← Fișele benchmarkurilor
Benchmarkuri măsurate
FrontierMath
Publicat de Epoch AI. Pagina sursei ↗ · Datele pe care le citim (descărcare fișier) ↗
Held-out problems; Epoch AI runs the eval. OpenAI funded the benchmark and has access to much of it.
Fapte
| Fapt | Valoare | De unde provine |
|---|---|---|
| Cine rulează evaluarea | o organizație independentă | curatoriat de aiqbench, verificat la 2026-10-09 |
| Expunerea setului de test | ținut secret | curatoriat de aiqbench, verificat la 2026-10-09 |
| Licența datelor | CC-BY-4.0 | înregistrarea de atribuire a clasamentului |
| Cel mai nou rezultat publicat | 8 iun. 2026 | rândurile ingerate |
| Ultima preluare de către aiqbench | acum 7 minute · la fiecare 12 h | jurnalul de sincronizare |
| Modele pe această axă | 101 | rândurile ingerate |
| Rânduri cu interval publicat | 98% din rânduri | rândurile ingerate |
| Spațiu rămas în vârf | Cel mai bun 52.4%, cu 47.6% sub plafon; primele 10 în interval de 12.1%. | calculat din rândurile ingerate |
| Axe pe care le urmează îndeaproape |
| ρ Spearman pe modelele comune (vezi Grupuri) |
Ultimele salturi ale frontierei
- 5 mar. 2026 · gpt-5.4-pro-2026-03-05 · 50.0%
- 11 dec. 2025 · gpt-5.2-2025-12-11 · 40.7%
- 7 aug. 2025 · gpt-5-2025-08-07 · 32.4%
Unde apare
Ponderată în șabloanele predefinite: Toate sursele ×1.
Vezi această axă singură în consolă →Atribuire
Source: Epoch AI, 'AI Benchmarking Hub'. Published online at epoch.ai. Retrieved from https://epoch.ai/benchmarks. Licensed under CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Modified by aiqbench: normalised into aiqbench's common board format; we ingest the 'frontiermath.csv' table and rescale its 0-1 scores to percent. Evaluation run by Epoch AI.