BenchLeader

FrontierMath Tier 4 排行榜

截至 2026年11月16日,FrontierMath Tier 4 的最高分为 100.0%,由 Claude Fable 5.2 和 GPT-6.1 Sol 并列取得,领先于 GPT-6 Astra(97.6%)。共有 79 个模型配置公布了结果(Epoch AI Benchmarking Hub,结果日期 2026年11月9日)。第 4 级是 FrontierMath 中最难的一组:约五十道研究级问题,数学专家估计每道需要数天的专注工作。这些题目刻意超出当前系统的能力,考查真正的数学推理而非记忆。FrontierMath Tier 4 计入 BenchLeader Index 的数学得分。

要点(截至 2026年11月16日)

  • Claude Fable 5.2 和 GPT-6.1 Sol 以 100.0% 并列 FrontierMath Tier 4 最高分(Epoch AI Benchmarking Hub,2026年11月16日)。
  • FrontierMath Tier 4:FrontierMath 最难的一级:专业数学家也要花上几天的题目。由 Epoch AI 运行(Epoch AI Benchmarking Hub)。
  • BenchLeader 上有 79 个模型配置公布了 FrontierMath Tier 4 结果(BenchLeader,2026年11月16日)。
  • FrontierMath Tier 4 计入 BenchLeader Index 的数学类别(BenchLeader 方法论)。

FrontierMath 最难的一级:专业数学家也要花上几天的题目。由 Epoch AI 运行。

发布方
Epoch AI Benchmarking Hub
类别
数学
Index 权重
0.5
模型
79
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

第 4 级是 FrontierMath 中最难的一组:约五十道研究级问题,数学专家估计每道需要数天的专注工作。这些题目刻意超出当前系统的能力,考查真正的数学推理而非记忆。

评分方式

最终答案经自动核验的解题百分比,由 Epoch AI 在与低级别相同的测试框架下运行。

注意事项

题目太少,解出一道就能让分数变动约两分,多数模型的得分只有个位数。应把它看作前沿能力的信号,而不是普通数学能力的排名。

79 / 79
#
1新Claude Fable 5.2max100.0%72.72026-11-09
2GPT-6.1 Solmax100.0%66.62026-09-29
3GPT-6 Astramax97.6%67.32026-09-03
4GPT-6 Astrahigh97.6%66.32026-09-03
5GPT-6 Astraxhigh97.6%66.02026-09-03
6GPT-6 Astramedium97.6%64.42026-09-03
7Gemini 4 Carbonhigh95.1%68.92026-11-10
8Claude Opus 5.5max95.0%68.42026-09-22
9GPT-6.1 Terramax92.7%64.12026-10-26
10Claude Fable 5max90.2%65.12026-06-09
11GPT-6 Solmax90.0%62.62026-09-22
12Claude Fable 5.1max87.8%66.72026-09-01
13GPT-6 Astralow87.8%62.02026-09-03
14GPT-5.6 Solmax82.9%65.32026-07-09
15GPT-6 Astra无推理82.9%58.12026-09-03
16Claude Sonnet 5.5max80.5%64.22026-09-28
17GPT-5.6 SolPro 模式80.5%–2026-07-09
18Gemini 4 Argonhigh78.0%65.32026-10-13
19GPT-5.5 Proxhigh78.0%–2026-04-23
20AI Co-Mathematician75.6%–2026-05-08
21Claude Opus 5max73.2%65.02026-07-24
22GPT-5.5xhigh72.5%64.12026-04-23
23Muse Wondermax70.7%60.82026-10-12
24GPT-5.6 Terramax70.7%59.52026-07-09
25Kimi K3.1 Pro Togethermax65.8%60.02026-10-23
26GPT-5.6 Lunamax61.0%56.22026-07-09
27GPT-5.4 Proxhigh58.5%59.52026-03-05
28Claude Opus 4.8max56.1%61.12026-05-28
29GPT-6 Lunamax56.1%55.12026-09-22
30GPT-5.4xhigh49.0%63.12026-03-05
31Muse Spark 1.3max46.3%60.62026-09-02
32DeepSeek V4.1 Flash 1017max46.3%57.72026-10-17
33Qwen3.8 Maxxhigh46.3%56.62026-08-02
34Claude Haiku 5.5max46.3%55.32026-10-07
35GPT-5.2 Proxhigh46.0%–2025-12-11
36Muse Spark 1.3xhigh41.5%58.12026-09-02
37Kimi K3max39.0%60.22026-07-16
38Gemini 3.7 Flashhigh36.6%62.12026-08-13
39Qwen3.7max34.1%60.02026-05-19
40Claude Opus 4.7max31.7%59.72026-04-16
41Muse Spark Open 816B A42Bxhigh31.7%58.12026-10-15
42Grok 4.6xhigh31.7%56.12026-08-12
43GPT-5.2xhigh31.7%59.92025-12-11
44GLM 5.2max29.3%58.92026-06-16
45GLM 5.3max29.3%58.82026-08-14
46Claude Sonnet 5max29.3%56.12026-06-30
47Gemini 3.5 Flashhigh26.8%62.52026-05-19
48Gemini 3.1 Pro26.8%59.92026-02-19
49DeepSeek V4.1 Flashmax26.8%58.52026-09-09
50Claude Opus 4.6max26.8%57.02026-02-05
51DeepSeek V4 Promax26.8%54.72026-08-13
52Mistral Large 4high26.8%48.32026-10-06
53Kimi K2.625.6%55.12026-04-20
54Grok 4.5high24.4%56.82026-07-08
55DeepSeek V4 Flashmax24.4%56.82026-07-31
56Gemini 3.6 Flashhigh21.9%61.02026-07-21
57Gemini 3.8 Flashhigh21.9%59.42026-09-02
58GPT-5high21.9%58.22025-08-07
59GPT-5 Prohigh19.5%–2025-10-07
60Grok 4.20thinking17.1%58.32026-02-17

更多数学基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《FrontierMath Tier 4 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/frontiermath_t4。

FrontierMath Tier 4:常见问题

FrontierMath Tier 4 衡量的是什么?
第 4 级是 FrontierMath 中最难的一组:约五十道研究级问题,数学专家估计每道需要数天的专注工作。这些题目刻意超出当前系统的能力,考查真正的数学推理而非记忆。分数以完成任务的百分比表示,越高越好。
FrontierMath Tier 4 的最高分是多少?
截至 2026年11月16日,FrontierMath Tier 4 的最高分为 100.0%,由 Claude Fable 5.2 和 GPT-6.1 Sol 并列取得,领先于 GPT-6 Astra(97.6%)。分数来自 Epoch AI Benchmarking Hub,每天重新读取。
哪个 AI 模型在 FrontierMath Tier 4 上领先?
截至 2026年11月16日,Claude Fable 5.2 和 GPT-6.1 Sol 以 100.0% 并列 FrontierMath Tier 4 第一。
有多少模型有 FrontierMath Tier 4 结果?
BenchLeader 上有 79 个模型配置有 FrontierMath Tier 4 结果,全部取自 Epoch AI Benchmarking Hub。
FrontierMath Tier 4 由谁运行,多久更新一次?
FrontierMath Tier 4 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 Tier 4 是否计入 BenchLeader Index?
计入。FrontierMath Tier 4 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。