FrontierMath v2 · Tiers 1–3

Epoch AI / 推理 · 研究级数学推理

在 MyHOT 中参与排名

证据预算3.6%

上游数据时间09/23 02:27

最近成功同步09/29 23:22

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。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
1	gpt-6-astra_maxOpenAI	93.7%	Max 推理
2	claude-opus-5-5_maxAnthropic	91.2%	Max 推理
3	claude-fable-5-1_maxAnthropic	90.2%	Max 推理
4	gpt-5.6-sol_maxOpenAI	89.1%	Max 推理
5	gpt-5.5-pro_xhighOpenAI	87.7%	xHigh 推理
6	claude-fable-5_maxAnthropic	87.0%	Max 推理
7	gpt-5.6-terra_maxOpenAI	86.0%	Max 推理
8	claude-opus-5_maxAnthropic	85.6%	Max 推理
9	gpt-5.5_xhighOpenAI	85.3%	xHigh 推理
10	gpt-5.4-pro-2026-03-05_xhighOpenAI	82.5%	xHigh 推理
11	gpt-5.6-luna_maxOpenAI	82.1%	Max 推理
12	claude-opus-4-8_maxAnthropic	80.0%	Max 推理
13	gpt-5.4-2026-03-05_xhighOpenAI	78.6%	xHigh 推理
14	qwen3.8-max_xhighAlibaba	74.7%	xHigh 推理
16	muse-spark-1.3_maxMeta	74.0%	Max 推理
17	gpt-5.2-pro-2025-12-11_xhighOpenAI	74.0%	xHigh 推理
18	kimi-k3_maxMoonshot AI	72.2%	Max 推理
19	gemini-3.7-flash_highGoogle	71.6%	High 推理
20	claude-opus-4-7_maxAnthropic	70.2%	Max 推理
21	glm-5.3_maxZ.ai	68.8%	Max 推理
22	gemini-3.8-flash_highGoogle	68.4%	High 推理
23	gpt-5.2-2025-12-11_xhighOpenAI	67.4%	xHigh 推理
24	grok-4.6_xhighxAI	66.0%	xHigh 推理
24	claude-opus-4-6_maxAnthropic	66.0%	Max 推理
26	qwen3.8-max-0902_xhighAlibaba	65.6%	xHigh 推理
26	claude-sonnet-5_maxAnthropic	65.6%	Max 推理
28	deepseek-v4-pro-0813_maxDeepSeek	64.6%	Max 推理
28	qwen3.7-maxAlibaba	64.6%	来源默认配置
30	gemini-3.5-flash_highGoogle	62.8%	High 推理
31	gemini-3.1-pro-previewGoogle	59.6%	来源默认配置

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 MyHOT 共识分使用不同尺度，不能直接相加。