FrontierMath v2 · Tier 4

Name: FrontierMath v2 · Tier 4
Creator: Epoch AI

Epoch AI / 推論 · さらに難しい数学の研究問題

Karu News での扱い順位に反映

証拠の予算1.2%

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

Tier 4 を独立して保存し、Tiers 1–3 と数学の証拠予算を共有します。標本誤差を残します。

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-6.1-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
17	claude-opus-5_maxAnthropic	73.2%	Max 推論
18	gpt-5.5_xhighOpenAI	72.5%	xHigh 推論
19	gpt-5.6-terra_maxOpenAI	70.7%	Max 推論
20	gpt-5.6-luna_maxOpenAI	61.0%	Max 推論
21	gpt-5.4-pro-2026-03-05_xhighOpenAI	58.5%	xHigh 推論
22	claude-opus-4-8_maxAnthropic	56.1%	Max 推論
22	gpt-6-luna_maxOpenAI	56.1%	Max 推論
24	gpt-5.4-2026-03-05_xhighOpenAI	49.0%	xHigh 推論
25	qwen3.8-max_xhighAlibaba	46.3%	xHigh 推論
25	muse-spark-1.3_maxMeta	46.3%	Max 推論
27	gpt-5.2-pro-2025-12-11_xhighOpenAI	46.0%	xHigh 推論
29	kimi-k3_maxMoonshot AI	39.0%	Max 推論
30	gemini-3.7-flash_highGoogle	36.6%	High 推論
31	qwen3.7-maxAlibaba	34.1%	出典のデフォルト構成
31	qwen3.8-max-0902_xhighAlibaba	34.1%	xHigh 推論
33	grok-4.6_xhighxAI	31.7%	xHigh 推論
33	claude-opus-4-7_maxAnthropic	31.7%	Max 推論
35	gpt-5.2-2025-12-11_xhighOpenAI	31.7%	xHigh 推論
36	glm-5.3_maxZ.ai	29.3%	Max 推論
36	claude-sonnet-5_maxAnthropic	29.3%	Max 推論
36	glm-5.2_maxZ.ai	29.3%	Max 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。