Epoch AIs FrontierMath-Erdős-Benchmark stellt KI-Modellen die Aufgabe, 68 bedeutende ungelöste Erdős-Probleme in Lean zu beweisen oder zu widerlegen, jeweils mit einem festen Budget von 300 Dollar und 72 Stunden. Bei einem Test von fünf Spitzenmodellen im August 2026 lieferte nur eines eine verifizierte Lösung: GPT-6 Astra löste 2 von 68 Problemen (3 %) — jedes andere getestete Modell erzielte 0 %
Epoch AI hat den FrontierMath Erdős-Benchmark entwickelt, um die mathematischen Fähigkeiten von KI rigoros zu messen. Er fordert KI-Modelle heraus, 68 bedeutende ungelöste Erdős-Probleme, formalisiert in Lean, innerhalb eines Budgets von 300 $ und 72 Stunden pro Problem zu beweisen oder zu widerlegen. Im August 2026 testete Epoch AI fünf Frontier-Modelle, und nur GPT-6 Astra lieferte verifizierte Lösungen, indem es 2 der 68 Probleme löste.
Geprüft 2026-09-16
Mit Insider verfolgenWarum das zählt
KI beginnt, echte offene Mathematikprobleme zu knacken, obwohl der Erfolg selten und auf ein Modell beschränkt bleibt.
Mehr zu Modelle
- KI-Modelle können inzwischen Gold bei der Internationalen Mathematikolympiade gewinnen, doch Stanfords AI Index 2026 zeigt, dass sie an einer Aufgabe scheitern, die die meisten Kinder früh beherrschen. Bei den 180 Zifferblatt-Designs und 720 Fragen von ClockBench las das beste Modell, GPT-5.4 High, analoge Uhren nur in 50,6 % der Fälle korrekt ab, gegenüber 90,1 % bei Menschen
- Nachdem die Lücke 2024 kurz fast geschlossen war, hat sich der Leistungsabstand zwischen den besten Closed-Weight- und Open-Weight-KI-Modellen auf dem Arena-Leaderboard wieder vergrößert. Stand März 2026 führt laut Stanfords 2026 AI Index das beste Closed-Modell das beste Open-Modell um 3,3 %, gegenüber einem Vorsprung von 0,5 % im August 2024
- Stanfords KI-Index 2026 verfolgt, wie KI-Modelle bei GPQA Diamond abschneiden, einem Satz von Chemie- und Physikfragen auf Doktorandenniveau, die bewusst so gestaltet sind, dass Google-Suchen nicht weiterhelfen. Die mittlere Modellgenauigkeit bei diesem Benchmark erreichte 2025 93 %, verglichen mit einer Basislinie menschlicher Expertenvalidierer von 81,2 % -- KI-Modelle schlagen promovierte Experten nun um 12 Punkte bei GPQA Diamond
KOSTENLOS · KEINE KARTE
Fakten wie diese, sechs Tage die Woche
The Daily Receipts an Werktagen, The Weekly Brief am Samstag — sechs belegte Fakten pro Tag per E-Mail, zwei mehr als die kostenlose Website zeigt. Jeder bis zur Quelle belegt. Kostenlos.
Tägliches Gratis-Briefing holenKostenlos · Keine Karte · Jederzeit abbestellbar
Treten Sie jetzt bei, und Sie starten mit 100 Receipts in The Receipts Ledger — Ihr erster Schritt zu einem kostenlosen Jahr Insider oder Pro. So funktioniert es →
Die heutige Ausgabe ansehen →