Skip to content
Evaluation sources

FrontierMath v2 · Tiers 1–3

Epoch AI / 推理 · 研究级数学推理

Official evaluation
On HOTAIRanked
Evidence budget3.6%
Upstream data09/30 06:00
Last successful sync10/01 20:05

What and how it measures

只用 v2 的 Tiers 1–3;旧版题目和 Tier 4 不混入同一指标。

How this evidence is used

正式计分;同题家族共用固定预算。

Evaluation results

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。

Source rankSource modelRaw scoreRepresentative configuration
1gpt-6.1-sol_maxOpenAI93.7%Max 推理
1gpt-6-astra_maxOpenAI93.7%Max 推理
3claude-opus-5-5_maxAnthropic91.2%Max 推理
4claude-fable-5-1_maxAnthropic90.2%Max 推理
5gpt-6-sol_maxOpenAI89.8%Max 推理
6gpt-5.6-sol_maxOpenAI89.1%Max 推理
7claude-sonnet-5-5_max—88.8%Max 推理
8gpt-5.5-pro_xhighOpenAI87.7%xHigh 推理
9claude-fable-5_maxAnthropic87.0%Max 推理
10gpt-5.6-terra_maxOpenAI86.0%Max 推理
11claude-opus-5_maxAnthropic85.6%Max 推理
12gpt-5.5_xhighOpenAI85.3%xHigh 推理
13gpt-5.4-pro-2026-03-05_xhighOpenAI82.5%xHigh 推理
14gpt-5.6-luna_maxOpenAI82.1%Max 推理
15claude-opus-4-8_maxAnthropic80.0%Max 推理
16gpt-6-luna_maxOpenAI78.9%Max 推理
17gpt-5.4-2026-03-05_xhighOpenAI78.6%xHigh 推理
18qwen3.8-max_xhighAlibaba74.7%xHigh 推理
20muse-spark-1.3_maxMeta74.0%Max 推理
21gpt-5.2-pro-2025-12-11_xhighOpenAI74.0%xHigh 推理
22kimi-k3_maxMoonshot AI72.2%Max 推理
23gemini-3.7-flash_highGoogle71.6%High 推理
24claude-opus-4-7_maxAnthropic70.2%Max 推理
25glm-5.3_maxZ.ai68.8%Max 推理
26gemini-3.8-flash_highGoogle68.4%High 推理
27gpt-5.2-2025-12-11_xhighOpenAI67.4%xHigh 推理
28grok-4.6_xhighxAI66.0%xHigh 推理
28claude-opus-4-6_maxAnthropic66.0%Max 推理
30qwen3.8-max-0902_xhighAlibaba65.6%xHigh 推理
30claude-sonnet-5_maxAnthropic65.6%Max 推理
Evaluation limits and attribution

正式计分;同题家族共用固定预算。

Data license: CC BY 4.0 · Epoch AI 自行评测数据

成绩由 Epoch AI 发布,原始分数与 HOTAI 共识分使用不同尺度,不能直接相加。