跳到主要内容
Bench

语言

English日本語中文Español

网站信息

任务成绩

从本科高年级到研究入门的数学题 (FrontierMath Tiers 1-3 v2)

由数学家编写并验证的未公开数学题，是覆盖本科高年级到研究入门水平的 FrontierMath 基础档。

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 (%)。
  • ± 是重新测量时会变动的幅度，细微的差异不必在意。
  • 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)。

第 1 名的误差幅度

排名模型开发方正确率
(%)正确率的刻度 40〜⁠100		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
1〜6GPT-6.1 SolOpenAI评价 98.6 ±3.0$2$101.05MOpenAI 发布 2026-⁠09 价格 $2 / $10 长度 1.05M
1〜6GPT-6 AstraOpenAI评价 98.6 ±3.0$10$501.05MOpenAI 发布 2026-⁠09 价格 $10 / $50 长度 1.05M
1〜9Claude Opus 5.5Anthropic评价 96.0 ±3.5$4$201MAnthropic 发布 2026-⁠09 价格 $4 / $20 长度 1M
1〜13Claude Fable 5.1Anthropic评价 94.9 ±3.6$10$501MAnthropic 发布 2026-⁠09 价格 $10 / $50 长度 1M
1〜13GPT-6 SolOpenAI评价 94.6 ±3.7$2$101.05MOpenAI 发布 2026-⁠09 价格 $2 / $10 长度 1.05M
1〜13GPT-5.6 SolOpenAI评价 93.8 ±3.8$4$201.05MOpenAI 发布 2026-⁠07 价格 $4 / $20 长度 1.05M
3〜13Claude Sonnet 5.5Anthropic评价 93.4 ±3.9$2$101MAnthropic 发布 2026-⁠09 价格 $2 / $10 长度 1M
3〜16GPT-5.5 ProOpenAI评价 92.3 ±4.0$30$1801.05MOpenAI 发布 2026-⁠04 价格 $30 / $180 长度 1.05M
3〜16Claude Fable 5Anthropic评价 91.6 ±4.1$10$501MAnthropic 发布 2026-⁠06 价格 $10 / $50 长度 1M
4〜17Gemini 4 ArgonGoogle评价 90.5 ±4.3$2$101.05MGoogle 发布 2026-⁠09 价格 $2 / $10 长度 1.05M
4〜17GPT-5.6 TerraOpenAI评价 90.5 ±4.3$2$121.05MOpenAI 发布 2026-⁠07 价格 $2 / $12 长度 1.05M
4〜17Claude Opus 5Anthropic评价 90.1 ±4.3$5$251MAnthropic 发布 2026-⁠07 价格 $5 / $25 长度 1M
4〜17GPT-5.5OpenAI评价 89.8 ±4.3$5$301.05MOpenAI 发布 2026-⁠04 价格 $5 / $30 长度 1.05M
8〜19GPT-5.4 ProOpenAI评价 86.8 ±4.7$30$1801.05MOpenAI 发布 2026-⁠03 价格 $30 / $180 长度 1.05M
8〜19GPT-5.6 LunaOpenAI评价 86.4 ±4.7$0.2$1.21.05MOpenAI 发布 2026-⁠07 价格 $0.2 / $1.2 长度 1.05M
8〜19Muse WonderMeta评价 86.4 ±4.7$4$201.05MMeta 发布 2026-⁠10 价格 $4 / $20 长度 1.05M
10〜23Claude Opus 4.8Anthropic评价 84.2 ±4.9$5$251MAnthropic 发布 2026-⁠05 价格 $5 / $25 长度 1M
14〜24GPT-6 LunaOpenAI评价 83.1 ±5.0$0.1$0.51.05MOpenAI 发布 2026-⁠09 价格 $0.1 / $0.5 长度 1.05M
14〜25GPT-5.4OpenAI评价 82.7 ±5.0$2.5$151.05MOpenAI 发布 2026-⁠03 价格 $2.5 / $15 长度 1.05M
17〜30Claude Haiku 5.5Anthropic评价 79.0 ±5.3$0.1$0.51MAnthropic 发布 2026-⁠10 价格 $0.1 / $0.5 长度 1M
17〜32Qwen3.8 MaxAlibaba评价 78.7 ±5.3$2$61MAlibaba 发布 2026-⁠08 价格 $2 / $6 长度 1M
17〜32Muse Spark 1.3Meta评价 78.3 ±5.3$1.25$4.251.05MMeta 发布 2026-⁠09 价格 $1.25 / $4.25 长度 1.05M
17〜32GPT-5.2 ProOpenAI评价 77.9 ±5.4$21$168400KOpenAI 发布 2025-⁠12 价格 $21 / $168 长度 400K
18〜38Kimi K3⁠Moonshot评价 76.0 ±5.5$3$151.05MMoonshot 发布 2026-⁠07 价格 $3 / $15 长度 1.05M
19〜38Gemini 3.7 FlashGoogle评价 75.3 ±5.5$0.75$3.751.05MGoogle 发布 2026-⁠08 价格 $0.75 / $3.75 长度 1.05M
20〜38DeepSeek-V4.1 Flash (2026-⁠10)⁠DeepSeek评价 75.0 ±5.5$0.15$0.61MDeepSeek 发布 2026-⁠10 价格 $0.15 / $0.6 长度 1M
20〜39Claude Opus 4.7Anthropic评价 73.9 ±5.6$5$251MAnthropic 发布 2026-⁠04 价格 $5 / $25 长度 1M
20〜39Muse Spark Open⁠Meta评价 73.5 ±5.6——1.04MMeta 发布 2026-⁠10 价格 — 长度 1.04M
20〜39GLM-5.3⁠Z.ai评价 72.4 ±5.7$1.4$4.41MZ.ai 发布 2026-⁠08 价格 $1.4 / $4.4 长度 1M
20〜39Gemini 3.8 FlashGoogle评价 72.0 ±5.7$0.75$3.751.05MGoogle 发布 2026-⁠09 价格 $0.75 / $3.75 长度 1.05M
21〜40GPT-5.2OpenAI评价 70.9 ±5.8$1.75$14400KOpenAI 发布 2025-⁠12 价格 $1.75 / $14 长度 400K
21〜40DeepSeek-V4.1 Flash⁠DeepSeek评价 70.9 ±5.7——1MDeepSeek 发布 2026-⁠09 价格 — 长度 1M
24〜43Claude Opus 4.6Anthropic评价 69.4 ±5.8$5$251MAnthropic 发布 2026-⁠02 价格 $5 / $25 长度 1M
24〜43Grok 4.6xAI评价 69.4 ±5.8$2$6500KxAI 发布 2026-⁠08 价格 $2 / $6 长度 500K
24〜43Claude Sonnet 5Anthropic评价 69.1 ±5.8$2$101MAnthropic 发布 2026-⁠06 价格 $2 / $10 长度 1M
24〜43Qwen3.8 Max (2026-⁠09)Alibaba评价 69.1 ±5.8——1MAlibaba 发布 2026-⁠09 价格 — 长度 1M
24〜46DeepSeek-V4 Pro (2026-⁠08)⁠DeepSeek评价 68.0 ±5.9$0.66$1.981MDeepSeek 发布 2026-⁠08 价格 $0.66 / $1.98 长度 1M
24〜46Qwen3.7 MaxAlibaba评价 68.0 ±5.9$2.5$7.51MAlibaba 发布 2026-⁠05 价格 $2.5 / $7.5 长度 1M
27〜49Gemini 3.5 FlashGoogle评价 66.1 ±5.9$1.5$91.05MGoogle 发布 2026-⁠05 价格 $1.5 / $9 长度 1.05M
31〜51Gemini 3.1 Pro (preview)Google评价 62.8 ±6.0$2$121.05MGoogle 发布 2026-⁠02 价格 $2 / $12 长度 1.05M

最高正确率的变化

2024-01-25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。
  • 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