Le GPT-5 Pro d'OpenAI a établi un nouveau record sur le benchmark FrontierMath Tier 4 en résolvant un problème mathématique de niveau recherche supplémentaire par rapport au Gemini 2.5 Deep Think de Google. L'évaluation impliquait la notation manuelle de trois configurations de modèles intensives en calcul sur 50 problèmes extrêmement difficiles développés par des mathématiciens professionnels.
- GPT-5 Pro a résolu six problèmes (13 %) via son API et le même nombre via son application web, atteignant un combined pass@2 de huit problèmes (17 %).
- Gemini 2.5 Deep Think a été devancé d'un seul problème, une différence jugée non significative sur le plan statistique.
- Grok 4 Heavy a accusé un retard par rapport aux deux autres modèles en termes de performance.
- Le nombre total de problèmes du niveau 4 jamais résolus est passé à neuf (19 % du benchmark), dont cinq des huit problèmes résolus par GPT-5 Pro provenaient de l'ensemble conservé.
Ce résultat met en évidence la capacité croissante des modèles de pointe à s'attaquer aux mathématiques de niveau recherche, le GPT-5 Pro démontrant un léger avantage sur son concurrent le plus proche.