⌘ K
… 读取采集状态 同步中...
雷
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 电商热点雷达 · AI 中参与排名
证据预算1.2%
上游数据时间10/09 03:02
最近成功同步10/13 02:05

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。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_max—100.0%Max 推理
2gpt-6-astra_maxOpenAI97.6%Max 推理
6claude-opus-5-5_maxAnthropic95.0%Max 推理
7claude-fable-5_maxAnthropic90.2%Max 推理
8gpt-6-sol_maxOpenAI90.0%Max 推理
9claude-fable-5-1_maxAnthropic87.8%Max 推理
11gpt-5.6-sol_maxOpenAI82.9%Max 推理
13claude-sonnet-5-5_maxanthropic80.5%Max 推理
15gpt-5.5-pro_xhighOpenAI78.0%xHigh 推理
17claude-opus-5_maxAnthropic73.2%Max 推理
18gpt-5.5_xhighOpenAI72.5%xHigh 推理
19gpt-5.6-terra_maxOpenAI70.7%Max 推理
20gpt-5.6-luna_maxOpenAI61.0%Max 推理
21gpt-5.4-pro-2026-03-05_xhighOpenAI58.5%xHigh 推理
22gpt-6-luna_maxOpenAI56.1%Max 推理
22claude-opus-4-8_maxAnthropic56.1%Max 推理
24gpt-5.4-2026-03-05_xhighOpenAI49.0%xHigh 推理
25claude-haiku-5-5_maxAnthropic46.3%Max 推理
25muse-spark-1.3_maxMeta46.3%Max 推理
25qwen3.8-max_xhighAlibaba46.3%xHigh 推理
28gpt-5.2-pro-2025-12-11_xhighOpenAI46.0%xHigh 推理
30kimi-k3_maxMoonshot AI39.0%Max 推理
31gemini-3.7-flash_highGoogle36.6%High 推理
32qwen3.7-maxAlibaba34.1%来源默认配置
32qwen3.8-max-0902_xhighAlibaba34.1%xHigh 推理
34claude-opus-4-7_maxAnthropic31.7%Max 推理
34grok-4.6_xhighxAI31.7%xHigh 推理
36gpt-5.2-2025-12-11_xhighOpenAI31.7%xHigh 推理
37claude-sonnet-5_maxAnthropic29.3%Max 推理
37glm-5.2_maxZ.ai29.3%Max 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 电商热点雷达 · AI 共识分使用不同尺度，不能直接相加。