FrontierMath v2 · Tier 4

Name: FrontierMath v2 · Tier 4
Creator: Epoch AI

Epoch AI / 推理 · 更高难度的数学研究题

官方评测

在 EVAOO News 中参与排名

证据预算1.6%

上游数据时间11/06 09:14

最近成功同步11/12 08:05

它测什么，怎么测

独立保存 Tier 4，和 Tiers 1–3 共用数学证据预算；保留样本误差。

如何使用这份证据

通过单型号协议核验后，在所属能力领域的题族份额内参与参考排序；同题族的测量不增加题族总份额。实际生效份额见当前计算记录。

评测成绩

按固定规则，每个公开模型采用一套代表配置；没有可采用配置的模型标为未计入并写明原因。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-6.1-sol_maxOpenAI	100.0%	Max 推理
1	claude-fable-5-2_maxAnthropic	100.0%	Max 推理
3	gpt-6-astra_maxOpenAI	97.6%	Max 推理
7	gemini-4-carbon_highGoogle	95.1%	High 推理
8	claude-opus-5-5_maxAnthropic	95.0%	Max 推理
9	gpt-6.1-terra_maxOpenAI	92.7%	Max 推理
10	claude-fable-5_maxAnthropic	90.2%	Max 推理
11	gpt-6-sol_maxOpenAI	90.0%	Max 推理
12	claude-fable-5-1_maxAnthropic	87.8%	Max 推理
14	gpt-5.6-sol_maxOpenAI	82.9%	Max 推理
16	claude-sonnet-5-5_maxAnthropic	80.5%	Max 推理
16	gpt-5.6-sol_promaxOpenAI	80.5%	来源默认配置未计入：来源为专用系统或尚未核实的运行配置，无法归到单个公开模型。
18	gemini-4-argon_highGoogle	78.0%	High 推理
18	gpt-5.5-pro_xhighOpenAI	78.0%	xHigh 推理
20	gdm-ai-co-mathematicianGoogle	75.6%	来源默认配置未计入：来源为专用系统或尚未核实的运行配置，无法归到单个公开模型。
21	claude-opus-5_maxAnthropic	73.2%	Max 推理
22	gpt-5.5_xhighOpenAI	72.5%	xHigh 推理
23	muse-wonder-1.0_maxMeta	70.7%	Max 推理
23	gpt-5.6-terra_maxOpenAI	70.7%	Max 推理
25	kimi-k3.1-pro-together_maxMoonshot AI	65.9%	Max 推理
26	gpt-5.6-luna_maxOpenAI	61.0%	Max 推理
27	gpt-5.4-pro-2026-03-05_xhighOpenAI	58.5%	xHigh 推理
28	gpt-6-luna_maxOpenAI	56.1%	Max 推理
28	claude-opus-4-8_maxAnthropic	56.1%	Max 推理
30	gpt-5.4-2026-03-05_xhighOpenAI	49.0%	xHigh 推理
31	qwen3.8-max_xhighAlibaba	46.3%	xHigh 推理
31	deepseek-v4.1-flash-1017_maxDeepSeek	46.3%	Max 推理
31	claude-haiku-5-5_maxAnthropic	46.3%	Max 推理
31	muse-spark-1.3_maxMeta	46.3%	Max 推理
35	gpt-5.2-pro-2025-12-11_xhighOpenAI	46.0%	xHigh 推理

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，各项原始分数使用不同尺度，不能直接相加；参考位次采用公开的分差标准化规则。