Benchmark for KI i matematikk: 92 modeller rangert etter målte resultater

1. Nr. 1Claude Fable 5.2AnthropicListepris 8,00 USD / 40,00 USD3,20 USD / 16,00 USDmed AIGROW API-kredittKjør Claude Fable 5.2 opptil 60% under listeprisSertifisert ekte av AIGROW 11. november 2026
2. Nr. 2GPT-6.1 SolOpenAIListepris 2,00 USD / 10,00 USD0,50 USD / 2,50 USDmed AIGROW API-kredittKjør GPT-6.1 Sol opptil 75% under listeprisSertifisert ekte av AIGROW 11. november 2026
3. Nr. 3GPT-6 AstraOpenAIListepris 10,00 USD / 50,00 USD2,50 USD / 12,50 USDmed AIGROW API-kredittKjør GPT-6 Astra opptil 75% under listeprisSertifisert ekte av AIGROW 11. november 2026

Amerikanske dollar per million input-/output-tokens. Bekreftet ekte av AIGROW betyr at modellen besto AIGROWs egen kontroll mot den samme modellen hos produsenten 11. november 2026. Ingen modellprodusent har gjennomgått eller godkjent den.

Hva den måler

FrontierMath Tiers 1-3: hundrevis av oppgaver skrevet av eksperter, fra avansert bachelornivå til tidlig forskning, hver med et svar som et program kan kontrollere. Epoch AI kjører testen og holder alle unntatt noen få oppgaver hemmelige.

Hva den utelater

Den kontrollerer sluttsvar, ikke bevis eller forklaringer.

Slik leser du marginen

Hvert resultat har et 95 %-intervall, 1,96 standardfeil til hver side slik Epoch AI publiserer dem. Et gjennomsnitt kombinerer feilene fra testene det bygger på. Når to intervaller overlapper, kan ikke testene si hvilken modell som er best. Radene er likevel nummerert etter poengsum, og hver rad oppgir hvor mange modeller over den som overlapper.

Innstillinger

Under hvert resultat står innstillingen for resonnering som Epoch AI kjørte modellen med, skrevet slik den er oppgitt, og dagen for kjøringen. Der en modell er kjørt med flere innstillinger, teller det beste resultatet.

Hvem som finansierer den

Epoch AI utviklet FrontierMath med finansiering fra OpenAI, som har eksklusiv tilgang til en del av oppgavene.

Nær taket

Toppscoren, 95,1 %, har nådd taket på 95,0 %, som Epoch AI regner som det meste en modell kan score på FrontierMath Tiers 1-3, gitt testens kjente feilrate. Nær taket skiller en test de ledende modellene dårligere fra hverandre.

Ikke oppdatert på over 120 dager

Et resultat som er kjørt mer enn 120 dager før de nyeste dataene på disse sidene, får dette merket, slik at et eldre resultat kan vurderes deretter.

Priser

Listeprisen per million tokens fra utviklerens egen prisside, lest 12. november 2026. Det er en pris per token, ikke per svar: en høyere resonneringsinnstilling bruker flere tokens på det samme spørsmålet. Der AIGROW API credit selger en modell, er listeprisen overstreket, og prisen gjennom kreditten står under.

Kilde: Epoch AI, FrontierMath Tiers 1-3 (data fra 12. november 2026), lisensiert under CC BY 4.0. Vi endrer ingen poengsum: vi legger til prisene og lenkene til modellsidene våre.