排行榜

能力评测站内热度

外部权威评测，保留原始分数与来源

综合编程 Agent 与工具推理与知识写作与对话语言行业视觉图像视频

高等数学研究生科学事实准确性

高等数学FrontierMath Tiers 1–3：专家编写的研究级数学题，答案可自动校验，正确率计分。

第 1 名

GPT 6.1 SolMaxOpenAI

FrontierMath Tiers 1–3 v2

93.68%±2.83

领先第 2 名

+0统计并列

来源

高等数学排名113

model= /

第一梯队9 个模型与第 1 名在 95% 置信区间内无显著差异，名次先后不代表确定的强弱。

名次模型思考强度FrontierMath Tiers 1–3 v2· 95% 区间

01

GPT 6.1 Sol

gpt-6.1-sol_max

思考强度：Max

93.68%

01

GPT 6 Astra

gpt-6-astra_max

思考强度：Max

93.68%

03

Claude Opus 5.5

claude-opus-5-5_max

思考强度：Max

91.23%

04

Claude Fable 5.1

claude-fable-5-1_max

思考强度：Max

90.18%

05

GPT 6 Sol

gpt-6-sol_max

思考强度：Max

89.82%

06

GPT 5.6 Sol

gpt-5.6-sol_max

思考强度：Max

89.12%

07

Claude Sonnet 5.5

claude-sonnet-5-5_max

思考强度：Max

88.77%

08

GPT 5.5 Pro

gpt-5.5-pro_xhigh

思考强度：XHigh

87.72%

09

Claude Fable 5

claude-fable-5_max

思考强度：Max

87.02%

10

GPT 5.6 Terra

gpt-5.6-terra_max

思考强度：Max

85.96%

10

Gemini 4 Argon

gemini-4-argon_high

思考强度：High

85.96%

12

Claude Opus 5

claude-opus-5_max

思考强度：Max

85.61%

13

GPT 5.5

gpt-5.5_xhigh

思考强度：XHigh

85.26%

14

GPT 5.4 Pro (2026-03-05)

gpt-5.4-pro-2026-03-05_xhigh

思考强度：XHigh

82.46%

15

GPT 5.6 Luna

gpt-5.6-luna_max

思考强度：Max

82.11%

16

Claude Opus 4.8

claude-opus-4-8_max

思考强度：Max

80%

17

GPT 6 Luna

gpt-6-luna_max

思考强度：Max

78.95%

18

GPT 5.4 (2026-03-05)

gpt-5.4-2026-03-05_xhigh

思考强度：XHigh

78.60%

19

Claude Haiku 5.5

claude-haiku-5-5_max

思考强度：Max

75.09%

20

Qwen 3.8 Max

qwen3.8-max_xhigh

思考强度：XHigh

74.74%

有 7 天前的可比快照后显示周变化。