FrontierMath v2 · Tier 4

Name: FrontierMath v2 · Tier 4
Creator: Epoch AI

Epoch AI / 推論 · より高難度の数学研究問題

News での扱い順位に反映

根拠の配分1.2%

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

Tier 4 を独立して保存し、Tiers 1–3 と数学的証拠の予算を共有する。標本誤差は保持する。

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—	100.0%	Max 推論
2	gpt-6-astra_maxOpenAI	97.6%	Max 推論
6	claude-opus-5-5_maxAnthropic	95.0%	Max 推論
7	claude-fable-5_maxAnthropic	90.2%	Max 推論
8	gpt-6-sol_maxOpenAI	90.0%	Max 推論
9	claude-fable-5-1_maxAnthropic	87.8%	Max 推論
11	gpt-5.6-sol_maxOpenAI	82.9%	Max 推論
13	claude-sonnet-5-5_maxanthropic	80.5%	Max 推論
15	gpt-5.5-pro_xhighOpenAI	78.0%	xHigh 推論
17	claude-opus-5_maxAnthropic	73.2%	Max 推論
18	gpt-5.5_xhighOpenAI	72.5%	xHigh 推論
19	gpt-5.6-terra_maxOpenAI	70.7%	Max 推論
20	gpt-5.6-luna_maxOpenAI	61.0%	Max 推論
21	gpt-5.4-pro-2026-03-05_xhighOpenAI	58.5%	xHigh 推論
22	gpt-6-luna_maxOpenAI	56.1%	Max 推論
22	claude-opus-4-8_maxAnthropic	56.1%	Max 推論
24	gpt-5.4-2026-03-05_xhighOpenAI	49.0%	xHigh 推論
25	muse-spark-1.3_maxMeta	46.3%	Max 推論
25	qwen3.8-max_xhighAlibaba	46.3%	xHigh 推論
27	gpt-5.2-pro-2025-12-11_xhighOpenAI	46.0%	xHigh 推論
29	kimi-k3_maxMoonshot AI	39.0%	Max 推論
30	gemini-3.7-flash_highGoogle	36.6%	High 推論
31	qwen3.8-max-0902_xhighAlibaba	34.1%	xHigh 推論
31	qwen3.7-maxAlibaba	34.1%	情報源のデフォルト構成
33	claude-opus-4-7_maxAnthropic	31.7%	Max 推論
33	grok-4.6_xhighxAI	31.7%	xHigh 推論
35	gpt-5.2-2025-12-11_xhighOpenAI	31.7%	xHigh 推論
36	claude-sonnet-5_maxAnthropic	29.3%	Max 推論
36	glm-5.3_maxZ.ai	29.3%	Max 推論
36	glm-5.2_maxZ.ai	29.3%	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。