FrontierMath v2 · Tier 4

Name: FrontierMath v2 · Tier 4
Creator: Epoch AI

Epoch AI / 推論 · さらに難しい数学研究の問題

AIサイシンでの扱いランキング採用

配分1.2%

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

Tier 4 を独立して保存し、Tiers 1〜3 と数学の証拠予算を共有する。サンプル誤差は残す。

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	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
15	gemini-4-argon_highGoogle	78.0%	High 推論
18	claude-opus-5_maxAnthropic	73.2%	Max 推論
19	gpt-5.5_xhighOpenAI	72.5%	xHigh 推論
20	gpt-5.6-terra_maxOpenAI	70.7%	Max 推論
20	muse-wonder-1.0_max—	70.7%	Max 推論
22	gpt-5.6-luna_maxOpenAI	61.0%	Max 推論
23	gpt-5.4-pro-2026-03-05_xhighOpenAI	58.5%	xHigh 推論
24	gpt-6-luna_maxOpenAI	56.1%	Max 推論
24	claude-opus-4-8_maxAnthropic	56.1%	Max 推論
26	gpt-5.4-2026-03-05_xhighOpenAI	49.0%	xHigh 推論
27	claude-haiku-5-5_maxAnthropic	46.3%	Max 推論
27	muse-spark-1.3_maxMeta	46.3%	Max 推論
27	qwen3.8-max_xhighAlibaba	46.3%	xHigh 推論
27	deepseek-v4.1-flash-1017_maxDeepSeek	46.3%	Max 推論
31	gpt-5.2-pro-2025-12-11_xhighOpenAI	46.0%	xHigh 推論
33	kimi-k3_maxMoonshot AI	39.0%	Max 推論
34	gemini-3.7-flash_highGoogle	36.6%	High 推論
35	qwen3.8-max-0902_xhighAlibaba	34.1%	xHigh 推論
35	qwen3.7-maxAlibaba	34.1%	ソース既定の構成
37	grok-4.6_xhighxAI	31.7%	xHigh 推論
37	claude-opus-4-7_maxAnthropic	31.7%	Max 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。