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09/30 06:00

最後に同期に成功10/01 20:05

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	gpt-6.1-sol_max—	93.7%	Max 推論
1	gpt-6-astra_maxOpenAI	93.7%	Max 推論
3	claude-opus-5-5_maxAnthropic	91.2%	Max 推論
4	claude-fable-5-1_maxAnthropic	90.2%	Max 推論
5	gpt-6-sol_maxOpenAI	89.8%	Max 推論
6	gpt-5.6-sol_maxOpenAI	89.1%	Max 推論
7	claude-sonnet-5-5_maxanthropic	88.8%	Max 推論
8	gpt-5.5-pro_xhighOpenAI	87.7%	xHigh 推論
9	claude-fable-5_maxAnthropic	87.0%	Max 推論
10	gpt-5.6-terra_maxOpenAI	86.0%	Max 推論
11	claude-opus-5_maxAnthropic	85.6%	Max 推論
12	gpt-5.5_xhighOpenAI	85.3%	xHigh 推論
13	gpt-5.4-pro-2026-03-05_xhighOpenAI	82.5%	xHigh 推論
14	gpt-5.6-luna_maxOpenAI	82.1%	Max 推論
15	claude-opus-4-8_maxAnthropic	80.0%	Max 推論
16	gpt-6-luna_maxOpenAI	78.9%	Max 推論
17	gpt-5.4-2026-03-05_xhighOpenAI	78.6%	xHigh 推論
18	qwen3.8-max_xhighAlibaba	74.7%	xHigh 推論
20	muse-spark-1.3_maxMeta	74.0%	Max 推論
21	gpt-5.2-pro-2025-12-11_xhighOpenAI	74.0%	xHigh 推論
22	kimi-k3_maxMoonshot AI	72.2%	Max 推論
23	gemini-3.7-flash_highGoogle	71.6%	High 推論
24	claude-opus-4-7_maxAnthropic	70.2%	Max 推論
25	glm-5.3_maxZ.ai	68.8%	Max 推論
26	gemini-3.8-flash_highGoogle	68.4%	High 推論
27	gpt-5.2-2025-12-11_xhighOpenAI	67.4%	xHigh 推論
28	claude-opus-4-6_maxAnthropic	66.0%	Max 推論
28	grok-4.6_xhighxAI	66.0%	xHigh 推論
30	claude-sonnet-5_maxAnthropic	65.6%	Max 推論
30	qwen3.8-max-0902_xhighAlibaba	65.6%	xHigh 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。