GPT-6 Astra攻克FrontierMath Tier 4最后难题

GPT-6 Astra近日解出了FrontierMath Tier 4此前唯一尚未被人工智能成功完成的题目。由此，按照Epoch AI的累计统计方式，Tier 4的43道题都至少有过一次AI正确解答，正式进入“饱和”状态。Astra单次公开成绩为97.6%，并非每道题都在同一轮测试中答对，但它补上了此前的最后缺口。

这里的“全部解出”并不等于某个模型一次性拿到满分，而是将不同模型、不同时间的测试结果合并计算。即使Astra在某些题目上出现失误，只要它成功解决了此前从未被AI攻破的那一道，就足以改变Tier 4的累计覆盖情况。

FrontierMath Tier 4在2025年7月11日推出时，最高正确率只有约5%；如今仅过了一年多，这道曾被视为研究级高墙的防线便被跨越。马凯特大学数学副教授Jay Pantone表示，过去模型常通过数值捷径作答，而这次Astra给出的思路与他本人处理该问题的方式相当接近。近期Astra还频繁解决数学领域的高难问题，Pantone称自己已经不太容易感到意外。

FrontierMath于2024年11月7日发布，目标是避免传统GSM8K、MATH等基准被头部模型迅速刷穿。Epoch AI联合60多位数学家设计了300道原创题，参与者包括陶哲轩、Timothy Gowers和Richard Borcherds等菲尔兹奖得主。题目分为三个层级，首轮测试中领先模型整体正确率不足2%，陶哲轩还曾认为最难的Tier 3可能让AI停滞数年。

Tier 1大致对应高难度本科题和数学竞赛题，但允许使用更高级工具；Tier 2接近高年级研究生难度；Tier 3则涉及博士早期的探索性研究。随着推理模型能力提升，Epoch AI在2025年新增Tier 4，进一步提高挑战强度。

Tier 4题目主要由数学教授和博士后设计。出题者围绕各自研究方向进行数周短期研究，再将成果压缩成可自动验证的问题，覆盖分析、数论、组合数学、拓扑和代数几何等领域。最初该层级有50题，所有模型累计仅解出3题，且部分答案依赖正确但论证不充分的假设，官网一度称部分题目可能数十年内都不会被AI解决。

随着模型能力提升，题库质量问题也逐渐暴露。OpenAI测试发现其中存在较多错误，Epoch AI随后先用GPT-5.5和Claude Opus 4.7筛查，再由数学家逐题审计。2026年6月发布的v2版本修正了12题、移除7题，Tier 4最终保留43题。

修订后的成绩继续上升：GPT-5.6 Sol达到83.0%，Claude Fable 5达到90.2%，GPT-6 Astra达到97.6%。更重要的是，Astra解决了此前唯一未被AI攻克的题目。

这并不意味着数学问题已经被人工智能解决。项目目前已扩展到Tiers 1至4之外的Open Problems，以及将Erdős开放问题形式化到Lean中的FrontierMath Erdős。前者直接测试尚未解决的数学研究问题，后者要求生成可通过形式化验证的完整证明；在68道Erdős题目中，Astra目前只解决了2道，后续挑战仍在继续。