OpenAI 的 GPT-5 Pro 在 FrontierMath Tier 4 基准测试中创下新纪录，比 Google 的 Gemini 2.5 Deep Think 多解决了一道研究级数学问题。该评估涉及对由专业数学家开发的 50 道极难问题上的三个计算密集型模型设置进行人工评分。

  • GPT-5 Pro 通过其 API 解决了六道题（13%），通过其 Web 应用也解决了相同数量的题目，实现组合 pass@2 为八道题（17%）。
  • Gemini 2.5 Deep Think 仅以一道题之差被超越，该差异被认为不具有统计显著性。
  • Grok 4 Heavy 在性能上落后于其他两款模型。
  • 有史以来解决的 Tier 4 问题总数增加到九道（占基准测试的 19%），其中 GPT-5 Pro 解决的八道题中有五道来自保留集。

这一结果突显了前沿模型解决研究级数学问题能力的不断提升，GPT-5 Pro 相较于其最接近的竞争对手展现出微弱优势。