Resultados en tareas
Problemas de matemáticas de nivel de investigación (versión antigua, FrontierMath Tier 4 2025-07)
Versión antigua de Tier 4, la parte de FrontierMath que reúne problemas de nivel de investigación más difíciles que el nivel básico (Tiers 1-3).
Benchmark sucesor: FrontierMath Tier 4 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 1–6.º | AI co-mathematician | Valoración 79.8 ±23.5 | — | — | — | Google Publicación 2026-05 Precio — Longitud — | |||||
| 1–9.º | GPT-5.5 Pro | OpenAI | Valoración 66.0 ±23.2 | $30 | $180 | 1.05M | OpenAI Publicación 2026-04 Precio $30 / $180 Longitud 1.05M | ||||
| 1–9.º | GPT-5.4 Pro (web) | OpenAI | Valoración 62.5 ±22.9 | — | — | — | OpenAI Publicación 2026-03 Precio — Longitud — | ||||
| 1–11.º | GPT-5.5 | OpenAI | Valoración 59.0 ±22.5 | $5 | $30 | 1.05M | OpenAI Publicación 2026-04 Precio $5 / $30 Longitud 1.05M | ||||
| 1–12.º | GPT-5.2 Pro (web) | OpenAI | Valoración 52.2 ±21.9 | — | — | — | OpenAI Publicación 2025-12 Precio — Longitud — | ||||
| 1–12.º | Claude Opus 4.8 | Anthropic | Valoración 52.1 ±22.1 | $5 | $25 | 1M | Anthropic Publicación 2026-05 Precio $5 / $25 Longitud 1M | ||||
| 2–19.º | GPT-5.4 | OpenAI | Valoración 45.2 ±20.9 | $2.5 | $15 | 1.05M | OpenAI Publicación 2026-03 Precio $2.5 / $15 Longitud 1.05M | ||||
| 2–20.º | Claude Opus 4.7 | Anthropic | Valoración 38.2 ±20.0 | $5 | $25 | 1M | Anthropic Publicación 2026-04 Precio $5 / $25 Longitud 1M | ||||
| 2–20.º | Claude Opus 4.6 | Anthropic | Valoración 38.2 ±19.9 | $5 | $25 | 1M | Anthropic Publicación 2026-02 Precio $5 / $25 Longitud 1M | ||||
| 4–25.º | GPT-5.2 | OpenAI | Valoración 31.3 ±18.3 | $1.75 | $14 | 400K | OpenAI Publicación 2025-12 Precio $1.75 / $14 Longitud 400K | ||||
| 4–25.º | Gemini 3 Pro (preview) | Valoración 31.3 ±18.6 | — | — | 1M | Google Publicación 2025-11 Precio — Longitud 1M | |||||
| 5–25.º | Gemini 3.1 Pro (preview) | Valoración 27.8 ±17.6 | $2 | $12 | 1.05M | Google Publicación 2026-02 Precio $2 / $12 Longitud 1.05M | |||||
| 7–35.º | GPT-5 Pro | OpenAI | Valoración 24.3 ±16.7 | $15 | $120 | 400K | OpenAI Publicación 2025-10 Precio $15 / $120 Longitud 400K | ||||
| 7–35.º | Muse Spark | Meta | Valoración 24.3 ±16.7 | — | — | — | Meta Publicación 2026-04 Precio — Longitud — | ||||
| 7–35.º | Gemini 3.5 Flash | Valoración 24.3 ±16.8 | $1.5 | $9 | 1.05M | Google Publicación 2026-05 Precio $1.5 / $9 Longitud 1.05M | |||||
| 7–35.º | Kimi K2.6 | Moonshot | Valoración 24.3 ±16.8 | $0.95 | $4 | 262.1K | Moonshot Publicación 2026-04 Precio $0.95 / $4 Longitud 262.1K | ||||
| 7–35.º | GLM-5.1 | Z.ai | Valoración 20.8 ±15.8 | $1.4 | $4.4 | 200K | Z.ai Publicación 2026-04 Precio $1.4 / $4.4 Longitud 200K | ||||
| 7–35.º | GPT-5.1 | OpenAI | Valoración 20.8 ±15.8 | $1.25 | $10 | 400K | OpenAI Publicación 2025-11 Precio $1.25 / $10 Longitud 400K | ||||
| 7–35.º | GPT-5 | OpenAI | Valoración 20.8 ±15.8 | $1.25 | $10 | 400K | OpenAI Publicación 2025-08 Precio $1.25 / $10 Longitud 400K | ||||
| 8–46.º | Gemini 2.5 Deep Think (web) | Valoración 17.3 ±14.4 | — | — | — | — | Google Publicación 2025-08 Precio — Longitud — | ||||
| 10–46.º | Qwen3.6 Plus | Alibaba | Valoración 13.9 ±13.2 | $0.5 | $3 | 1M | Alibaba Publicación 2026-03 Precio $0.5 / $3 Longitud 1M | ||||
| 10–46.º | Claude Sonnet 4.6 | Anthropic | Valoración 13.8 ±13.1 | $3 | $15 | 1M | Anthropic Publicación 2026-02 Precio $3 / $15 Longitud 1M | ||||
| 10–56.º | GPT-5.4 nano | OpenAI | Valoración 10.4 ±11.5 | $0.2 | $1.25 | 400K | OpenAI Publicación 2026-03 Precio $0.2 / $1.25 Longitud 400K | ||||
| 10–56.º | GPT-5 mini | OpenAI | Valoración 10.4 ±11.5 | $0.25 | $2 | 400K | OpenAI Publicación 2025-08 Precio $0.25 / $2 Longitud 400K | ||||
| 10–56.º | o4-mini | OpenAI | Valoración 10.4 ±11.5 | $1.1 | $4.4 | 200K | OpenAI Publicación 2025-04 Precio $1.1 / $4.4 Longitud 200K | ||||
| 13–56.º | Kimi K2.5 | Moonshot | Valoración 7.0 ±9.5 | — | — | 262.1K | Moonshot Publicación 2026-01 Precio — Longitud 262.1K | ||||
| 13–56.º | Claude Opus 4.1 | Anthropic | Valoración 6.9 ±9.5 | — | — | 200K | Anthropic Publicación 2025-08 Precio — Longitud 200K | ||||
| 13–56.º | Claude Opus 4 | Anthropic | Valoración 6.9 ±9.5 | — | — | 200K | Anthropic Publicación 2025-05 Precio — Longitud 200K | ||||
| 13–56.º | Claude Opus 4.5 | Anthropic | Valoración 6.9 ±9.5 | $5 | $25 | 200K | Anthropic Publicación 2025-11 Precio $5 / $25 Longitud 200K | ||||
| 13–56.º | Claude Sonnet 4.5 | Anthropic | Valoración 6.9 ±9.5 | $3 | $15 | 200K | Anthropic Publicación 2025-09 Precio $3 / $15 Longitud 200K | ||||
| 13–56.º | Gemini 2.5 Flash | Valoración 6.9 ±9.5 | $0.3 | $2.5 | 1M | Google Publicación 2025-06 Precio $0.3 / $2.5 Longitud 1M | |||||
| 13–56.º | Gemini 2.5 Pro | Valoración 6.9 ±9.5 | $1.25 | $10 | 1M | Google Publicación 2025-06 Precio $1.25 / $10 Longitud 1M | |||||
| 13–56.º | Gemini 3 Flash (preview) | Valoración 6.9 ±9.5 | $0.5 | $3 | 1M | Google Publicación 2025-12 Precio $0.5 / $3 Longitud 1M | |||||
| 13–56.º | o3-mini | OpenAI | Valoración 6.9 ±9.5 | $1.1 | $4.4 | 200K | OpenAI Publicación 2025-01 Precio $1.1 / $4.4 Longitud 200K | ||||
| 13–56.º | Qwen3.6 Max (preview) | Alibaba | Valoración 6.9 ±9.5 | $1.3 | $7.8 | 240K | Alibaba Publicación 2026-04 Precio $1.3 / $7.8 Longitud 240K | ||||
| 20–56.º | GLM-4.6 | Z.ai | Valoración 3.5 ±7.0 | $0.6 | $2.2 | 204.8K | Z.ai Publicación 2025-09 Precio $0.6 / $2.2 Longitud 204.8K | ||||
| 20–56.º | DeepSeek-V3.2 | DeepSeek | Valoración 3.5 ±6.9 | — | — | 128K | DeepSeek Publicación 2025-12 Precio — Longitud 128K | ||||
| 20–56.º | GLM-5 | Z.ai | Valoración 3.5 ±6.9 | $1 | $3.2 | 204.8K | Z.ai Publicación 2026-02 Precio $1 / $3.2 Longitud 204.8K | ||||
| 20–56.º | Claude Haiku 4.5 | Anthropic | Valoración 3.5 ±6.8 | $1 | $5 | 200K | Anthropic Publicación 2025-10 Precio $1 / $5 Longitud 200K | ||||
| 20–56.º | Gemini 2.5 Pro (preview, 2025-05) | Valoración 3.5 ±6.8 | — | — | 1.05M | Google Publicación 2025-05 Precio — Longitud 1.05M | |||||
| 20–56.º | GPT-5 nano | OpenAI | Valoración 3.5 ±6.8 | $0.05 | $0.4 | 400K | OpenAI Publicación 2025-08 Precio $0.05 / $0.4 Longitud 400K | ||||
| 20–56.º | Grok 4 | xAI | Valoración 3.5 ±6.8 | — | — | 256K | xAI Publicación 2025-07 Precio — Longitud 256K | ||||
| 20–56.º | o3 | OpenAI | Valoración 3.5 ±6.8 | $2 | $8 | 200K | OpenAI Publicación 2025-04 Precio $2 / $8 Longitud 200K | ||||
| 20–56.º | Qwen3.5 Plus | Alibaba | Valoración 3.5 ±6.8 | $0.4 | $2.4 | 1M | Alibaba Publicación 2026-02 Precio $0.4 / $2.4 Longitud 1M | ||||
| 20–56.º | GPT-5.4 mini | OpenAI | Valoración 3.5 ±6.8 | $0.75 | $4.5 | 400K | OpenAI Publicación 2026-03 Precio $0.75 / $4.5 Longitud 400K | ||||
| 20–56.º | Grok 4 Heavy (web) | xAI | Valoración 3.5 ±6.9 | — | — | — | xAI Publicación 2025-07 Precio — Longitud — | ||||
| 23–56.º | Claude 3.5 Sonnet (2024-06) | Anthropic | Valoración 0.0 ±0.0 | — | — | 200K | Anthropic Publicación 2024-06 Precio — Longitud 200K | ||||
| 23–56.º | Claude 3.5 Sonnet (2024-10) | Anthropic | Valoración 0.0 ±0.0 | — | — | 200K | Anthropic Publicación 2024-10 Precio — Longitud 200K | ||||
| 23–56.º | Claude Sonnet 4 | Anthropic | Valoración 0.0 ±0.0 | — | — | 200K | Anthropic Publicación 2025-05 Precio — Longitud 200K | ||||
| 23–56.º | GPT-4.1 | OpenAI | Valoración 0.0 ±0.0 | $2 | $8 | 1.05M | OpenAI Publicación 2025-04 Precio $2 / $8 Longitud 1.05M | ||||
| 23–56.º | Grok 3 (beta) | xAI | Valoración 0.0 ±0.0 | — | — | — | xAI Publicación 2025-04 Precio — Longitud — | ||||
| 23–56.º | Kimi K2 (thinking) | Moonshot | Valoración 0.0 ±0.0 | — | — | 262.1K | Moonshot Publicación 2025-11 Precio — Longitud 262.1K | ||||
| 23–56.º | Qwen3 235B A22B (thinking) | Alibaba | Valoración 0.0 ±0.0 | — | — | 262.1K | Alibaba Publicación 2025-07 Precio — Longitud 262.1K | ||||
| 23–56.º | Qwen3.5 Flash | Alibaba | Valoración 0.0 ±0.0 | $0.1 | $0.4 | 1M | Alibaba Publicación 2026-02 Precio $0.1 / $0.4 Longitud 1M | ||||
| 23–56.º | Qwen3.6 Flash | Alibaba | Valoración 0.0 ±0.0 | $0.25 | $1.5 | 1M | Alibaba Publicación 2026-04 Precio $0.25 / $1.5 Longitud 1M | ||||
| 23–56.º | GLM-4.7 | Z.ai | Valoración 0.0 ±0.0 | $0.6 | $2.2 | 204.8K | Z.ai Publicación 2025-12 Precio $0.6 / $2.2 Longitud 204.8K |
Evolución de la máxima tasa de acierto
2024-06-20Publicación2026-05-28
Cómo leer esta página
- Su sucesora es Tier 4 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