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

Karu News での扱い順位に反映

証拠の予算3.6%

元データの時刻9/30（水） 07:00

直近の同期10/7（水） 08:05

何を、どう測るか

v2 の Tiers 1–3 だけを使います。旧版の問題と Tier 4 は、同じ指標に混ぜません。

正式に採点します。同じ問題ファミリーは固定の予算を共有します。

固定のルールで、公開モデルごとに代表となる構成を 1 つ採用しています。匿名のテスト用モデルは表示せず、元のランキングの順位を保ち、1 項目につき最大 30 件です。

元の順位	元の型番	元の成績	代表の設定
1	gpt-6-astra_maxOpenAI	93.7%	Max 推論
1	gpt-6.1-sol_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	gpt-5.6-terra_maxOpenAI	86.0%	Max 推論
11	claude-opus-5_maxAnthropic	85.6%	Max 推論
12	gpt-5.5_xhighOpenAI	85.3%	xHigh 推論
13	gpt-5.4-pro-2026-03-05_xhighOpenAI	82.5%	xHigh 推論
14	gpt-5.6-luna_maxOpenAI	82.1%	Max 推論
15	claude-opus-4-8_maxAnthropic	80.0%	Max 推論
16	gpt-6-luna_maxOpenAI	78.9%	Max 推論
17	gpt-5.4-2026-03-05_xhighOpenAI	78.6%	xHigh 推論
18	qwen3.8-max_xhighAlibaba	74.7%	xHigh 推論
20	muse-spark-1.3_maxMeta	74.0%	Max 推論
21	gpt-5.2-pro-2025-12-11_xhighOpenAI	74.0%	xHigh 推論
22	kimi-k3_maxMoonshot AI	72.2%	Max 推論
23	gemini-3.7-flash_highGoogle	71.6%	High 推論
24	claude-opus-4-7_maxAnthropic	70.2%	Max 推論
25	glm-5.3_maxZ.ai	68.8%	Max 推論
26	gemini-3.8-flash_highGoogle	68.4%	High 推論
27	gpt-5.2-2025-12-11_xhighOpenAI	67.4%	xHigh 推論
28	grok-4.6_xhighxAI	66.0%	xHigh 推論
28	claude-opus-4-6_maxAnthropic	66.0%	Max 推論
30	claude-sonnet-5_maxAnthropic	65.6%	Max 推論
30	qwen3.8-max-0902_xhighAlibaba	65.6%	xHigh 推論

評価の限界と、データの帰属

正式に採点します。同じ問題ファミリーは固定の予算を共有します。

データのライセンス：CC BY 4.0 · Epoch AI が自ら評価したデータです。

成績は Epoch AI が公表したものです。元のスコアと Karu News の総合スコアは尺度が異なるため、足し合わせられません。