O GPT-5 Pro da OpenAI estabeleceu um novo recorde no benchmark FrontierMath Tier 4 ao resolver um problema matemático de nível de pesquisa adicional em comparação com o Gemini 2.5 Deep Think do Google. A avaliação envolveu a correção manual de três configurações de modelos intensivas em computação em 50 problemas extremamente difíceis desenvolvidos por matemáticos profissionais.
- O GPT-5 Pro resolveu seis problemas (13%) por meio de sua API e o mesmo número por meio de seu aplicativo web, alcançando um pass@2 combinado de oito problemas (17%).
- O Gemini 2.5 Deep Think foi ultrapassado por um único problema, uma diferença considerada não estatisticamente significativa.
- O Grok 4 Heavy ficou atrás dos outros dois modelos em desempenho.
- O número total de problemas do Tier 4 já resolvidos aumentou para nove (19% do benchmark), com cinco dos oito problemas resolvidos pelo GPT-5 Pro provenientes do conjunto reservado.
Este resultado destaca a crescente capacidade dos modelos de fronteira de lidar com matemática de nível de pesquisa, com o GPT-5 Pro demonstrando uma leve vantagem sobre seu concorrente mais próximo.