Die letzte hohe Mauer der KI-Mathematik ist eingestürzt, GPT-6 Astra hat FrontierMath Tier 4 vollständig durchbrochen.

Gerade wurde das letzte schwierige Problem von FrontierMath Tier 4 von GPT-6 Astra gelöst.

Damit wurden alle Aufgaben dieser forschungsorientierten Testreihe, die einst als mathematischer Albtraum für große Modelle galt, mindestens einmal erfolgreich von einer KI gelöst.

Epoch AI hat dazu offiziell das Fazit gezogen: FrontierMath Tier 4 ist vollständig erschlossen.

Obwohl aus dem obigen Diagramm hervorgeht, dass Astra noch keine 100 % erreicht hat, liegt das von OpenAI selbst veröffentlichte Ergebnis bei 97,6 %.

Aber nach der Berechnungsmethode von Epoch bedeutet „vollständig gelöst“, dass nach der Zusammenfassung der Versuche verschiedener Modelle zu unterschiedlichen Zeiten jede Aufgabe in Tier 4 bereits einmal erfolgreich beantwortet wurde.

Und die Aufgabe, die Astra gelöst hat, ist genau diejenige, die bisher noch nie von einer KI überwunden wurde.

(Einfach ausgedrückt: Astra könnte bei einem Test einen Fehler gemacht haben, aber die Aufgabe, die es richtig gelöst hat, war diejenige, die bisher noch nicht gelöst wurde.)

Um ehrlich zu sein, ist diese Entwicklungsgeschwindigkeit ziemlich unglaublich.

Wenn Sie sich mit der Bewertung von KI-Modellen befassen, wissen Sie, dass am 11. Juli 2025, als Tier 4 gerade eingeführt wurde, die höchste Punktzahl auf der Liste nur etwa 5 % betrug.

Jetzt, nur ein Jahr und 2 Monate später, ist diese einstige „hohe Mauer“ zu einer „Stufe“ geworden, und die letzte schwierige Aufgabe, die von KI nicht durch Abkürzungen umgangen werden konnte, wurde ebenfalls überwunden.

Der Aufgabensteller, Jay Pantone, außerordentlicher Professor für Mathematik an der Marquette University, erklärte ebenfalls, dass KI in der Vergangenheit immer numerische Abkürzungen suchte, aber diesmal ist die Lösung der KI seiner eigenen sehr ähnlich.

Als GPT-6 Astra in letzter Zeit konzentriert Angriffe auf die Mathematikwelt startete und fast alle Tage Jahrtausendprobleme löste, sagte Pantone, dass er kaum noch überrascht werden könne!

Man kann sagen, dass die Mathematik zu einem der Bereiche geworden ist, in denen Astra in letzter Zeit am meisten Aufmerksamkeit erregt.

Von weniger als 2 % zu einer eigens hinzugefügten „forschungsorientierten Verteidigungslinie“

FrontierMath wurde erstmals am 7. November 2024 veröffentlicht, und sein Zweck war es von Anfang an, zu verhindern, dass mathematische Benchmarks zu schnell von KI durchdrungen werden.

Zu dieser Zeit war es für traditionelle mathematische Benchmarks wie GSM8K und MATH immer schwieriger, Unterschiede zwischen den führenden Modellen zu erkennen. Daher hat Epoch AI gemeinsam mit mehr als 60 Mathematikern eine Reihe von originellen Aufgaben neu entworfen, die zuvor nie veröffentlicht wurden.

Darunter befinden sich Preisträger der Fields-Medaille wie Terence Tao, Timothy Gowers und Richard Borcherds.

Terence Tao sagte damals nach der Betrachtung einiger dieser forschungsorientierten Aufgaben direkt, dass diese Aufgaben „extrem schwierig“ seien, und er schätzte sogar, dass die schwierigste Stufe Tier 3 die KI noch einige Jahre lang herausfordern könnte.

Wie erwartet lag die Erfolgsrate der führenden Modelle nach der ersten Testrunde bei weniger als 2 %.

Genauer gesagt umfasste der zentrale Aufgabenpool von FrontierMath anfangs 300 Aufgaben, die nach Schwierigkeit in drei Stufen unterteilt wurden: Tier 1, Tier 2 und Tier 3.

Tier 1 entspricht ungefähr schwierigen Aufgaben für Bachelorstudenten und Mathematikolympiaden, erlaubt aber die Verwendung fortgeschrittenerer Werkzeuge; Tier 2 erreicht bereits das Niveau fortgeschrittener Masterstudenten; Tier 3 ähnelt eher explorativen Forschungsproblemen, denen Doktoranden in den ersten Jahren begegnen.

Aber mit dem Aufkommen von Inferenzmodellen reichten diese ersten drei Stufen nicht mehr aus, daher fügte Epoch im Jahr 2025 eine weitere Stufe hinzu: Tier 4.

Tier 4 wurde größtenteils von Mathematikprofessoren und Postdoktoranden entworfen. Jeder von ihnen führte mehrere Wochen lang kurzfristige Forschungen zu seinem eigenen Forschungsgebiet durch und komprimierte die Ergebnisse schließlich zu einer Aufgabe, die automatisch überprüft werden kann.

Anfangs enthielt Tier 4 insgesamt 50 Aufgaben. Sie decken Bereiche ab wie Analysis, Zahlentheorie, Kombinatorik, Topologie, algebraische Geometrie …

Zum Zeitpunkt der Veröffentlichung wurden insgesamt nur 3 Aufgaben von allen Modellen in allen bisherigen Tests gelöst, und diese Lösungen stützten sich zudem auf einige korrekte, aber nicht ausreichend begründete Annahmen.

Aus diesem Grund schrieb Epoch auf der Seite mit den öffentlichen Beispielaufgaben auf der offiziellen Website einmal: Einige dieser Aufgaben werden möglicherweise jahrzehntelang nicht von KI gelöst werden.

(Dieser Satz wird jetzt immer wieder als Beweis für die Fehleinschätzung herangezogen.)

Aber mit der zunehmenden Leistungsfähigkeit der Modelle trat ein weiteres Problem zutage: Der Aufgabenpool selbst hielt der „Prüfung“ durch KI nicht mehr stand.

OpenAI stellte während des Testprozesses fest, dass FrontierMath mehr Fehler enthielt als erwartet.

Anschließend startete Epoch eine unabhängige Prüfung: Zuerst wurden verdächtige Stellen mit GPT-5.5 und Claude Opus 4.7 durchsucht, dann wurden die Aufgaben von Mathematikern einzeln überprüft. Schließlich wurde im Juni 2026 die Version v2 veröffentlicht, in der 12 Aufgaben in Tier 4 korrigiert und 7 Aufgaben entfernt wurden, so dass 43 Aufgaben übrig blieben.

Nach der Überarbeitung stiegen die Ergebnisse der Modelle weiter an.

GPT-5.6 Sol erreichte 83,0 %, Claude Fable 5 erreichte 90,2 %, und bei GPT-6 Astra liegt das Ergebnis bereits bei 97,6 %.

Noch wichtiger ist, dass Astra die einzige Aufgabe ergänzt hat, die bisher noch nie von einer KI gelöst wurde.

Damit wurde jede einzelne Aufgabe in Tier 4 mindestens einmal erfolgreich von einer KI überwunden. Diese eigens für die stärksten Modelle hinzugefügte forschungsorientierte Verteidigungslinie wurde schließlich ebenfalls durchdrungen.

Das bedeutet aber nicht, dass „die Mathematik bereits von KI gelöst wurde“. Im Gegenteil, FrontierMath selbst ist bereits in die nächste Phase eingetreten.

Jetzt umfasst das gesamte Projekt neben den Tiers 1-4 auch echte Open Problems sowie FrontierMath Erdős, das offene Probleme von Erdős in Lean formalisiert.

Ersteres testet die Modelle direkt mit Forschungsproblemen, die von der Mathematikwelt noch nicht gelöst wurden; Letzteres verlangt von der KI, vollständige Beweise zu schreiben, die eine formale Verifizierung bestehen.

Diesmal hat Astra nur 2 der 68 Probleme in FrontierMath Erdős gelöst.

Die Geschichte geht weiter～

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „QbitAI“, Autor: henry, veröffentlicht mit Genehmigung von 36Kr.