跳到正文
MarketHOT
English
评测来源

FrontierMath v2 · Tier 4

Epoch AI / 推理 · 更高难度的数学研究题

官方评测
在 MarketHOT 中参与排名
证据预算1.2%
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

独立保存 Tier 4,和 Tiers 1–3 共用数学证据预算;保留样本误差。

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
1gpt-6.1-sol_maxopenai100.0%Max 推理
1gpt-6.2-astra_maxOpenAI100.0%Max 推理
1claude-fable-5-2_maxAnthropic100.0%Max 推理
4gpt-6-astra_maxOpenAI97.6%Max 推理
8gemini-4-carbon_highgoogle95.1%High 推理
9claude-opus-5-5_maxAnthropic95.0%Max 推理
10gpt-6.1-terra_maxOpenAI92.7%Max 推理
11claude-fable-5_maxAnthropic90.2%Max 推理
12gpt-6-sol_maxOpenAI90.0%Max 推理
13claude-fable-5-1_maxAnthropic87.8%Max 推理
15gpt-5.6-sol_maxOpenAI82.9%Max 推理
17claude-sonnet-5-5_maxanthropic80.5%Max 推理
17gpt-5.6-sol_promaxOpenAI80.5%来源默认配置未计入:来源为专用系统或尚未核实的运行配置,无法归到单个公开模型。
19gpt-5.5-pro_xhighOpenAI78.0%xHigh 推理
19gemini-4-argon_highgoogle78.0%High 推理
21gdm-ai-co-mathematicianGoogle75.6%来源默认配置未计入:来源为专用系统或尚未核实的运行配置,无法归到单个公开模型。
22claude-opus-5_maxAnthropic73.2%Max 推理
23gpt-5.5_xhighOpenAI72.5%xHigh 推理
24muse-wonder-1.0_max—70.7%Max 推理
24gpt-5.6-terra_maxOpenAI70.7%Max 推理
26kimi-k3.1-pro-together_maxMoonshot65.9%Max 推理
27gpt-5.6-luna_maxOpenAI61.0%Max 推理
28gpt-5.4-pro-2026-03-05_xhighOpenAI58.5%xHigh 推理
29gpt-6-luna_maxOpenAI56.1%Max 推理
29claude-opus-4-8_maxAnthropic56.1%Max 推理
31gpt-5.4-2026-03-05_xhighOpenAI49.0%xHigh 推理
32deepseek-v4.1-flash-1017_maxdeepseek46.3%Max 推理
32claude-haiku-5-5_max—46.3%Max 推理
32muse-spark-1.3_maxMeta46.3%Max 推理
32qwen3.8-max_xhighAlibaba46.3%xHigh 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。