Saltar al contenido principal
Bench

Idioma

English日本語中文Español

Información del sitio

Resultados en tareas

Problemas de matemáticas de nivel de investigación (FrontierMath Tier 4 v2)

Nivel ampliado de FrontierMath que reúne problemas de nivel de investigación más difíciles que el nivel básico (Tiers 1-⁠3).

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.
  • Una diferencia de 3 equivale a 3 preguntas de cada 100, y ± es lo que puede variar al volver a medir.
  • 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).
PuestoModeloDesarrolladorTasa de acierto
(%)Escala de Tasa de acierto: 0–100		Fecha de evaluaciónEntrada $
/1M		Salida $
/1M		ContextoAdmitePesosPublicaciónPrecio y características
1–4.ºGPT-6.1 SolOpenAIValoración 100.0 ±0.0$2$101.05MOpenAI Publicación 2026-⁠09 Precio $2 / $10 Longitud 1.05M
1–6.ºGPT-6 AstraOpenAIValoración 97.6 ±4.7$10$501.05MOpenAI Publicación 2026-⁠09 Precio $10 / $50 Longitud 1.05M
1–9.ºClaude Opus 5.5AnthropicValoración 95.0 ±8.1$4$201MAnthropic Publicación 2026-⁠09 Precio $4 / $20 Longitud 1M
2–12.ºClaude Fable 5AnthropicValoración 90.2 ±9.0$10$501MAnthropic Publicación 2026-⁠06 Precio $10 / $50 Longitud 1M
1–13.ºGPT-6 SolOpenAIValoración 90.0 ±10.1$2$101.05MOpenAI Publicación 2026-⁠09 Precio $2 / $10 Longitud 1.05M
2–16.ºClaude Fable 5.1AnthropicValoración 87.8 ±10.1$10$501MAnthropic Publicación 2026-⁠09 Precio $10 / $50 Longitud 1M
3–16.ºGPT-5.6 SolOpenAIValoración 82.9 ±11.7$4$201.05MOpenAI Publicación 2026-⁠07 Precio $4 / $20 Longitud 1.05M
3–16.ºClaude Sonnet 5.5AnthropicValoración 80.5 ±12.3$2$101MAnthropic Publicación 2026-⁠09 Precio $2 / $10 Longitud 1M
3–16.ºGPT-5.6 Sol ProOpenAIValoración 80.5 ±12.3———OpenAI Publicación 2026-⁠07 Precio — Longitud —
4–18.ºGemini 4 ArgonGoogleValoración 78.0 ±12.8$2$101.05MGoogle Publicación 2026-⁠09 Precio $2 / $10 Longitud 1.05M
4–18.ºGPT-5.5 ProOpenAIValoración 78.0 ±12.8$30$1801.05MOpenAI Publicación 2026-⁠04 Precio $30 / $180 Longitud 1.05M
4–20.ºAI co-mathematicianGoogleValoración 75.6 ±13.1———Google Publicación 2026-⁠05 Precio — Longitud —
5–20.ºClaude Opus 5AnthropicValoración 73.2 ±13.7$5$251MAnthropic Publicación 2026-⁠07 Precio $5 / $25 Longitud 1M
6–20.ºGPT-5.5OpenAIValoración 72.5 ±14.0$5$301.05MOpenAI Publicación 2026-⁠04 Precio $5 / $30 Longitud 1.05M
6–20.ºGPT-5.6 TerraOpenAIValoración 70.7 ±14.1$2$121.05MOpenAI Publicación 2026-⁠07 Precio $2 / $12 Longitud 1.05M
6–20.ºMuse WonderMetaValoración 70.7 ±14.1$4$201.05MMeta Publicación 2026-⁠10 Precio $4 / $20 Longitud 1.05M
10–26.ºGPT-5.6 LunaOpenAIValoración 61.0 ±15.1$0.2$1.21.05MOpenAI Publicación 2026-⁠07 Precio $0.2 / $1.2 Longitud 1.05M
10–27.ºGPT-5.4 ProOpenAIValoración 58.5 ±15.3$30$1801.05MOpenAI Publicación 2026-⁠03 Precio $30 / $180 Longitud 1.05M
12–28.ºClaude Opus 4.8AnthropicValoración 56.1 ±15.4$5$251MAnthropic Publicación 2026-⁠05 Precio $5 / $25 Longitud 1M
12–28.ºGPT-6 LunaOpenAIValoración 56.1 ±15.4$0.1$0.51.05MOpenAI Publicación 2026-⁠09 Precio $0.1 / $0.5 Longitud 1.05M
17–37.ºGPT-5.4OpenAIValoración 49.0 ±15.7$2.5$151.05MOpenAI Publicación 2026-⁠03 Precio $2.5 / $15 Longitud 1.05M
17–44.ºClaude Haiku 5.5AnthropicValoración 46.3 ±15.5$0.1$0.51MAnthropic Publicación 2026-⁠10 Precio $0.1 / $0.5 Longitud 1M
17–44.ºDeepSeek-V4.1 Flash (2026-⁠10)⁠DeepSeekValoración 46.3 ±15.5$0.15$0.61MDeepSeek Publicación 2026-⁠10 Precio $0.15 / $0.6 Longitud 1M
17–44.ºMuse Spark 1.3MetaValoración 46.3 ±15.5$1.25$4.251.05MMeta Publicación 2026-⁠09 Precio $1.25 / $4.25 Longitud 1.05M
17–44.ºQwen3.8 MaxAlibabaValoración 46.3 ±15.5$2$61MAlibaba Publicación 2026-⁠08 Precio $2 / $6 Longitud 1M
17–44.ºGPT-5.2 ProOpenAIValoración 46.0 ±15.3$21$168400KOpenAI Publicación 2025-⁠12 Precio $21 / $168 Longitud 400K
18–49.ºKimi K3⁠MoonshotValoración 39.0 ±15.1$3$151.05MMoonshot Publicación 2026-⁠07 Precio $3 / $15 Longitud 1.05M
19–50.ºGemini 3.7 FlashGoogleValoración 36.6 ±14.9$0.75$3.751.05MGoogle Publicación 2026-⁠08 Precio $0.75 / $3.75 Longitud 1.05M
21–55.ºQwen3.7 MaxAlibabaValoración 34.1 ±14.7$2.5$7.51MAlibaba Publicación 2026-⁠05 Precio $2.5 / $7.5 Longitud 1M
21–55.ºQwen3.8 Max (2026-⁠09)AlibabaValoración 34.1 ±14.7——1MAlibaba Publicación 2026-⁠09 Precio — Longitud 1M
21–56.ºClaude Opus 4.7AnthropicValoración 31.7 ±14.4$5$251MAnthropic Publicación 2026-⁠04 Precio $5 / $25 Longitud 1M
21–56.ºGrok 4.6xAIValoración 31.7 ±14.4$2$6500KxAI Publicación 2026-⁠08 Precio $2 / $6 Longitud 500K
21–56.ºMuse Spark Open⁠MetaValoración 31.7 ±14.4——1.04MMeta Publicación 2026-⁠10 Precio — Longitud 1.04M
21–56.ºGPT-5.2OpenAIValoración 31.7 ±14.3$1.75$14400KOpenAI Publicación 2025-⁠12 Precio $1.75 / $14 Longitud 400K
21–59.ºClaude Sonnet 5AnthropicValoración 29.3 ±14.1$2$101MAnthropic Publicación 2026-⁠06 Precio $2 / $10 Longitud 1M
21–59.ºGLM-5.2⁠Z.aiValoración 29.3 ±14.1$1.4$4.41MZ.ai Publicación 2026-⁠06 Precio $1.4 / $4.4 Longitud 1M
21–59.ºGLM-5.3⁠Z.aiValoración 29.3 ±14.1$1.4$4.41MZ.ai Publicación 2026-⁠08 Precio $1.4 / $4.4 Longitud 1M
22–59.ºClaude Opus 4.6AnthropicValoración 26.8 ±13.7$5$251MAnthropic Publicación 2026-⁠02 Precio $5 / $25 Longitud 1M
22–59.ºDeepSeek-V4.1 Flash⁠DeepSeekValoración 26.8 ±13.7——1MDeepSeek Publicación 2026-⁠09 Precio — Longitud 1M
22–59.ºDeepSeek-V4 Pro (2026-⁠08)⁠DeepSeekValoración 26.8 ±13.7$0.66$1.981MDeepSeek Publicación 2026-⁠08 Precio $0.66 / $1.98 Longitud 1M

Evolución de la máxima tasa de acierto

2025-01-31Publicación2026-10-17
Cómo leer esta página
  • El modelo los resuelve mientras ejecuta Python y entrega la respuesta como una función. El valor es la tasa de acierto.
  • La tasa de acierto es la proporción de preguntas resueltas. Una diferencia de 1 punto equivale a 1 pregunta de cada 100.
  • 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