Saltar al contenido principal
Bench

Idioma

English日本語中文Español

Información del sitio

Resultados en tareas

Problemas de matemáticas de nivel universitario avanzado a investigación inicial (FrontierMath Tiers 1-3 v2)

Nivel básico de FrontierMath, con problemas de matemáticas no publicados que crearon y verificaron matemáticos y que abarcan desde el nivel universitario avanzado hasta la investigación inicial.

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

PuestoModeloDesarrolladorTasa de acierto
(%)Escala de Tasa de acierto: 40–100		Fecha de evaluaciónEntrada $
/1M		Salida $
/1M		ContextoAdmitePesosPublicaciónPrecio y características
1–6.ºGPT-6.1 SolOpenAIValoración 98.6 ±3.0$2$101.05MOpenAI Publicación 2026-⁠09 Precio $2 / $10 Longitud 1.05M
1–6.ºGPT-6 AstraOpenAIValoración 98.6 ±3.0$10$501.05MOpenAI Publicación 2026-⁠09 Precio $10 / $50 Longitud 1.05M
1–9.ºClaude Opus 5.5AnthropicValoración 96.0 ±3.5$4$201MAnthropic Publicación 2026-⁠09 Precio $4 / $20 Longitud 1M
1–13.ºClaude Fable 5.1AnthropicValoración 94.9 ±3.6$10$501MAnthropic Publicación 2026-⁠09 Precio $10 / $50 Longitud 1M
1–13.ºGPT-6 SolOpenAIValoración 94.6 ±3.7$2$101.05MOpenAI Publicación 2026-⁠09 Precio $2 / $10 Longitud 1.05M
1–13.ºGPT-5.6 SolOpenAIValoración 93.8 ±3.8$4$201.05MOpenAI Publicación 2026-⁠07 Precio $4 / $20 Longitud 1.05M
3–13.ºClaude Sonnet 5.5AnthropicValoración 93.4 ±3.9$2$101MAnthropic Publicación 2026-⁠09 Precio $2 / $10 Longitud 1M
3–16.ºGPT-5.5 ProOpenAIValoración 92.3 ±4.0$30$1801.05MOpenAI Publicación 2026-⁠04 Precio $30 / $180 Longitud 1.05M
3–16.ºClaude Fable 5AnthropicValoración 91.6 ±4.1$10$501MAnthropic Publicación 2026-⁠06 Precio $10 / $50 Longitud 1M
4–17.ºGemini 4 ArgonGoogleValoración 90.5 ±4.3$2$101.05MGoogle Publicación 2026-⁠09 Precio $2 / $10 Longitud 1.05M
4–17.ºGPT-5.6 TerraOpenAIValoración 90.5 ±4.3$2$121.05MOpenAI Publicación 2026-⁠07 Precio $2 / $12 Longitud 1.05M
4–17.ºClaude Opus 5AnthropicValoración 90.1 ±4.3$5$251MAnthropic Publicación 2026-⁠07 Precio $5 / $25 Longitud 1M
4–17.ºGPT-5.5OpenAIValoración 89.8 ±4.3$5$301.05MOpenAI Publicación 2026-⁠04 Precio $5 / $30 Longitud 1.05M
8–19.ºGPT-5.4 ProOpenAIValoración 86.8 ±4.7$30$1801.05MOpenAI Publicación 2026-⁠03 Precio $30 / $180 Longitud 1.05M
8–19.ºGPT-5.6 LunaOpenAIValoración 86.4 ±4.7$0.2$1.21.05MOpenAI Publicación 2026-⁠07 Precio $0.2 / $1.2 Longitud 1.05M
8–19.ºMuse WonderMetaValoración 86.4 ±4.7$4$201.05MMeta Publicación 2026-⁠10 Precio $4 / $20 Longitud 1.05M
10–23.ºClaude Opus 4.8AnthropicValoración 84.2 ±4.9$5$251MAnthropic Publicación 2026-⁠05 Precio $5 / $25 Longitud 1M
14–24.ºGPT-6 LunaOpenAIValoración 83.1 ±5.0$0.1$0.51.05MOpenAI Publicación 2026-⁠09 Precio $0.1 / $0.5 Longitud 1.05M
14–25.ºGPT-5.4OpenAIValoración 82.7 ±5.0$2.5$151.05MOpenAI Publicación 2026-⁠03 Precio $2.5 / $15 Longitud 1.05M
17–30.ºClaude Haiku 5.5AnthropicValoración 79.0 ±5.3$0.1$0.51MAnthropic Publicación 2026-⁠10 Precio $0.1 / $0.5 Longitud 1M
17–32.ºQwen3.8 MaxAlibabaValoración 78.7 ±5.3$2$61MAlibaba Publicación 2026-⁠08 Precio $2 / $6 Longitud 1M
17–32.ºMuse Spark 1.3MetaValoración 78.3 ±5.3$1.25$4.251.05MMeta Publicación 2026-⁠09 Precio $1.25 / $4.25 Longitud 1.05M
17–32.ºGPT-5.2 ProOpenAIValoración 77.9 ±5.4$21$168400KOpenAI Publicación 2025-⁠12 Precio $21 / $168 Longitud 400K
18–38.ºKimi K3⁠MoonshotValoración 76.0 ±5.5$3$151.05MMoonshot Publicación 2026-⁠07 Precio $3 / $15 Longitud 1.05M
19–38.ºGemini 3.7 FlashGoogleValoración 75.3 ±5.5$0.75$3.751.05MGoogle Publicación 2026-⁠08 Precio $0.75 / $3.75 Longitud 1.05M
20–38.ºDeepSeek-V4.1 Flash (2026-⁠10)⁠DeepSeekValoración 75.0 ±5.5$0.15$0.61MDeepSeek Publicación 2026-⁠10 Precio $0.15 / $0.6 Longitud 1M
20–39.ºClaude Opus 4.7AnthropicValoración 73.9 ±5.6$5$251MAnthropic Publicación 2026-⁠04 Precio $5 / $25 Longitud 1M
20–39.ºMuse Spark Open⁠MetaValoración 73.5 ±5.6——1.04MMeta Publicación 2026-⁠10 Precio — Longitud 1.04M
20–39.ºGLM-5.3⁠Z.aiValoración 72.4 ±5.7$1.4$4.41MZ.ai Publicación 2026-⁠08 Precio $1.4 / $4.4 Longitud 1M
20–39.ºGemini 3.8 FlashGoogleValoración 72.0 ±5.7$0.75$3.751.05MGoogle Publicación 2026-⁠09 Precio $0.75 / $3.75 Longitud 1.05M
21–40.ºGPT-5.2OpenAIValoración 70.9 ±5.8$1.75$14400KOpenAI Publicación 2025-⁠12 Precio $1.75 / $14 Longitud 400K
21–40.ºDeepSeek-V4.1 Flash⁠DeepSeekValoración 70.9 ±5.7——1MDeepSeek Publicación 2026-⁠09 Precio — Longitud 1M
24–43.ºClaude Opus 4.6AnthropicValoración 69.4 ±5.8$5$251MAnthropic Publicación 2026-⁠02 Precio $5 / $25 Longitud 1M
24–43.ºGrok 4.6xAIValoración 69.4 ±5.8$2$6500KxAI Publicación 2026-⁠08 Precio $2 / $6 Longitud 500K
24–43.ºClaude Sonnet 5AnthropicValoración 69.1 ±5.8$2$101MAnthropic Publicación 2026-⁠06 Precio $2 / $10 Longitud 1M
24–43.ºQwen3.8 Max (2026-⁠09)AlibabaValoración 69.1 ±5.8——1MAlibaba Publicación 2026-⁠09 Precio — Longitud 1M
24–46.ºDeepSeek-V4 Pro (2026-⁠08)⁠DeepSeekValoración 68.0 ±5.9$0.66$1.981MDeepSeek Publicación 2026-⁠08 Precio $0.66 / $1.98 Longitud 1M
24–46.ºQwen3.7 MaxAlibabaValoración 68.0 ±5.9$2.5$7.51MAlibaba Publicación 2026-⁠05 Precio $2.5 / $7.5 Longitud 1M
27–49.ºGemini 3.5 FlashGoogleValoración 66.1 ±5.9$1.5$91.05MGoogle Publicación 2026-⁠05 Precio $1.5 / $9 Longitud 1.05M
31–51.ºGemini 3.1 Pro (preview)GoogleValoración 62.8 ±6.0$2$121.05MGoogle Publicación 2026-⁠02 Precio $2 / $12 Longitud 1.05M

Evolución de la máxima tasa de acierto

2024-01-25Publicación2026-10-17
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.
  • 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