FrontierMath v2 · Tiers 1–3

Name: FrontierMath v2 · Tiers 1–3
Creator: Epoch AI

Epoch AI / 推論 · 研究レベルの数学的推論

News での扱い順位に反映

根拠の配分3.6%

元データの時点11/06 09:14

最後に同期に成功11/16 02:05

何をどう測るか

v2のTiers 1–3のみを用いる。旧版の問題とTier 4を同一指標に混入させない。

正式に採点。同一問題ファミリーは固定予算を共有する。

固定ルールに従い、各公開モデルは代表的な構成を1つ採用する。匿名テスト型番は表示せず、元のランキング順位を保持し、各項目は最大30件。

元の順位	元のモデル名	元のスコア	代表的な設定
1	claude-fable-5-2_maxAnthropic	95.1%	Max 推論
2	gpt-6.1-sol_max—	93.7%	Max 推論
2	gpt-6-astra_maxOpenAI	93.7%	Max 推論
4	claude-opus-5-5_maxAnthropic	91.2%	Max 推論
5	gpt-6.1-terra_maxOpenAI	90.9%	Max 推論
6	gemini-4-carbon_highgoogle	90.5%	High 推論
7	claude-fable-5-1_maxAnthropic	90.2%	Max 推論
8	gpt-6-sol_maxOpenAI	89.8%	Max 推論
9	gpt-5.6-sol_maxOpenAI	89.1%	Max 推論
10	claude-sonnet-5-5_maxanthropic	88.8%	Max 推論
11	gpt-5.5-pro_xhighOpenAI	87.7%	xHigh 推論
12	claude-fable-5_maxAnthropic	87.0%	Max 推論
13	gpt-5.6-terra_maxOpenAI	86.0%	Max 推論
13	gemini-4-argon_highGoogle	86.0%	High 推論
15	claude-opus-5_maxAnthropic	85.6%	Max 推論
16	gpt-5.5_xhighOpenAI	85.3%	xHigh 推論
17	gpt-5.4-pro-2026-03-05_xhighOpenAI	82.5%	xHigh 推論
18	gpt-5.6-luna_maxOpenAI	82.1%	Max 推論
18	muse-wonder-1.0_max—	82.1%	Max 推論
20	claude-opus-4-8_maxAnthropic	80.0%	Max 推論
21	gpt-6-luna_maxOpenAI	78.9%	Max 推論
22	gpt-5.4-2026-03-05_xhighOpenAI	78.6%	xHigh 推論
23	kimi-k3.1-pro-together_maxMoonshot	78.2%	Max 推論
24	claude-haiku-5-5_max—	75.1%	Max 推論
25	qwen3.8-max_xhighAlibaba	74.7%	xHigh 推論
27	muse-spark-1.3_maxMeta	74.0%	Max 推論
28	gpt-5.2-pro-2025-12-11_xhighOpenAI	74.0%	xHigh 推論
29	kimi-k3_maxMoonshot AI	72.2%	Max 推論
30	gemini-3.7-flash_highGoogle	71.6%	High 推論
31	deepseek-v4.1-flash-1017_maxdeepseek	71.2%	Max 推論

評価の限界とデータの出典

正式に採点。同一問題ファミリーは固定予算を共有する。

データのライセンス：CC BY 4.0 · Epoch AI 独自評価データ

スコアは Epoch AI が公開。元のスコアと News のコンセンサススコアは尺度が異なるため、直接合算できない。