Aller au contenu
EN 4 QUESTIONSTrouver mon modèle

MathsFiche benchmark · Epoch AI · epoch.ai

FrontierMath, paliers 1 à 3 (v2)

295 problèmes de mathématiques inédits et corrigés en 2026, du niveau licence avancée à celui d'un chercheur.

SATURÉ

À quoi il sert

Sur QUELLE IA, FrontierMath, paliers 1 à 3 (v2) sert à noter la tâche Mathématiques : c'est l'un de ses 8 benchmarks. Il départage surtout les modèles dont le score IA approche 81.

Comment c'est noté

Un point par réponse exacte, vérifiée par programme ; le score est la part de problèmes résolus sur le jeu privé.

Pour le calcul, ce score est ramené entre 0 et 1 : 0 % vaut 0 et 95 %, le plafond retenu, vaut 1.

Ce qu'il ne dit pas

Le jeu est privé, donc peu exposé aux fuites, mais OpenAI l'a financé et a accès à une partie des problèmes. Les meilleurs modèles dépassent déjà 90 %.

Comment lire le score

90 modèles mesurés · 123 mesures

En tête : 2 modèles, 93,7 %

Chaque trait est un modèle, placé à son meilleur score. Un modèle qui obtient 48 % a un score IA d'environ 81. 2 modèles partagent la première place avec 93,7 %. Le seuil de saturation (90,3 %) est franchi : au sommet, les meilleurs modèles ne se départagent plus.

Ce que ce benchmark attend à chaque niveau

Score IA 51niveau de GPT-4o (Nov 2024)
1 %
Score IA 76niveau de Claude Sonnet 4.5
33 %
Score IA 100niveau de Claude Opus 5.5
89 %

Valeurs lues sur la courbe d'étalonnage du benchmark, qui relie le score publié au score IA. La démarche

Son poids chez nous

1,25 %du score général. FrontierMath, paliers 1 à 3 (v2) porte 13 % de la tâche Mathématiques (10 % du score général), que se partagent 8 benchmarks. Saturé, il garde ce poids, mais il ne départage presque plus les meilleurs modèles.

En couleur, la tâche Mathématiques dans le score général. En noir, la part de FrontierMath, paliers 1 à 3 (v2).

Le classement du benchmark

Scores relevés sur epoch.ai · édition du
RangModèleRéflexionScore publiéÉquivaut à?Source
1GPT-6 AstraOpenAIMaximale93,7 %111,1
1GPT-6.1 SolOpenAIMaximale93,7 %111,1
3Claude Opus 5.5AnthropicMaximale91,2 %103,5
4GPT-6.1 TerraOpenAIMaximale90,9 %102,8
5Claude Fable 5.1AnthropicMaximale90,2 %101,6
6GPT-6 SolOpenAIMaximale89,8 %101,1
7GPT-5.6 SolOpenAIMaximale89,1 %100,1
8Claude Sonnet 5.5AnthropicMaximale88,8 %99,7
9GPT-5.5 ProOpenAIMaximale87,7 %98,5
10Claude Fable 5AnthropicMaximale87 %97,8
90 modèles mesurés, chacun à sa meilleure configuration. « Équivaut à » : le score IA que ce seul résultat donnerait au modèle.Voir les 90 →Replier le classement ↑
11Gemini 4 ArgonGoogle DeepMindÉlevée86 %96,8
11GPT-5.6 TerraOpenAIMaximale86 %96,8
13Claude Opus 5AnthropicMaximale85,6 %96,5
14GPT-5.5OpenAIMaximale85,3 %96,3
15GPT-5.4 ProOpenAIMaximale82,5 %94,2
16Muse WonderMeta AIMaximale82,1 %94,0
16GPT-5.6 LunaOpenAI · 3 configurationsMaximale82,1 %94,0
18Claude Opus 4.8AnthropicMaximale80 %92,7
19GPT-6 LunaOpenAIMaximale78,9 %92,2
20GPT-5.4OpenAIMaximale78,6 %92,0
21Kimi K3.1 ProMoonshot · poids ouvertsMaximale78,2 %91,8
22Claude Haiku 5.5AnthropicMaximale75,1 %90,3
23Qwen 3.8 MaxAlibabaMaximale74,7 %90,1
24Muse Spark 1.3Meta AI · 2 configurationsMaximale74,4 %90,0
25GPT-5.2 ProOpenAIMaximale74 %89,8
26Kimi K3Moonshot · poids ouvertsMaximale72,2 %89,0
27Gemini 3.7 FlashGoogle DeepMindÉlevée71,6 %88,8
28DeepSeek V4.1 Flash 1017DeepSeek · poids ouvertsMaximale71,2 %88,6
29Claude Opus 4.7AnthropicMaximale70,2 %88,2
30Muse Spark OpenMeta AI · poids ouvertsMaximale69,8 %88,1
31GLM-5.3Z.ai (Zhipu AI) · poids ouvertsMaximale68,8 %87,7
32Gemini 3.8 FlashGoogle DeepMindÉlevée68,4 %87,6
33GPT-5.2OpenAIMaximale67,4 %87,2
34DeepSeek V4.1 FlashDeepSeek · poids ouvertsMaximale67,4 %87,2
35Grok 4.6xAIMaximale66 %86,7
35Claude Opus 4.6AnthropicMaximale66 %86,7
37Claude Sonnet 5AnthropicMaximale65,6 %86,6
37Qwen3.8 Max (0902)AlibabaMaximale65,6 %86,6
39DeepSeek V4 Pro 0813DeepSeek · poids ouvertsMaximale64,6 %86,2
39Qwen3.7-MaxAlibabaNon précisée64,6 %86,2
41Gemini 3.5 FlashGoogle DeepMindÉlevée62,8 %85,6
42Gemini 3.1 ProGoogle DeepMindNon précisée59,6 %84,6
43GLM-5.2Z.ai (Zhipu AI) · poids ouverts · 3 configurationsMaximale59,2 %84,4
44Gemini 3.6 FlashGoogle DeepMindÉlevée58,9 %84,4
45Mistral Large 4 PreviewMistral AI · poids ouvertsÉlevée58,6 %84,2
46DeepSeek V4 Flash 0731DeepSeek · poids ouvertsMaximale57,5 %83,9
47Grok 4.5xAIÉlevée57,2 %83,8
47Kimi K2.6Moonshot · poids ouvertsNon précisée57,2 %83,8
49GLM-5.3-FlashZ.ai (Zhipu AI) · poids ouvertsMaximale55,8 %83,4
49GPT-5 ProOpenAIÉlevée55,8 %83,4
51GPT-5OpenAI · 3 configurationsÉlevée55,4 %83,3
52Kimi K2.7 CodeMoonshot · poids ouvertsNon précisée54 %82,8
53Grok 4.7xAIMaximale53 %82,5
54Gemini 3 FlashGoogle DeepMindNon précisée51,2 %82,0
54GPT-5.4 MiniOpenAI · 3 configurationsMaximale51,2 %82,0
56GPT-5 miniOpenAI · 3 configurationsÉlevée46,7 %80,6
57Inkling-SmallThinking Machines · poids ouvertsMaximale46,3 %80,5
58DeepSeek-V4-ProDeepSeek · poids ouvertsMaximale45,3 %80,2
59Grok 4.20xAINon précisée44,9 %80,1
59GPT-5.4 NanoOpenAI · 3 configurationsÉlevée44,9 %80,1
61Grok 4.3 BetaxAIÉlevée42,8 %79,5
62Qwen 3.6 PlusAlibaba · 2 configurationsNon précisée38,2 %78,1
63GLM-5.1Z.ai (Zhipu AI) · poids ouverts · 2 configurationsNon précisée36,8 %77,6
64o4-miniOpenAI · 3 configurationsÉlevée36,1 %77,4
65Qwen3.6 27BAlibaba · poids ouverts · 2 configurationsNon précisée35,1 %77,1
66Claude Opus 4.5AnthropicBudget34,4 %76,8
66Qwen3.7-PlusAlibabaSans34,4 %76,8
68InklingThinking Machines · poids ouvertsMaximale33,3 %76,5
68o3OpenAI · 3 configurationsÉlevée33,3 %76,5
70Qwen3.5 397B-A17BAlibaba · poids ouverts · 2 configurationsSans31,2 %75,8
71Gemini 3.1 Flash-LiteGoogle DeepMind · 3 configurationsÉlevée27,7 %74,6
72GPT-5.5 InstantOpenAINon précisée26,3 %74,1
73Gemini 3.5 Flash-LiteGoogle DeepMindÉlevée26 %73,9
74Gemini 2.5 Pro (Jun 2025)Google DeepMindNon précisée24,6 %73,4
75Claude Sonnet 4.5AnthropicBudget23,9 %73,1
76Qwen 3.6 FlashAlibaba · 2 configurationsSans22,5 %72,5
77Qwen 3.6 35B-A3BAlibaba · poids ouverts · 2 configurationsSans20,4 %71,6
78GPT-5 nanoOpenAI · 3 configurationsÉlevée20 %71,5
79Qwen3.7 FlashAlibaba · 2 configurationsNon précisée19,3 %71,2
80Qwen3-MaxAlibabaNon précisée18,9 %71,0
81o3-miniOpenAI · 3 configurationsÉlevée18,6 %70,8
82Qwen 3.5 Flash (hosted 35B-A3B)Alibaba · 2 configurationsSans18,2 %70,7
83o1OpenAI · 3 configurationsÉlevée14,7 %68,8
84Claude Opus 4.1AnthropicBudget12,6 %67,6
85GPT-4.1 miniOpenAINon précisée6,7 %62,5
86GPT-4.1OpenAINon précisée6 %61,7
87GPT-4 Turbo (Apr 2024)OpenAINon précisée0,7 %48,3
87GPT-4o miniOpenAINon précisée0,7 %48,3
89GPT-4o (Aug 2024)OpenAINon précisée0,4 %48,3
90GPT-3.5 Turbo (Jan 2024)OpenAINon précisée0 %48,3

En bref

Que mesure FrontierMath, paliers 1 à 3 (v2) ?
295 problèmes de mathématiques inédits et corrigés en 2026, du niveau licence avancée à celui d'un chercheur. Sur QUELLE IA, il est rangé dans la tâche Mathématiques.
Comment FrontierMath, paliers 1 à 3 (v2) est-il noté ?
Un point par réponse exacte, vérifiée par programme ; le score est la part de problèmes résolus sur le jeu privé. Un modèle qui obtient 48 % a un score IA d'environ 81.
Qui est en tête sur FrontierMath, paliers 1 à 3 (v2) ?
GPT-6 Astra et GPT-6.1 Sol sont en tête de FrontierMath, paliers 1 à 3 (v2) avec 93,7 %, dans l'édition du 9 novembre 2026. Suivent Claude Opus 5.5 (91,2 %) et GPT-6.1 Terra (90,9 %). 90 modèles y sont mesurés.
Quelles sont les limites de FrontierMath, paliers 1 à 3 (v2) ?
Le jeu est privé, donc peu exposé aux fuites, mais OpenAI l'a financé et a accès à une partie des problèmes. Les meilleurs modèles dépassent déjà 90 %. Au 9 novembre 2026, le benchmark est saturé.
Combien pèse FrontierMath, paliers 1 à 3 (v2) dans le score IA ?
FrontierMath, paliers 1 à 3 (v2) compte pour 1,25 % du score général, dans l'édition du 9 novembre 2026. Il porte 13 % de la tâche Mathématiques (10 % du score général), que se partagent 8 benchmarks. Saturé, il garde ce poids, mais il ne départage presque plus les meilleurs modèles.
Qui maintient FrontierMath, paliers 1 à 3 (v2) ?
Epoch AI. Sa page de référence : epoch.ai/benchmarks/frontiermath.

Les autres benchmarks de la tâche Mathématiques

Tous les benchmarks →Comment le score IA est calculé →