Página automatizada. Redactada y traducida automáticamente por IA y verificada con las fuentes mediante software; sin editor humano. SI-IQ es un índice elaborado a partir de resultados públicos de benchmarks, no una prueba de CI. Cómo funciona
FrontierMath Tiers 1–3: resultados de modelos de IA
FrontierMath Tiers 1–3 es un benchmark de Matemáticas ejecutado por Epoch AI. En nuestros datos hay resultados publicados de 86 modelos.
Forma parte del índice SI-IQ (carga α = 1,50, nivel de azar 0 %).
- Evaluador
- Epoch AI
- Página principal del benchmark
- epoch.ai/frontiermath
Resultados
| 1 | GPT-6 Astra OpenAI | 93,7 % | 150146–153 | 9 |
| 2 | GPT-6.1 Sol OpenAI | 93,7 % | 148144–152 | 9 |
| 3 | Claude Opus 5.5 Anthropic | 91,2 % | 144141–148 | 9 |
| 4 | Claude Fable 5.1 Anthropic | 90,2 % | 140136–143 | 8 |
| 5 | GPT-6 Sol OpenAI | 89,8 % | 140137–144 | 9 |
| 6 | GPT-5.6 Sol OpenAI | 89,1 % | 140137–143 | 9 |
| 7 | Claude Sonnet 5.5 Anthropic | 88,8 % | 140137–143 | 9 |
| 8 | GPT-5.5 Pro OpenAI | 87,7 % | 139135–142 | 5 resultados de menos de 2 evaluadores |
| 9 | Claude Fable 5 Anthropic | 87,0 % | 138134–141 | 9 |
| 10 | GPT-5.6 Terra OpenAI | 86,0 % | 134131–137 | 9 |
| 11 | Gemini 4 Argon Google DeepMind | 86,0 % | 140137–143 | 9 |
| 12 | Claude Opus 5 Anthropic | 85,6 % | 136133–140 | 9 |
| 13 | GPT-5.5 OpenAI | 85,3 % | 138135–141 | 10 |
| 14 | GPT-5.4 Pro OpenAI | 82,5 % | 135131–138 | 5 resultados de menos de 2 evaluadores |
| 15 | GPT-5.6 Luna OpenAI | 82,1 % | 130127–133 | 9 |
| 16 | Muse Wonder Meta AI | 82,1 % | 136133–139 | 4 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 17 | Claude Opus 4.8 Anthropic | 80,0 % | 132129–135 | 9 |
| 18 | GPT-6 Luna OpenAI | 78,9 % | 130127–133 | 9 |
| 19 | GPT-5.4 OpenAI | 78,6 % | 131128–133 | 10 |
| 20 | Claude Haiku 5.5 Anthropic | 75,1 % | 129126–132 | 9 |
| 21 | Qwen 3.8 Max Alibaba | 74,7 % | 130127–133 | 7 resultados de menos de 2 evaluadores |
| 22 | Muse Spark 1.3 Meta AI | 74,4 % | 128125–131 | 5 resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 23 | GPT-5.2 Pro OpenAI | 74,0 % | 132128–135 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 24 | Kimi K3abierto Moonshot | 72,2 % | 127124–130 | 9 |
| 25 | Gemini 3.7 Flash Google DeepMind | 71,6 % | 131128–134 | 9 |
| 26 | Claude Opus 4.7 Anthropic | 70,2 % | 127124–130 | 10 |
| 27 | Muse Spark Openabierto Meta AI | 69,8 % | 127124–130 | 7 |
| 28 | GLM-5.3abierto Z.ai (Zhipu AI) | 68,8 % | 125122–128 | 9 |
| 29 | Gemini 3.8 Flash Google DeepMind | 68,4 % | 130127–133 | 9 |
| 30 | GPT-5.2 OpenAI | 67,4 % | 125122–128 | 11 |
| 31 | DeepSeek V4.1 Flashabierto DeepSeek | 67,4 % | 128125–131 | 9 |
| 32 | Claude Opus 4.6 Anthropic | 66,0 % | 123120–126 | 10 |
| 33 | Grok 4.6 xAI | 66,0 % | 126123–129 | 9 |
| 34 | Claude Sonnet 5 Anthropic | 65,6 % | 126123–129 | 9 |
| 35 | Qwen3.8 Max (0902) Alibaba | 65,6 % | 127123–130 | 6 resultados de menos de 2 evaluadores |
| 36 | DeepSeek V4 Pro 0813abierto DeepSeek | 64,6 % | 128125–131 | 9 |
| 37 | Qwen3.7-Max Alibaba | 64,6 % | 125122–128 | 10 |
| 38 | Gemini 3.5 Flash Google DeepMind | 62,8 % | 126123–129 | 10 |
| 39 | Gemini 3.1 Pro Google DeepMind | 59,6 % | 127124–130 | 10 |
| 40 | GLM-5.2abierto Z.ai (Zhipu AI) | 59,2 % | 121118–124 | 10 |
| 41 | Gemini 3.6 Flash Google DeepMind | 58,9 % | 125122–128 | 9 |
| 42 | Mistral Large 4 Mistral AI | 58,6 % | 122119–125 | 7 resultados de menos de 2 evaluadores |
| 43 | DeepSeek V4 Flash 0731abierto DeepSeek | 57,5 % | 124121–127 | 9 |
| 44 | Grok 4.5 xAI | 57,2 % | 124121–127 | 6 resultados de menos de 2 evaluadores |
| 45 | Kimi K2.6abierto Moonshot | 57,2 % | 121118–124 | 10 |
| 46 | GLM-5.3-Flashabierto Z.ai (Zhipu AI) | 55,8 % | 120117–124 | 8 |
| 47 | GPT-5 Pro OpenAI | 55,8 % | 124120–128 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 48 | GPT-5 OpenAI | 55,4 % | 121118–124 | 12 |
| 49 | Kimi K2.7 Codeabierto Moonshot | 54,0 % | 118115–122 | 8 |
| 50 | Grok 4.7 xAI | 53,0 % | 123120–127 | 7 resultados de menos de 2 evaluadores |
| 51 | GPT-5.4 Mini OpenAI | 51,2 % | 117113–120 | 9 |
| 52 | Gemini 3 Flash Google DeepMind | 51,2 % | 122119–125 | 10 |
| 53 | GPT-5 mini OpenAI | 46,7 % | 115112–118 | 12 |
| 54 | Inkling-Smallabierto Thinking Machines | 46,3 % | 118115–122 | 8 |
| 55 | DeepSeek-V4-Proabierto DeepSeek | 45,3 % | 117113–120 | 10 |
| 56 | GPT-5.4 Nano OpenAI | 44,9 % | 118115–121 | 9 |
| 57 | Grok 4.3 Beta xAI | 42,8 % | 117114–121 | 6 resultados de menos de 2 evaluadores |
| 58 | Qwen 3.6 Plus Alibaba | 38,2 % | 113109–117 | 7 resultados de menos de 2 evaluadores |
| 59 | GLM-5.1abierto Z.ai (Zhipu AI) | 36,8 % | 116112–120 | 8 |
| 60 | o4-mini OpenAI | 36,1 % | 112109–115 | 10 |
| 61 | Qwen3.6 27Babierto Alibaba | 35,1 % | 115110–119 | 6 |
| 62 | Claude Opus 4.5 Anthropic | 34,4 % | 115111–118 | 11 |
| 63 | Qwen3.7-Plus Alibaba | 34,4 % | 115110–119 | 6 |
| 64 | Inklingabierto Thinking Machines | 33,3 % | 114110–117 | 8 |
| 65 | o3 OpenAI | 33,3 % | 116113–119 | 10 |
| 66 | Qwen3.5 397B-A17Babierto Alibaba | 31,2 % | 114109–118 | 6 |
| 67 | Gemini 3.1 Flash-Lite Google | 27,7 % | 109105–114 | 3 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 68 | GPT-5.5 Instant OpenAI | 26,3 % | 107103–111 | 4 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 69 | Gemini 3.5 Flash-Lite Google DeepMind | 26,0 % | 109106–113 | 8 |
| 70 | Gemini 2.5 Pro (Jun 2025) Google DeepMind | 24,6 % | 108104–112 | 8 |
| 71 | Claude Sonnet 4.5 Anthropic | 23,9 % | 110107–113 | 12 |
| 72 | Qwen 3.6 Flash Alibaba | 22,5 % | 107103–111 | 6 resultados de menos de 2 evaluadores |
| 73 | Qwen 3.6 35B-A3Babierto Alibaba | 20,4 % | 111107–115 | 6 |
| 74 | GPT-5 nano OpenAI | 20,0 % | 105102–109 | 11 |
| 75 | Qwen3.7 Flash Alibaba | 19,3 % | 107103–112 | 4 resultados de menos de 5 benchmarks; resultados de menos de 2 evaluadores |
| 76 | Qwen3-Max Alibaba | 18,9 % | 106103–110 | 6 resultados de menos de 2 evaluadores |
| 77 | o3-mini OpenAI | 18,6 % | 105101–108 | 9 |
| 78 | Qwen 3.5 Flash (hosted 35B-A3B) Alibaba | 18,2 % | 107103–111 | 6 resultados de menos de 2 evaluadores |
| 79 | o1 OpenAI | 14,7 % | 10399–106 | 6 resultados de menos de 2 evaluadores |
| 80 | Claude Opus 4.1 Anthropic | 12,6 % | 105102–109 | 6 resultados de menos de 2 evaluadores |
| 81 | GPT-4.1 mini OpenAI | 6,7 % | 9188–95 | 11 |
| 82 | GPT-4.1 OpenAI | 6,0 % | 9187–94 | 11 |
| 83 | GPT-4 Turbo (Apr 2024) OpenAI | 0,7 % | 6864–73 | 4 resultados de menos de 5 benchmarks; resultados en menos de 3 áreas; resultados de menos de 2 evaluadores |
| 84 | GPT-4o mini OpenAI | 0,7 % | 6864–73 | 10 |
| 85 | GPT-4o (Aug 2024) OpenAI | 0,4 % | 7368–77 | 9 |
| 86 | GPT-3.5 Turbo (Jan 2024) OpenAI | 0,0 % | 4742–53 | 5 resultados de menos de 2 evaluadores |
Fuentes de datos: Aider polyglot leaderboard data (Apache-2.0); Arena leaderboard dataset on Hugging Face (CC BY 4.0); Berkeley Function Calling Leaderboard, Gorilla project (Apache-2.0); Epoch AI, ‘Capabilities & benchmarking’ (CC BY 4.0); LiteLLM, model_prices_and_context_window.json (MIT); Source: OpenRouter (openrouter.ai), licensed under CC BY 4.0: reuse and republish with attribution to OpenRouter (licencias y cambios).