GPT-6 Astra 攻破 FrontierMath Tier4 最后一题,该基准正式饱和
量子位 · wechat · 2026-09-11
GPT-6 Astra 解出了 FrontierMath Tier4 此前唯一一道从未被 AI 攻克的题,EpochAI 宣布这套研究级数学基准正式饱和。OpenAI 公布的 Tier4 成绩为 97.6%,Claude Fable 5 达 90.2%,GPT-5.6 Sol 为 83.0%。
- FrontierMath 于 2024 年 11 月发布,由 EpochAI 联合 60 多位数学家(含陶哲轩、Timothy Gowers 等菲尔兹奖得主)出题,初衷就是防止数学基准被刷穿;首发时最强模型正确率不足 2%
- 2025 年 7 月推出 Tier4(50 道题,数学教授围绕自己研究方向数周工作压缩而成),当时累计只解出 3 题,官网一度称「有些题可能几十年都不会被 AI 解决」
- 因 OpenAI 发现题库错误较多,Epoch 于 2026 年 6 月推出 v2:Tier4 修正 12 题、移除 7 题,剩 43 题
- 出题人、马凯特大学副教授 Jay Pantone 称这次 Astra 的解法与人类数学家相当接近,而非以往的数值捷径
- 项目已推进到下一阶段:OpenProblems(直接考未解决的数学开放问题)和 FrontierMath-Erdős(要求写出能通过 Lean 形式化验证的证明);Astra 在后者 68 题中只解出 2 题
所属事件:GPT-6 Astra 攻克最后一题，FrontierMath Tier 4 正式饱和(7 条相关)→
「模型」频道最新
- 用户实测 GrokBot:订机票、网购全被拦,几乎办不成事 — lucasmeijer · 2026-10-26
- 售卖机基准新观察：Sol 5.6 被指最激进、最常违约 — xuanalogue · 2026-10-26
- 爆料称 Fable 5.5 每周将发，博主泼冷水：本月无前沿新模型 — patience_cave · 2026-10-26
- 实测 abliterated 去审查模型翻车:模型反而关心起我的心理健康 — ryunuck · 2026-10-26
- OpenAI Decisions API 升级：单次可处理 400 个问题并新增语音与图像能力 — OpenAIDevs · 2026-10-26
- 中国首个前沿AI安全独立评测实验室「方寸跃迁」成立并首发DeepSeek评测 — JacquesThibs · 2026-10-26