刚刚，最后一道FrontierMath Tier 4的难题被GPT-6 Astra攻克了。

至此，这套曾被视为大模型数学难关的研究级测试，所有题目都已至少被AI成功解答过一次。

Epoch AI也正式宣布，FrontierMath Tier 4已经饱和。

从图表来看，Astra并未直接达到100%的准确率，OpenAI公布的成绩是97.6%。

但根据Epoch的统计方式，“全部解出”指的是综合不同模型和不同时间的尝试后，Tier 4中的每道题都已有成功解答的记录。

而Astra解决的，正是此前唯一未被AI攻破的那道题。

（简单来说，Astra可能在某次测试中出错，但它正确解答的题目是之前无人能解的）

坦白说，这个发展速度相当惊人。

如果你关注模型评测，就会知道2025年7月11日Tier 4刚推出时，最高成绩只有大约5%。

如今仅过了一年零两个月，这道曾经的“高墙”已变成“台阶”，最后一道难以通过捷径绕道解决的问题也被跨越。

出题人、马凯特大学数学副教授Jay Pantone表示，以往AI都会寻找数值捷径，而这次AI的解法与自己相当接近。

不过，在最近GPT-6 Astra集中向数学界发起猛攻、三天两头解决千禧年难题之际，Pantone表示自己已经很难感到惊讶了。

可以说，数学俨然成为Astra近期刷存在感最强烈的领域之一。

从不足2%到专门增设一道“研究级防线”

FrontierMath最初于2024年11月7日发布，其诞生的目的就是为了避免数学Benchmark过快被AI攻破。

当时，像GSM8K、MATH这样的传统数学Benchmark已越来越难拉开头部模型之间的差距，于是Epoch AI联合60多位数学家，重新设计了一批此前从未公开过的原创题目。

其中，包括陶哲轩、Timothy Gowers、Richard Borcherds等菲尔兹奖得主。

陶哲轩当时看完一些研究级题目后直言，这些题“极其困难”，甚至判断最难的Tier 3可能还需要几年时间才能被AI攻克。

结果第一轮测试下来，果然不出所料，领先模型的正确率还不到2%。

具体来说，在最开始，FrontierMath的核心题库共有300道题，按难度分为Tier 1、Tier 2和Tier 3三个层级。

Tier 1大致接近高难度本科题和数学奥赛，但允许使用更高级的工具；Tier 2已到高年级研究生难度；Tier 3则更接近博士生早期遇到的探索性研究问题。

但随着推理模型的出现，前三层逐渐不够用了，于是2025年Epoch又增加了一层，Tier 4。

Tier 4大多由数学教授和博士后设计，每人围绕自己的研究方向进行数周短期研究，最后将成果压缩成一道可自动验证的问题。

最初，Tier 4共收录了50道题，涵盖分析、数论、组合数学、拓扑、代数几何等领域。

发布之初，所有模型历次测试加起来只有3道题曾被解出，且这些解答还依赖了一些正确但未充分论证的假设。

鉴于此，在官网的公开样题页面上，Epoch一度写道：其中一些题，可能几十年都不会被AI解决。

（这句话现在开始被反复提及）

不过，随着模型越来越强，另一个问题也暴露出来：题库本身也开始经不起AI的“拷打”。

OpenAI在测试过程中发现，FrontierMath中的错误比预期更多。

随后Epoch启动独立审计，先用GPT-5.5和Claude Opus 4.7筛查疑点，再交给数学家逐题复核。最终在2026年6月推出v2版本，其中Tier 4修正了12道题、移除了7道题，留下43题。

修订之后，模型的成绩依然一路攀升。

GPT-5.6 Sol达到83.0%，Claude Fable 5达到90.2%，到了GPT-6 Astra，成绩已升至97.6%。

更关键的是，Astra还补上了此前唯一一道从未被AI解出的题。

至此，Tier 4中的每道题都至少被AI成功攻破过一次。这套专门为最强模型增设的研究级防线，最终也被突破了。

不过，这并不意味着“数学已被AI解决”。恰恰相反，FrontierMath已开始向下一阶段发展。

现在整个项目除了Tiers 1-4，还增加了真正的Open Problems，以及将Erdős开放问题形式化进Lean的FrontierMath Erdős。

前者直接拿尚未被数学界解决的研究问题考模型；后者则要求AI写出能通过形式化验证的完整证明。

这一次，Astra在FrontierMath Erdős的68道问题中，只解决了2道。

故事仍在继续～华体会体育网站

本文来自微信公众号“量子位”，作者：henry，36氪经授权发布。