GPT-6 Astra攻克FrontierMath Tier 4最后难题
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载最后一道题被解出
FrontierMath 的 Tier 4 题库中，此前一直未被人工智能攻克的最后一道题已经由 GPT-6 Astra 解出。Epoch AI 据此认定 Tier 4 达到饱和状态，判断标准是这一层级中的每道题目都曾被人工智能系统成功解答过。OpenAI 对外公布的 Astra 在 Tier 4 上的成绩为 97.6%。这一数字与 Tier 4 刚推出时的水平形成明显落差：该层级在 2025 年 7 月 11 日上线时，最高成绩只有约 5%。出题人 Jay Pantone 在评价这次解答时表示，Astra 给出的解法与他本人持有的解法相当接近，这一判断针对的是解题思路本身，而非仅仅答案是否正确。
从三百题到五十题
FrontierMath 于 2024 年 11 月 7 日发布，由 Epoch AI 联合六十多位数学家共同出题，陶哲轩等菲尔兹奖得主参与了命题工作。最初的核心题库为 300 道题，按难度划分为 Tier 1 至 Tier 3 三个层级，初测时领先模型的正确率不足 2%。2025 年新增的 Tier 4 首批收录 50 道题，内容覆盖分析、数论、组合数学等方向。这一层级发布初期，所有模型累计只解出 3 道题，与后来 Astra 的 97.6% 相比，可以看出题目难度与模型能力之间的位置在一年多时间里发生了大幅移动。2026 年 6 月推出的 v2 版本对 Tier 4 做了调整，修正 12 题、移除 7 题，剩余 43 题。
同层级上的其他成绩
在 Tier 4 这一层级上，Astra 并非唯一留下成绩的模型。GPT-5.6 Sol 在该层级达到 83.0%，Claude Fable 5 达到 90.2%，两者都低于 Astra 公布的 97.6%。把这些数字与 Tier 4 上线初期全模型累计仅解出 3 道题的情况放在一起，可以看出同一批题目在不同模型版本之间的通过率差异已经拉开。Epoch AI 对 Tier 4 饱和的认定，依据的是题目是否曾被解出这一覆盖情况，而不是某一次测试中的单点得分，因此 97.6% 与饱和判断分别指向成绩水平和题目覆盖两个不同维度。
新方向上的低通过率
在原有层级之外，项目新增了 Open Problems 与 FrontierMath Erdős 两个方向。Astra 在 FrontierMath Erdős 的 68 道问题中只解决了 2 道，这一结果与它在 Tier 4 上的 97.6% 形成鲜明对比。对关注模型数学能力的人来说，这意味着 Tier 4 的饱和并不代表同类难题已被全面覆盖：已经饱和的是被反复测试、逐步修正过的那一批题目，而新设方向上的问题对当前模型仍构成明显阻力。Tier 4 本身也经历过 v2 版本的修正与移除，剩余 43 题，题目集合的变动会影响成绩的可比性，阅读具体数字时需要留意其对应的题库版本。
为什么值得看
专门设计的数学研究级防线被全面突破，标志着AI推理能力达到新高度。
信源1 家
关键事实
相关 · 模型
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。