OpenAI के GPT-5.2 Pro ने FrontierMath Tier 4 बेंचमार्क पर 31% का नया रिकॉर्ड स्कोर हासिल किया, जिसने 48 में से 15 समस्याओं को हल किया। यह पिछले उच्चतम स्कोर 19% की तुलना में एक महत्वपूर्ण सुधार है और OpenAI के परीक्षण समस्याओं के 28 तक एक्स्क्लूसिव एक्सेस के खिलाफ ओवर-फिटिंग (over-fitting) का कोई सबूत नहीं दिखाता।
- GPT-5.2 Pro ने पहले से ज्ञात Tier 4 की 11 समस्याओं और 4 नई समस्याओं को हल किया, जिससे कुल pass@the-kitchen-sink 35% हो गया।
- मॉडल ने मूल को हल करने के बाद शोधकर्ता Joel Hass द्वारा सुझाए गए एक समस्या की अधिक चुनौतीपूर्ण फॉर्म्युलेशन को सफलतापूर्वक संबोधित किया।
- संख्या सिद्धांतविद् Ken Ono और Dan Romik की समस्याओं के लिए समाधानों को अनुकूल समीक्षाएं मिलीं, हालांकि कुछ ने कठोरता या इच्छित शॉर्टकट्स में मामूली मुद्दों का उल्लेख किया।
परिणाम जटिल और अहल समस्याओं पर AI की गणितीय तर्कशक्ति क्षमताओं में महत्वपूर्ण प्रगति को उजागर करते हैं।