BenchLeader

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。

发布方
Epoch AI Benchmarking Hub
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。

123 / 123
#
1新Claude 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

更多数学基准测试 · 全部大模型基准测试

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。