
| # | ||||
|---|---|---|---|---|
| 1 | 新 | 95.1% | 72.7 | 2026-11-09 |
| 2 | 93.7% | 67.3 | 2026-09-03 | |
| 3 | 93.7% | 66.6 | 2026-09-29 | |
| 4 | 91.2% | 68.4 | 2026-09-22 | |
| 5 | 90.9% | 64.1 | 2026-10-26 | |
| 6 | 90.5% | 68.9 | 2026-11-10 | |
| 7 | 90.2% | 66.7 | 2026-09-01 | |
| 8 | 89.8% | 62.6 | 2026-09-22 | |
| 9 | 89.1% | 65.3 | 2026-07-09 | |
| 10 | 88.8% | 64.2 | 2026-09-28 | |
| 11 | 87.7% | – | 2026-04-23 | |
| 12 | 87.0% | 65.1 | 2026-06-09 | |
| 13 | 86.0% | 65.3 | 2026-10-13 | |
| 14 | 86.0% | 59.5 | 2026-07-09 | |
| 15 | 85.6% | 65.0 | 2026-07-24 | |
| 16 | 85.3% | 64.1 | 2026-04-23 | |
| 17 | 82.5% | 59.5 | 2026-03-05 | |
| 18 | 82.1% | 60.8 | 2026-10-12 | |
| 19 | 82.1% | 56.2 | 2026-07-09 | |
| 20 | 80.0% | 61.1 | 2026-05-28 | |
| 21 | 79.0% | 55.1 | 2026-09-22 | |
| 22 | 78.6% | 63.1 | 2026-03-05 | |
| 23 | 78.3% | 60.0 | 2026-10-23 | |
| 24 | 75.1% | 55.3 | 2026-10-07 | |
| 25 | 74.7% | 56.6 | 2026-08-02 | |
| 26 | 74.4% | 58.1 | 2026-09-02 | |
| 27 | 74.0% | 60.6 | 2026-09-02 | |
| 28 | 74.0% | – | 2025-12-11 | |
| 29 | 72.2% | 60.2 | 2026-07-16 | |
| 30 | 71.6% | 62.1 | 2026-08-13 | |
| 31 | 71.2% | 57.7 | 2026-10-17 | |
| 32 | 70.2% | 59.7 | 2026-04-16 | |
| 33 | 69.8% | 58.1 | 2026-10-15 | |
| 34 | 68.8% | 58.8 | 2026-08-14 | |
| 35 | 68.4% | 59.4 | 2026-09-02 | |
| 36 | 67.4% | 59.9 | 2025-12-11 | |
| 37 | 67.4% | 58.5 | 2026-09-09 | |
| 38 | 66.0% | 57.0 | 2026-02-05 | |
| 39 | 66.0% | 56.1 | 2026-08-12 | |
| 40 | 65.6% | 56.1 | 2026-06-30 | |
| 41 | 64.6% | 60.0 | 2026-05-19 | |
| 42 | 64.6% | 54.7 | 2026-08-13 | |
| 43 | 62.8% | 62.5 | 2026-05-19 | |
| 44 | 59.6% | 59.9 | 2026-02-19 | |
| 45 | 59.2% | 58.9 | 2026-06-16 | |
| 46 | 59.0% | 61.0 | 2026-07-21 | |
| 47 | 58.6% | 48.3 | 2026-10-06 | |
| 48 | 57.5% | 56.8 | 2026-07-31 | |
| 49 | 57.2% | 56.8 | 2026-07-08 | |
| 50 | 57.2% | 55.1 | 2026-04-20 | |
| 51 | 55.8% | 52.4 | 2026-08-20 | |
| 52 | 55.8% | – | 2025-10-07 | |
| 53 | 55.4% | 58.2 | 2025-08-07 | |
| 54 | 54.7% | – | 2026-06-16 | |
| 55 | 54.0% | 53.9 | 2026-06-12 | |
| 56 | 53.0% | 57.4 | 2026-09-21 | |
| 57 | 51.2% | 56.5 | 2025-12-17 | |
| 58 | 51.2% | 55.1 | 2026-03-17 | |
| 59 | 46.7% | 54.6 | 2025-08-07 | |
| 60 | 46.3% | 47.3 | 2026-07-15 |
相关基准测试
FrontierMath Tiers 1–3 上的热门模型对比
引用格式:BenchLeader,《FrontierMath Tiers 1–3 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/frontiermath_t1_3。
FrontierMath Tiers 1–3:常见问题
- FrontierMath Tiers 1–3 衡量的是什么?
- FrontierMath 是一套不公开的研究级数学题,由职业数学家编写,每道题都有明确、可自动核验的答案。第 1 至 3 级从高难度本科题到需要专业人士花数小时的问题不等。题目从未公开,因此不可能出现在训练数据中。分数以完成任务的百分比表示,越高越好。
- FrontierMath Tiers 1–3 的最高分是多少?
- 截至 2026年11月16日,FrontierMath Tiers 1–3 的最高分为 95.1%,由 Claude Fable 5.2 取得(结果日期 2026年11月9日),领先于 GPT-6 Astra(93.7%)。分数来自 Epoch AI Benchmarking Hub,每天重新读取。
- 哪个 AI 模型在 FrontierMath Tiers 1–3 上领先?
- 截至 2026年11月16日,FrontierMath Tiers 1–3 排名第一的是 Claude Fable 5.2,分数为 95.1%(结果日期 2026年11月9日)。其后为 GPT-6 Astra(93.7%)。
- 有多少模型有 FrontierMath Tiers 1–3 结果?
- BenchLeader 上有 123 个模型配置有 FrontierMath Tiers 1–3 结果,全部取自 Epoch AI Benchmarking Hub。
- FrontierMath Tiers 1–3 由谁运行,多久更新一次?
- FrontierMath Tiers 1–3 由 Epoch AI Benchmarking Hub 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
- FrontierMath Tiers 1–3 是否计入 BenchLeader Index?
- 计入。FrontierMath Tiers 1–3 计入 BenchLeader Index 的数学类别,并经过归一化,使参评模型的平均值为 50。