El GPT-5 Pro de OpenAI estableció un nuevo récord en la prueba de referencia FrontierMath Tier 4 al resolver un problema matemático de investigación adicional en comparación con el Gemini 2.5 Deep Think de Google. La evaluación implicó calificar manualmente tres configuraciones de modelos intensivas en computación en 50 problemas extremadamente difíciles desarrollados por matemáticos profesionales.
- GPT-5 Pro resolvió seis problemas (13%) a través de su API y el mismo número a través de su aplicación web, logrando un pass@2 combinado de ocho problemas (17%).
- Gemini 2.5 Deep Think fue superado por un solo problema, una diferencia señalada como no estadísticamente significativa.
- Grok 4 Heavy se quedó atrás en rendimiento respecto a los otros dos modelos.
- El número total de problemas de nivel Tier 4 resueltos hasta ahora aumentó a nueve (19% de la prueba de referencia), con cinco de los ocho problemas resueltos por GPT-5 Pro provenientes del conjunto reservado.
Este resultado destaca la creciente capacidad de los modelos de vanguardia para abordar matemáticas de nivel de investigación, con GPT-5 Pro demostrando una ligera ventaja sobre su competidor más cercano.