“FrontierMath Tier 4，饱和了。”当这则消息从AI评测圈传出时，很多人第一反应是难以置信。作为业内公认难度最高的数学基准测试，FrontierMath Tier 4曾被视为“AI无法逾越的数学高墙”。然而，OpenAI的GPT-6 Astra已悄然将这道高墙刷穿，证明AI在原始数学推理上的能力达到了前所未有的水平。
FrontierMath：为AI设计的数学“无人区”
FrontierMath由Epoch AI在2023年推出，目的是衡量大模型在真正的数学研究工作上的能力，而不是像GSM8K那样只需简单算术。评测集按难度分为四个层级，其中Tier 4包含的题目，往往需要研究生以上数学背景，甚至很多题目本身就是尚未解决的前沿问题。它要求模型不仅会计算，还要能够构造证明、发现抽象规律、组合多个数学分支的定理。
因为难度过高，Tier 4长期被看作“AI数学的终极测试”。在GPT-4时代，模型正确率几乎为零；到了GPT-5，虽然能在部分简单层级上表现亮眼，但面对Tier 4依然步履维艰。业界普遍认为，这一层级的突破需要一次真正意义上的认知革命，而非参数或数据的简单堆砌。
GPT-6 Astra：从“接近”到“饱和”
GPT-6 Astra此次的突破，关键不在于“多对了几道题”，而是在于“饱和”。所谓饱和，指模型在该层级上的得分已经接近或达到测试集所能区分的上限，继续增加题目也无法再显著拉开模型之间的差距。
这背后意味着两层信息：其一，GPT-6 Astra已经具备解决大量Tier 4题目的能力，包括那些需要多步构造、反证法和跨领域联想的难题；其二，FrontierMath作为评测基准的区分度已经耗尽，无法再对顶尖模型的数学能力进行精细排序。
从已经透露的技术方向看，GPT-6 Astra不再单纯依赖大算力暴力计算，而是引入了更长链条的推理机制和符号验证模块。在复杂证明任务中，它可以生成候选路径、自我检查、回溯修正