Resultados en tareas
Problemas de matemáticas no publicados (versión antigua, FrontierMath 2025-02)
Versión antigua del nivel (Tiers 1-3) que abarca desde el nivel universitario avanzado hasta la investigación inicial, dentro de los problemas de matemáticas no publicados que crearon y verificaron matemáticos.
Benchmark sucesor: FrontierMath Tiers 1-3 v2
Cómo leer esta tabla
- Cuanto más arriba, mejor valoración; la diferencia entre modelos que aparecen con un intervalo como «1–2» está dentro del margen de error.
- La valoración es la proporción (%) de preguntas comunes que se resolvieron.
- ± es lo que puede variar al volver a medir, así que no hace falta preocuparse por diferencias pequeñas.
- El precio es una referencia por cada millón de tokens: primero lo que se le da a leer y después lo que se le pide escribir.
- La longitud es la cantidad de texto que se le puede dar a leer de una vez (tokens).
Margen de error del 1.º puesto
| Puesto | Modelo | Desarrollador | Tasa de acierto (%) | Fecha de evaluación | Entrada $ /1M | Salida $ /1M | Contexto | Admite | Pesos | Publicación | Precio y características |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 1–5.º | GPT-5.5 Pro | OpenAI | Valoración 91.9 ±10.0 | $30 | $180 | 1.05M | OpenAI Publicación 2026-04 Precio $30 / $180 Longitud 1.05M | ||||
| 1–6.º | GPT-5.5 | OpenAI | Valoración 90.7 ±10.0 | $5 | $30 | 1.05M | OpenAI Publicación 2026-04 Precio $5 / $30 Longitud 1.05M | ||||
| 1–6.º | GPT-5.4 Pro | OpenAI | Valoración 87.7 ±10.0 | $30 | $180 | 1.05M | OpenAI Publicación 2026-03 Precio $30 / $180 Longitud 1.05M | ||||
| 1–8.º | GPT-5.4 | OpenAI | Valoración 83.5 ±10.0 | $2.5 | $15 | 1.05M | OpenAI Publicación 2026-03 Precio $2.5 / $15 Longitud 1.05M | ||||
| 1–8.º | Claude Opus 4.8 | Anthropic | Valoración 82.9 ±10.1 | $5 | $25 | 1M | Anthropic Publicación 2026-05 Precio $5 / $25 Longitud 1M | ||||
| 2–13.º | Claude Opus 4.7 | Anthropic | Valoración 76.8 ±10.0 | $5 | $25 | 1M | Anthropic Publicación 2026-04 Precio $5 / $25 Longitud 1M | ||||
| 4–15.º | Claude Opus 4.6 | Anthropic | Valoración 71.4 ±10.0 | $5 | $25 | 1M | Anthropic Publicación 2026-02 Precio $5 / $25 Longitud 1M | ||||
| 4–15.º | GPT-5.2 | OpenAI | Valoración 71.4 ±10.0 | $1.75 | $14 | 400K | OpenAI Publicación 2025-12 Precio $1.75 / $14 Longitud 400K | ||||
| 6–17.º | Muse Spark | Meta | Valoración 68.4 ±10.0 | — | — | — | Meta Publicación 2026-04 Precio — Longitud — | ||||
| 6–17.º | Gemini 3.5 Flash | Valoración 68.4 ±9.9 | $1.5 | $9 | 1.05M | Google Publicación 2026-05 Precio $1.5 / $9 Longitud 1.05M | |||||
| 6–17.º | Kimi K2.6 | Moonshot | Valoración 68.4 ±9.9 | $0.95 | $4 | 262.1K | Moonshot Publicación 2026-04 Precio $0.95 / $4 Longitud 262.1K | ||||
| 6–18.º | Gemini 3 Pro (preview) | Valoración 66.0 ±9.8 | — | — | 1M | Google Publicación 2025-11 Precio — Longitud 1M | |||||
| 6–18.º | Gemini 3.1 Pro (preview) | Valoración 64.7 ±9.6 | $2 | $12 | 1.05M | Google Publicación 2026-02 Precio $2 / $12 Longitud 1.05M | |||||
| 7–19.º | Gemini 3 Flash (preview) | Valoración 62.5 ±9.7 | $0.5 | $3 | 1M | Google Publicación 2025-12 Precio $0.5 / $3 Longitud 1M | |||||
| 7–23.º | GLM-5.1 | Z.ai | Valoración 58.7 ±9.5 | $1.4 | $4.4 | 200K | Z.ai Publicación 2026-04 Precio $1.4 / $4.4 Longitud 200K | ||||
| 9–24.º | GPT-5 | OpenAI | Valoración 56.9 ±9.5 | $1.25 | $10 | 400K | OpenAI Publicación 2025-08 Precio $1.25 / $10 Longitud 400K | ||||
| 9–24.º | Claude Sonnet 4.6 | Anthropic | Valoración 56.8 ±9.7 | $3 | $15 | 1M | Anthropic Publicación 2026-02 Precio $3 / $15 Longitud 1M | ||||
| 12–26.º | GPT-5.1 | OpenAI | Valoración 54.4 ±9.4 | $1.25 | $10 | 400K | OpenAI Publicación 2025-11 Precio $1.25 / $10 Longitud 400K | ||||
| 14–27.º | Gemini 2.5 Deep Think (web) | Valoración 50.9 ±9.3 | — | — | — | — | Google Publicación 2025-08 Precio — Longitud — | ||||
| 15–27.º | GPT-5.4 mini | OpenAI | Valoración 49.6 ±7.1 | $0.75 | $4.5 | 400K | OpenAI Publicación 2026-03 Precio $0.75 / $4.5 Longitud 400K | ||||
| 15–29.º | Kimi K2.5 | Moonshot | Valoración 48.9 ±8.9 | — | — | 262.1K | Moonshot Publicación 2026-01 Precio — Longitud 262.1K | ||||
| 15–30.º | GPT-5 mini | OpenAI | Valoración 47.8 ±9.0 | $0.25 | $2 | 400K | OpenAI Publicación 2025-08 Precio $0.25 / $2 Longitud 400K | ||||
| 15–31.º | Qwen3.6 Plus | Alibaba | Valoración 46.0 ±8.9 | $0.5 | $3 | 1M | Alibaba Publicación 2026-03 Precio $0.5 / $3 Longitud 1M | ||||
| 16–31.º | GPT-5.4 nano | OpenAI | Valoración 45.4 ±8.9 | $0.2 | $1.25 | 400K | OpenAI Publicación 2026-03 Precio $0.2 / $1.25 Longitud 400K | ||||
| 18–32.º | o4-mini | OpenAI | Valoración 43.6 ±8.7 | $1.1 | $4.4 | 200K | OpenAI Publicación 2025-04 Precio $1.1 / $4.4 Longitud 200K | ||||
| 19–32.º | Qwen3.6 Max (preview) | Alibaba | Valoración 40.5 ±8.5 | $1.3 | $7.8 | 240K | Alibaba Publicación 2026-04 Precio $1.3 / $7.8 Longitud 240K | ||||
| 18–35.º | DeepSeek-V3.2 | DeepSeek | Valoración 38.8 ±14.1 | — | — | 128K | DeepSeek Publicación 2025-12 Precio — Longitud 128K | ||||
| 21–34.º | Kimi K2 (thinking) | Moonshot | Valoración 37.6 ±8.4 | — | — | 262.1K | Moonshot Publicación 2025-11 Precio — Longitud 262.1K | ||||
| 21–34.º | Qwen3.5 Plus | Alibaba | Valoración 36.9 ±8.2 | $0.4 | $2.4 | 1M | Alibaba Publicación 2026-02 Precio $0.4 / $2.4 Longitud 1M | ||||
| 22–34.º | Claude Opus 4.5 | Anthropic | Valoración 36.3 ±8.2 | $5 | $25 | 200K | Anthropic Publicación 2025-11 Precio $5 / $25 Longitud 200K | ||||
| 23–35.º | Grok 4 | xAI | Valoración 34.5 ±8.0 | — | — | 256K | xAI Publicación 2025-07 Precio — Longitud 256K | ||||
| 25–35.º | o3 | OpenAI | Valoración 32.8 ±7.9 | $2 | $8 | 200K | OpenAI Publicación 2025-04 Precio $2 / $8 Longitud 200K | ||||
| 27–36.º | GLM-5 | Z.ai | Valoración 28.8 ±7.5 | $1 | $3.2 | 204.8K | Z.ai Publicación 2026-02 Precio $1 / $3.2 Longitud 204.8K | ||||
| 27–38.º | Claude Sonnet 4.5 | Anthropic | Valoración 26.7 ±7.3 | $3 | $15 | 200K | Anthropic Publicación 2025-09 Precio $3 / $15 Longitud 200K | ||||
| 30–39.º | Gemini 2.5 Pro | Valoración 24.8 ±7.0 | $1.25 | $10 | 1M | Google Publicación 2025-06 Precio $1.25 / $10 Longitud 1M | |||||
| 33–41.º | o3-mini | OpenAI | Valoración 21.8 ±6.7 | $1.1 | $4.4 | 200K | OpenAI Publicación 2025-01 Precio $1.1 / $4.4 Longitud 200K | ||||
| 34–44.º | Gemini 2.5 Pro (preview, 2025-05) | Valoración 18.1 ±6.2 | — | — | 1.05M | Google Publicación 2025-05 Precio — Longitud 1.05M | |||||
| 34–44.º | Qwen3.6 Flash | Alibaba | Valoración 18.1 ±6.2 | $0.25 | $1.5 | 1M | Alibaba Publicación 2026-04 Precio $0.25 / $1.5 Longitud 1M | ||||
| 35–46.º | o1 | OpenAI | Valoración 16.3 ±5.9 | $15 | $60 | 128K | OpenAI Publicación 2024-12 Precio $15 / $60 Longitud 128K | ||||
| 36–49.º | Qwen3 235B A22B (thinking) | Alibaba | Valoración 14.9 ±5.7 | — | — | 262.1K | Alibaba Publicación 2025-07 Precio — Longitud 262.1K | ||||
| 36–49.º | GPT-5 nano | OpenAI | Valoración 14.5 ±5.6 | $0.05 | $0.4 | 400K | OpenAI Publicación 2025-08 Precio $0.05 / $0.4 Longitud 400K | ||||
| 37–53.º | Claude Opus 4.1 | Anthropic | Valoración 12.7 ±5.2 | — | — | 200K | Anthropic Publicación 2025-08 Precio — Longitud 200K | ||||
| 37–53.º | Qwen3.5 Flash | Alibaba | Valoración 10.9 ±4.9 | $0.1 | $0.4 | 1M | Alibaba Publicación 2026-02 Precio $0.1 / $0.4 Longitud 1M | ||||
| 37–53.º | Claude Haiku 4.5 | Anthropic | Valoración 10.4 ±4.8 | $1 | $5 | 200K | Anthropic Publicación 2025-10 Precio $1 / $5 Longitud 200K | ||||
| 39–53.º | Grok 3 Mini (beta) | xAI | Valoración 10.3 ±4.8 | — | — | — | xAI Publicación 2025-04 Precio — Longitud — | ||||
| 39–54.º | GPT-4.1 | OpenAI | Valoración 9.7 ±4.6 | $2 | $8 | 1.05M | OpenAI Publicación 2025-04 Precio $2 / $8 Longitud 1.05M | ||||
| 40–55.º | Gemini 2.5 Flash | Valoración 8.5 ±4.3 | $0.3 | $2.5 | 1M | Google Publicación 2025-06 Precio $0.3 / $2.5 Longitud 1M | |||||
| 40–59.º | Claude Opus 4 | Anthropic | Valoración 7.9 ±4.2 | — | — | 200K | Anthropic Publicación 2025-05 Precio — Longitud 200K | ||||
| 40–59.º | GPT-4.1 mini | OpenAI | Valoración 7.9 ±4.2 | — | — | 1.05M | OpenAI Publicación 2025-04 Precio — Longitud 1.05M | ||||
| 42–59.º | Claude 3.7 Sonnet | Anthropic | Valoración 7.3 ±4.0 | — | — | 200K | Anthropic Publicación 2025-02 Precio — Longitud 200K | ||||
| 42–59.º | Claude Sonnet 4 | Anthropic | Valoración 7.3 ±4.0 | — | — | 200K | Anthropic Publicación 2025-05 Precio — Longitud 200K | ||||
| 42–59.º | GLM-4.6 | Z.ai | Valoración 6.7 ±3.9 | $0.6 | $2.2 | 204.8K | Z.ai Publicación 2025-09 Precio $0.6 / $2.2 Longitud 204.8K | ||||
| 42–59.º | Grok 3 (beta) | xAI | Valoración 6.7 ±3.9 | — | — | — | xAI Publicación 2025-04 Precio — Longitud — | ||||
| 46–64.º | GLM-4.7 | Z.ai | Valoración 4.3 ±3.1 | $0.6 | $2.2 | 204.8K | Z.ai Publicación 2025-12 Precio $0.6 / $2.2 Longitud 204.8K | ||||
| 47–69.º | Claude 3.5 Sonnet (2024-10) | Anthropic | Valoración 3.6 ±2.9 | — | — | 200K | Anthropic Publicación 2024-10 Precio — Longitud 200K | ||||
| 48–69.º | DeepSeek-V3 | DeepSeek | Valoración 3.0 ±2.6 | — | — | 128K | DeepSeek Publicación 2024-12 Precio — Longitud 128K | ||||
| 48–69.º | Gemini 2.0 Flash | Valoración 3.0 ±2.6 | — | — | — | Google Publicación 2025-02 Precio — Longitud — | |||||
| 48–69.º | o1-mini | OpenAI | Valoración 3.0 ±2.6 | — | — | 128K | OpenAI Publicación 2024-09 Precio — Longitud 128K | ||||
| 48–69.º | Qwen Plus (2025-04) | Alibaba | Valoración 3.0 ±2.6 | — | — | — | Alibaba Publicación 2025-04 Precio — Longitud — | ||||
| 54–71.º | Claude 3.5 Sonnet (2024-06) | Anthropic | Valoración 1.8 ±2.0 | — | — | 200K | Anthropic Publicación 2024-06 Precio — Longitud 200K | ||||
| 54–71.º | GPT-4.1 nano | OpenAI | Valoración 1.8 ±2.0 | $0.1 | $0.4 | 1.05M | OpenAI Publicación 2025-04 Precio $0.1 / $0.4 Longitud 1.05M | ||||
| 54–71.º | Qwen Max | Alibaba | Valoración 1.8 ±2.0 | — | — | 128K | Alibaba Publicación 2025-01 Precio — Longitud 128K | ||||
| 54–71.º | Grok 2 (2024-12) | xAI | Valoración 1.2 ±1.7 | — | — | — | xAI Publicación 2024-12 Precio — Longitud — | ||||
| 54–71.º | Llama 4 Maverick (FP8) | Meta | Valoración 1.2 ±1.7 | — | — | 1.05M | Meta Publicación 2025-04 Precio — Longitud 1.05M | ||||
| 55–71.º | Mistral Medium 3 | Mistral | Valoración 0.6 ±1.2 | $0.4 | $2 | 128K | Mistral Publicación 2025-05 Precio $0.4 / $2 Longitud 128K | ||||
| 55–71.º | Claude 3.5 Haiku | Anthropic | Valoración 0.6 ±1.2 | — | — | 200K | Anthropic Publicación 2024-10 Precio — Longitud 200K | ||||
| 55–71.º | GPT-4o (2024-08) | OpenAI | Valoración 0.6 ±1.2 | $2.5 | $10 | 128K | OpenAI Publicación 2024-08 Precio $2.5 / $10 Longitud 128K | ||||
| 55–71.º | GPT-4o (2024-11) | OpenAI | Valoración 0.6 ±1.2 | $2.5 | $10 | 128K | OpenAI Publicación 2024-11 Precio $2.5 / $10 Longitud 128K | ||||
| 55–71.º | Mistral Large (2024-11) | Mistral | Valoración 0.6 ±1.2 | — | — | 128K | Mistral Publicación 2024-11 Precio — Longitud 128K | ||||
| 60–71.º | Gemini 1.5 Flash 002 | Valoración 0.0 ±0.0 | — | — | — | Google Publicación 2024-09 Precio — Longitud — | |||||
| 60–71.º | Llama 4 Scout | Meta | Valoración 0.0 ±0.0 | — | — | 128K | Meta Publicación 2025-04 Precio — Longitud 128K |
Evolución de la máxima tasa de acierto
2024-06-20Publicación2026-05-28
Cómo leer esta página
- Su sucesora es Tiers 1-3 v2, que corrigió los problemas con errores. El valor es la tasa de acierto.
- Los iconos de la columna Admite son, de izquierda a derecha: puede usar herramientas / puede leer imágenes / puede responder con un formato fijo (JSON) (una marca tenue significa que no lo admite o que se desconoce).
- Un modelo de pesos abiertos es aquel cuyo contenido (los pesos) se ha publicado y que también puedes ejecutar en tu propio ordenador o servidor. Los modelos sin la marca de pesos abiertos se usan normalmente a través del servicio del desarrollador (aplicación o API) (algunos modelos no tienen información sobre sus pesos).
- ChatGPT y los demás nombres junto al nombre del modelo son los servicios que ese desarrollador ofrece al público. Comprueba en el propio servicio si ese modelo se puede elegir allí.
Datos: Arena / Epoch AI / Swallow LLM team (CC BY 4.0) / Models.dev (MIT), actualizado el 2026-10-24, Fuentes de datos