GPT-6.1 sol (max) 在 FrontierMath Tier 4 基准测试中取得 100% 的成绩
摘要
OpenAI 的 GPT-6.1 sol (max) 在 Epoch AI 的 FrontierMath Tier 4 v2 基准测试中取得 100% 的成绩，登上该基准的榜首。
https://epoch.ai/benchmarks/frontiermath-tier-4-v2?view=graph&tab=leaderboard
相似文章
GPT-6.1 Sol 在 Humanity's Last Exam — Diamond 中位列第三
GPT-6.1 Sol 在 Humanity's Last Exam（Diamond）排行榜上位列第三，标志着前沿 AI 基准测试性能的一个重要里程碑。
GPT-6.1 Sol 以 86.3% 的准确率、$0.94 的成本登顶 MathArena，超越 Astra 的 81.9%（$2.26）
GPT-6.1 Sol 以仅 $0.94 的成本取得 86.3% 的准确率，成功登顶 MathArena，超越 Astra 在 $2.26 成本下取得的 81.9% 成绩。这一结果凸显了前沿模型在数学推理性能和成本效益方面的重大进步。
GPT-6 Sol 与 Astra 登顶 ARC-AGI-3 排行榜
GPT-6 Sol 和 Astra 已占据 ARC-AGI-3 排行榜的前两名，标志着前沿 AI 模型在抽象推理基准测试上取得了显著进展。
GPT 5.6 Sol 基准测试
GPT 5.6 Sol 在 AI 语言建模方面取得新的基准测试结果，展示了性能改进。
评估AI执行科研任务的能力
OpenAI推出FrontierScience，这是一个新的基准测试，用于衡量人工智能在物理、化学和生物学领域的专家级科学能力。GPT-5.2在奥林匹克式任务中达到77%，在研究型任务中达到25%。该论文提供了早期证据，表明GPT-5能显著加速真实的科学工作流程，将工作周期从数周缩短至数小时，同时建立了度量标准，以追踪朝着AI加速科学研究的进展。