El punto de referencia FrontierMath Erdős de Epoch AI encarga a los modelos de IA demostrar o refutar 68 problemas de Erdős significativos y no resueltos en Lean, cada uno con un presupuesto fijo de 300 dólares y 72 horas. Al probar cinco modelos de vanguardia en agosto de 2026, solo uno produjo alguna solución verificada: GPT-6 Astra resolvió 2 de 68 problemas (3 %) — todos los demás modelos probados obtuvieron 0 %
Epoch AI creó el benchmark FrontierMath Erdős para medir rigurosamente las capacidades matemáticas de la IA. Desafía a los modelos de IA a probar o refutar 68 problemas de Erdős significativos sin resolver, formalizados en Lean, dentro de un presupuesto de $300 y 72 horas por problema. En agosto de 2026, Epoch AI probó cinco modelos de frontera, y solo GPT-6 Astra produjo soluciones verificadas, resolviendo 2 de los 68 problemas.
Verificado 2026-09-16
Síguelo con IniciadoPor qué importa
La IA está empezando a resolver problemas matemáticos abiertos reales, aunque el éxito sigue siendo raro y limitado a un solo modelo.
Más sobre Modelos
- Los modelos de IA ya pueden ganar el oro en la Olimpiada Internacional de Matemáticas, pero el AI Index 2026 de Stanford halló que aún fallan en una tarea que la mayoría de los niños dominan pronto. En los 180 diseños de reloj y 720 preguntas de ClockBench, el mejor modelo, GPT-5.4 High, leyó correctamente relojes analógicos solo el 50,6 % de las veces, frente al 90,1 % de los humanos
- Tras casi cerrarse brevemente en 2024, la brecha de rendimiento entre los mejores modelos de IA de pesos cerrados y abiertos volvió a ampliarse en el ranking Arena. A marzo de 2026, el AI Index 2026 de Stanford encuentra que el mejor modelo cerrado lidera al mejor modelo abierto por un 3,3 %, frente a una ventaja del 0,5 % en agosto de 2024
- El Índice de IA 2026 de Stanford hace seguimiento del desempeño de los modelos de IA en GPQA Diamond, un conjunto de preguntas de química y física de nivel doctoral diseñadas para resistir las búsquedas en Google. La precisión media de los modelos en esta prueba alcanzó el 93 % en 2025, frente a una referencia de validadores humanos expertos de 81,2 % -- los modelos de IA ya superan a los expertos con doctorado por 12 puntos en GPQA Diamond
GRATIS · SIN TARJETA
Datos como este, seis días a la semana
The Daily Receipts entre semana, The Weekly Brief los sábados — seis datos con fuente al día por email, dos más que la web gratuita. Cada uno trazado hasta el documento del que salió. Gratis.
Quiero el brief diario gratisGratis · Sin tarjeta · Date de baja cuando quieras
Únete ahora y empiezas con 100 Receipts en The Receipts Ledger — tu primer paso hacia un año gratis de Iniciado o Pro. Cómo funciona →
Ver la edición de hoy →