跳到主要内容
Bench

语言

English日本語中文Español

网站信息

任务成绩

研究水平的数学题 (FrontierMath Tier 4 v2)

FrontierMath 中收集了比基础档 (Tiers 1-⁠3) 更难的研究水平题目的扩展档。

如何看这张表

  • 越靠上评价越高，像“第 1〜⁠2 名”这样以范围显示的模型之间的差在误差范围内。
  • 评价是共同题目中答对题目的比例 (%)。
  • 差 3 就是 100 题中差 3 题，± 是重新测量时会变动的幅度。
  • 价格是每 100 万 token 的参考，依次为让它读的部分、让它写的部分。
  • 长度是一次能让它读的文本量 (token)。
排名模型开发方正确率
(%)正确率的刻度 0〜⁠100		评测日期输入 $
/100 万		输出 $
/100 万		一次能读的
长度		支持权重发布日期价格与规格
1〜4GPT-6.1 SolOpenAI评价 100.0 ±0.0$2$101.05MOpenAI 发布 2026-⁠09 价格 $2 / $10 长度 1.05M
1〜6GPT-6 AstraOpenAI评价 97.6 ±4.7$10$501.05MOpenAI 发布 2026-⁠09 价格 $10 / $50 长度 1.05M
1〜9Claude Opus 5.5Anthropic评价 95.0 ±8.1$4$201MAnthropic 发布 2026-⁠09 价格 $4 / $20 长度 1M
2〜12Claude Fable 5Anthropic评价 90.2 ±9.0$10$501MAnthropic 发布 2026-⁠06 价格 $10 / $50 长度 1M
1〜13GPT-6 SolOpenAI评价 90.0 ±10.1$2$101.05MOpenAI 发布 2026-⁠09 价格 $2 / $10 长度 1.05M
2〜16Claude Fable 5.1Anthropic评价 87.8 ±10.1$10$501MAnthropic 发布 2026-⁠09 价格 $10 / $50 长度 1M
3〜16GPT-5.6 SolOpenAI评价 82.9 ±11.7$4$201.05MOpenAI 发布 2026-⁠07 价格 $4 / $20 长度 1.05M
3〜16Claude Sonnet 5.5Anthropic评价 80.5 ±12.3$2$101MAnthropic 发布 2026-⁠09 价格 $2 / $10 长度 1M
3〜16GPT-5.6 Sol ProOpenAI评价 80.5 ±12.3———OpenAI 发布 2026-⁠07 价格 — 长度 —
4〜18Gemini 4 ArgonGoogle评价 78.0 ±12.8$2$101.05MGoogle 发布 2026-⁠09 价格 $2 / $10 长度 1.05M
4〜18GPT-5.5 ProOpenAI评价 78.0 ±12.8$30$1801.05MOpenAI 发布 2026-⁠04 价格 $30 / $180 长度 1.05M
4〜20AI co-mathematicianGoogle评价 75.6 ±13.1———Google 发布 2026-⁠05 价格 — 长度 —
5〜20Claude Opus 5Anthropic评价 73.2 ±13.7$5$251MAnthropic 发布 2026-⁠07 价格 $5 / $25 长度 1M
6〜20GPT-5.5OpenAI评价 72.5 ±14.0$5$301.05MOpenAI 发布 2026-⁠04 价格 $5 / $30 长度 1.05M
6〜20GPT-5.6 TerraOpenAI评价 70.7 ±14.1$2$121.05MOpenAI 发布 2026-⁠07 价格 $2 / $12 长度 1.05M
6〜20Muse WonderMeta评价 70.7 ±14.1$4$201.05MMeta 发布 2026-⁠10 价格 $4 / $20 长度 1.05M
10〜26GPT-5.6 LunaOpenAI评价 61.0 ±15.1$0.2$1.21.05MOpenAI 发布 2026-⁠07 价格 $0.2 / $1.2 长度 1.05M
10〜27GPT-5.4 ProOpenAI评价 58.5 ±15.3$30$1801.05MOpenAI 发布 2026-⁠03 价格 $30 / $180 长度 1.05M
12〜28Claude Opus 4.8Anthropic评价 56.1 ±15.4$5$251MAnthropic 发布 2026-⁠05 价格 $5 / $25 长度 1M
12〜28GPT-6 LunaOpenAI评价 56.1 ±15.4$0.1$0.51.05MOpenAI 发布 2026-⁠09 价格 $0.1 / $0.5 长度 1.05M
17〜37GPT-5.4OpenAI评价 49.0 ±15.7$2.5$151.05MOpenAI 发布 2026-⁠03 价格 $2.5 / $15 长度 1.05M
17〜44Claude Haiku 5.5Anthropic评价 46.3 ±15.5$0.1$0.51MAnthropic 发布 2026-⁠10 价格 $0.1 / $0.5 长度 1M
17〜44DeepSeek-V4.1 Flash (2026-⁠10)⁠DeepSeek评价 46.3 ±15.5$0.15$0.61MDeepSeek 发布 2026-⁠10 价格 $0.15 / $0.6 长度 1M
17〜44Muse Spark 1.3Meta评价 46.3 ±15.5$1.25$4.251.05MMeta 发布 2026-⁠09 价格 $1.25 / $4.25 长度 1.05M
17〜44Qwen3.8 MaxAlibaba评价 46.3 ±15.5$2$61MAlibaba 发布 2026-⁠08 价格 $2 / $6 长度 1M
17〜44GPT-5.2 ProOpenAI评价 46.0 ±15.3$21$168400KOpenAI 发布 2025-⁠12 价格 $21 / $168 长度 400K
18〜49Kimi K3⁠Moonshot评价 39.0 ±15.1$3$151.05MMoonshot 发布 2026-⁠07 价格 $3 / $15 长度 1.05M
19〜50Gemini 3.7 FlashGoogle评价 36.6 ±14.9$0.75$3.751.05MGoogle 发布 2026-⁠08 价格 $0.75 / $3.75 长度 1.05M
21〜55Qwen3.7 MaxAlibaba评价 34.1 ±14.7$2.5$7.51MAlibaba 发布 2026-⁠05 价格 $2.5 / $7.5 长度 1M
21〜55Qwen3.8 Max (2026-⁠09)Alibaba评价 34.1 ±14.7——1MAlibaba 发布 2026-⁠09 价格 — 长度 1M
21〜56Claude Opus 4.7Anthropic评价 31.7 ±14.4$5$251MAnthropic 发布 2026-⁠04 价格 $5 / $25 长度 1M
21〜56Grok 4.6xAI评价 31.7 ±14.4$2$6500KxAI 发布 2026-⁠08 价格 $2 / $6 长度 500K
21〜56Muse Spark Open⁠Meta评价 31.7 ±14.4——1.04MMeta 发布 2026-⁠10 价格 — 长度 1.04M
21〜56GPT-5.2OpenAI评价 31.7 ±14.3$1.75$14400KOpenAI 发布 2025-⁠12 价格 $1.75 / $14 长度 400K
21〜59Claude Sonnet 5Anthropic评价 29.3 ±14.1$2$101MAnthropic 发布 2026-⁠06 价格 $2 / $10 长度 1M
21〜59GLM-5.2⁠Z.ai评价 29.3 ±14.1$1.4$4.41MZ.ai 发布 2026-⁠06 价格 $1.4 / $4.4 长度 1M
21〜59GLM-5.3⁠Z.ai评价 29.3 ±14.1$1.4$4.41MZ.ai 发布 2026-⁠08 价格 $1.4 / $4.4 长度 1M
22〜59Claude Opus 4.6Anthropic评价 26.8 ±13.7$5$251MAnthropic 发布 2026-⁠02 价格 $5 / $25 长度 1M
22〜59DeepSeek-V4.1 Flash⁠DeepSeek评价 26.8 ±13.7——1MDeepSeek 发布 2026-⁠09 价格 — 长度 1M
22〜59DeepSeek-V4 Pro (2026-⁠08)⁠DeepSeek评价 26.8 ±13.7$0.66$1.981MDeepSeek 发布 2026-⁠08 价格 $0.66 / $1.98 长度 1M

最高正确率的变化

2025-01-31发布日期2026-10-17
如何阅读本页
  • 模型一边运行 Python 一边解题，并以函数的形式提交答案。数值为正确率。
  • 正确率是答对题目的比例。差 1 个百分点相当于 100 题中的 1 题。
  • 支持一栏的图标从左起依次为：能使用工具 / 能读图片 / 能以固定格式 (JSON) 回答 (浅色标记为不支持或不明)。
  • 开放权重是指模型的内容 (权重) 已经公开、在自己的电脑或服务器上也能运行的模型。没有开放权重标记的模型，一般通过开发方的服务 (应用或 API) 使用 (也有没有权重信息的模型)。
  • 模型名称旁的 ChatGPT 等，是该开发方面向大众提供的服务名称。该模型能否在那个服务中选用，请在服务一方确认。

数据：Arena / Epoch AI / Swallow LLM team (CC BY 4.0) / Models.dev (MIT)，更新于 2026-⁠10-⁠24，数据来源