跳到正文
MarketHOT
English
评测来源

FrontierMath v2 · Tiers 1–3

Epoch AI / 推理 · 研究级数学推理

官方评测
在 MarketHOT 中参与排名
证据预算3.6%
上游数据时间11/05 20:14
最近成功同步11/18 14:05

它测什么,怎么测

只用 v2 的 Tiers 1–3;旧版题目和 Tier 4 不混入同一指标。

如何使用这份证据

正式计分;同题家族共用固定预算。

评测成绩

按固定规则,每个公开模型采用一套代表配置;没有可采用配置的模型标为未计入并写明原因。匿名测试型号不展示,保留原榜名次,每项最多 30 个。

原榜名次原榜型号原始成绩代表配置
1claude-fable-5-2_maxAnthropic95.1%Max 推理
2gpt-6.1-sol_maxopenai93.7%Max 推理
2gpt-6-astra_maxOpenAI93.7%Max 推理
4gpt-6.2-astra_maxOpenAI92.6%Max 推理
5claude-opus-5-5_maxAnthropic91.2%Max 推理
6gpt-6.1-terra_maxOpenAI90.9%Max 推理
7gemini-4-carbon_highgoogle90.5%High 推理
8claude-fable-5-1_maxAnthropic90.2%Max 推理
9gpt-6-sol_maxOpenAI89.8%Max 推理
10gpt-5.6-sol_maxOpenAI89.1%Max 推理
11claude-sonnet-5-5_maxanthropic88.8%Max 推理
12gpt-5.5-pro_xhighOpenAI87.7%xHigh 推理
13claude-fable-5_maxAnthropic87.0%Max 推理
14gpt-5.6-terra_maxOpenAI86.0%Max 推理
14gemini-4-argon_highgoogle86.0%High 推理
16claude-opus-5_maxAnthropic85.6%Max 推理
17gpt-5.5_xhighOpenAI85.3%xHigh 推理
18gpt-5.4-pro-2026-03-05_xhighOpenAI82.5%xHigh 推理
19gpt-5.6-luna_maxOpenAI82.1%Max 推理
19muse-wonder-1.0_max—82.1%Max 推理
21claude-opus-4-8_maxAnthropic80.0%Max 推理
22gpt-6-luna_maxOpenAI78.9%Max 推理
23gpt-5.4-2026-03-05_xhighOpenAI78.6%xHigh 推理
24kimi-k3.1-pro-together_maxMoonshot78.2%Max 推理
25claude-haiku-5-5_max—75.1%Max 推理
26qwen3.8-max_xhighAlibaba74.7%xHigh 推理
28muse-spark-1.3_maxMeta74.0%Max 推理
29gpt-5.2-pro-2025-12-11_xhighOpenAI74.0%xHigh 推理
30kimi-k3_maxMoonshot AI72.2%Max 推理
31gemini-3.7-flash_highGoogle71.6%High 推理
评测局限与数据署名

正式计分;同题家族共用固定预算。

数据许可:CC BY 4.0 · Epoch AI 自行评测数据

成绩由 Epoch AI 发布,原始分数与 MarketHOT 共识分使用不同尺度,不能直接相加。