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

AIサイシンでの扱いランキング採用

配分3.6%

元データの日時10/20 07:39

最終同期10/24 02:22

何を、どう測るか

v2 の Tiers 1〜3 のみを使う。旧版の問題と Tier 4 は同じ指標に混ぜない。

正式に採点する。同じ問題ファミリーは固定予算を共有する。

一定のルールに従い、公開モデルごとに代表的な構成を一つ採用する。匿名のテスト版モデルは表示せず、元の順位をそのまま残す。各項目最大 30 件。

元の順位	モデル名	元スコア	代表構成
1	gpt-6.1-sol_maxOpenAI	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	gemini-4-argon_highGoogle	86.0%	High 推論
10	gpt-5.6-terra_maxOpenAI	86.0%	Max 推論
12	claude-opus-5_maxAnthropic	85.6%	Max 推論
13	gpt-5.5_xhighOpenAI	85.3%	xHigh 推論
14	gpt-5.4-pro-2026-03-05_xhighOpenAI	82.5%	xHigh 推論
15	gpt-5.6-luna_maxOpenAI	82.1%	Max 推論
15	muse-wonder-1.0_max—	82.1%	Max 推論
17	claude-opus-4-8_maxAnthropic	80.0%	Max 推論
18	gpt-6-luna_maxOpenAI	78.9%	Max 推論
19	gpt-5.4-2026-03-05_xhighOpenAI	78.6%	xHigh 推論
20	claude-haiku-5-5_maxAnthropic	75.1%	Max 推論
21	qwen3.8-max_xhighAlibaba	74.7%	xHigh 推論
23	muse-spark-1.3_maxMeta	74.0%	Max 推論
24	gpt-5.2-pro-2025-12-11_xhighOpenAI	74.0%	xHigh 推論
25	kimi-k3_maxMoonshot AI	72.2%	Max 推論
26	gemini-3.7-flash_highGoogle	71.6%	High 推論
27	deepseek-v4.1-flash-1017_maxDeepSeek	71.2%	Max 推論
28	claude-opus-4-7_maxAnthropic	70.2%	Max 推論
29	Muse-Spark-Open-816B-A42B_xhighMeta AI	69.8%	xHigh 推論
30	glm-5.3_maxZ.ai	68.8%	Max 推論
31	gemini-3.8-flash_highGoogle	68.4%	High 推論

評価の限界とデータの出典

正式に採点する。同じ問題ファミリーは固定予算を共有する。

データライセンス：CC BY 4.0 · Epoch AI が独自に実施した評価データ

成績は Epoch AI が公表したもの。元のスコアと AIサイシンのコンセンサス指数は尺度が異なり、そのまま比較・合算はできない。