发生了什么
Epoch AI 于 9 月 10 日更新其 FrontierMath 评测结果，宣布 Tier 4 层级已进入饱和状态。OpenAI 的 GPT-6 Astra 在该层级取得 97.6% 的成绩，并解出了此前从未被任何模型攻克的最后一道题。按 Epoch AI 的累计统计口径，Tier 4 的每一道题都至少被某个模型在某次尝试中成功解出，该层级因此不再具备区分前沿模型数学推理能力的作用。
关键节点
- Tier 4 于 2025 年 7 月 11 日上线，题目由数学教授与博士后围绕自身研究方向设计，首发时榜单最高成绩约 5%
- 2026 年 6 月 Epoch AI 完成 v2 审计：修正 12 道题、移除 7 道题，最终保留 43 道
- v2 口径下，GPT-5.6 Sol 为 83.0%，Claude Fable 5 为 90.2%，GPT-6 Astra 升至 97.6%
- 最后一道题由马凯特大学数学副教授 Jay Pantone 出题，其公开表示 Astra 的解法与自己的思路接近，而不是数值捷径
为什么重要
这条消息的价值不在于单道题被解出，而在于研究级评测基准的生命周期正在明显缩短。FrontierMath 的设计初衷是延缓被刷穿，参与者包括陶哲轩、Timothy Gowers、Richard Borcherds 等菲尔兹奖得主，Epoch AI 曾在公开样题页面写明其中一些题可能数十年内不会被 AI 解决。从约 5% 到宣布饱和，前后约 14 个月。对企业技术选型而言，这意味着任何以「当前模型做不了某类长链条推理」为前提的能力假设，都需要更短的复检周期；同时也说明头部模型在长链条推理任务上的迭代速度仍未放缓。
仍需观察
Tier 4 饱和并不等于数学已被 AI 解决。FrontierMath 项目已延伸至下一阶段：一是 Open Problems，直接使用数学界尚未解决的研究问题，答案是计算可验证的；二是 FrontierMath Erdős，把开放问题形式化为 Lean 命题，要求模型给出可通过形式化验证的完整证明。在 Erdős 的 68 道题中，GPT-6 Astra 仅解出 2 道。同一周，25 位菲尔兹奖得主联署《A Severe Misalignment of AI in Mathematics》，批评以竞速方式刷穿著名难题对数学研究生态的影响。评测结论可以反映能力水位，但不能直接折算为采购或估值判断。