OpenAIのGPT-5 Proは、FrontierMath Tier 4ベンチマークにおいて新しい記録を樹立し、GoogleのGemini 2.5 Deep Thinkと比較して1つ多い研究レベルの数学問題を解決した。この評価では、プロの数学者によって開発された50の極めて困難な問題に対して、3つの計算集約型モデル設定を手動で採点した。

  • GPT-5 ProはAPI経由で6つの問題（13%）を解決し、Webアプリでも同数の問題を解決し、combined pass@2で8つの問題（17%）を達成した。
  • Gemini 2.5 Deep Thinkは1つの問題差で僅差で敗れ、この差は統計的に有意ではないと指摘された。
  • Grok 4 Heavyは他の2つのモデルと比較して性能が遅れていた。
  • これまでに解決されたTier 4の問題の総数は9つ（ベンチマークの19%）に増加し、GPT-5 Proが解決した8つの問題のうち5つはホールドアウトセット由来のものだった。

この結果は、フロンティアモデルの研究レベル数学への対応能力が高まっていることを示しており、GPT-5 Proが最も近い競合他社に対してわずかな優位性を示している。