返回 返回
模型邮件每日6条一手
OpenAI的GPT-6 Astra在Epoch AI的FrontierMath Tier 4(v2)基准测试中得分97.6%,而Anthropic的Claude Fable 5.1得分87.8%
OpenAI的GPT-6 Astra模型于2026年9月3日发布，在FrontierMath Tier 4 (v2)基准测试中得分97.6%。该基准是Epoch AI平台数学领域的一部分。Anthropic的Claude Fable 5.1于2026年9月1日发布，在同一基准测试中得分87.8%。
已核实 2026-09-18
知情者可追踪为何重要
顶级模型现在可以处理非常困难的数学问题，因此领先实验室之间的差距是通过更严格的测试来衡量的。
更多模型
- AI模型如今已能在国际数学奥林匹克竞赛中夺金,但斯坦福《2026年AI指数报告》发现,它们在一项大多数孩子很早就掌握的任务上仍会出错。在ClockBench的180种表盘设计、720道题目测试中,表现最好的模型 GPT-5.4 High正确读出模拟时钟时间的比例仅为50.6%,而人类为90.1%
- 闭源与开源AI模型的性能差距在2024年一度几乎抹平后再度拉开。截至2026年3月，斯坦福《2026年AI指数》显示，Arena排行榜上顶尖闭源模型相对顶尖开源模型领先3.3%，高于2024年8月的0.5%
- 斯坦福大学2026年AI指数报告追踪AI模型在GPQA Diamond基准上的表现——这是一套专为抵抗谷歌搜索而设计的博士级化学和物理题。2025年,模型在该基准上的平均准确率达到93%,而专家人类验证者的基线为81.2%——AI模型现已在GPQA Diamond上超越博士级专家12个百分点