数学に一番強いAIはどれ？忖度なしのランキング
著者 Chatday Editorial Team ·
いま数学に一番強いAIを選ぶなら、答えはGPT-6.1 Solです。今月上旬、FrontierMathの最難関レベルの問題をすべて解いた初めてのモデルになりました。FrontierMathはプロの数学者が作る研究レベルの問題で構成されたテストで、少し前までAIはほとんど歯が立ちませんでした。Chatdayで実際に使えるモデルのなかでは、Claude Sonnet 5.5とClaude Opus 5がそれに続きます。
これがランキング上の答えです。ただ、分数のプリントや住宅ローンの試算、割り勘の計算なら、上位のモデルはどれでも十分に役立ちます。それでも起きるミスは、モデルの賢さとはあまり関係がありません。
数学に強いAIをどうランク付けしたか
独自のテストは作っていません。頼りにしたのは、公開されているなかで最も難しいテスト、独立系の研究グループEpoch AIが運営するFrontierMathです。その最難関レベルは、本物の数学研究に相当する未公開の問題が数十問ほど。答えはネット上にないため、モデルが丸暗記している心配もありません。
このテストを選んだ理由は3つあります。
- 上位モデルの差がはっきり出るほど難しいこと。 学校レベルの易しいテストでは、どのモデルも満点近くを取るので、もう差がつきません。
- 採点が自動であること。 モデルは正確な最終解答を出す必要があるため、印象で採点されることはありません。
- AI企業から独立していること。 おおむね、ですが。これについてはすぐ後で触れます。
そのうえで、Chatdayが実際に提供しているモデルだけに絞りました。以下に出てくるモデルは、どれも今日すぐに開いて試せます。
ランキング：難しい数学に一番強いAIは
Chatdayで使えるモデルがFrontierMathの研究レベルでどんな成績だったかを、パーセントではなくイメージしやすい形にまとめました。スコアは2026年10月中旬時点の公開リーダーボードによるものです。
| モデル | 解けた研究レベルの問題 | 向いている用途 |
|---|---|---|
| GPT-6.1 Sol | 全問 | 最難関の証明、パズル、何段階もある問題 |
| Claude Sonnet 5.5 | 10問中約8問 | 難しい数学を落ち着いた読みやすい手順で説明 |
| Claude Opus 5 | 10問中約7問 | じっくり推論してほしい長い問題 |
| GPT-5.5 | 10問中約7問 | 安定していて使い慣れた万能型 |
| Claude Haiku 5.5 | 半分弱 | 深さよりスピードが大事なときの手早いサポート |
| Grok 4.6 | 約3問に1問 | 日常的な質問向けで、競技数学向きではない |
| Gemini 3.1 Pro | 約4問に1問 | グラフやプリントの写真を読むような複合的な作業 |
いくつか目を引く点があります。
意外な勝者はGPT-6.1 Solです。 OpenAIで一番高いモデルですらありません。9月29日のDevDayで発表された手頃な価格帯のモデルなのに、このテストでは同社のフラッグシップと肩を並べ、わずかに上回りました。発表の内容はGPT-6.1 Solの解説記事で紹介しています。
Claudeは手堅い2番手のシリーズです。 中型のSonnet 5.5が、より大きいOpus 5を少し上回りました。ここでは大きさより新しさが勝っています。モデルの名前だけでは実力がわからない、という良い教訓です。
GeminiとGrokは、この用途では後れを取っています。 だからといって性能が低いわけではありません。Gemini 3.1 Proは問題の写真を読むような複合的な作業向けに作られていますし、Grokは反応が速く会話上手です。ただ、本当に難しい証明を任せる相手ではありません。
研究レベルの数学が解けるのに、宿題でつまずく理由
ここでつまずく人が多いポイントです。研究レベルの問題を解けるモデルでも、急げば「240の17%」のような単純な計算を間違えることがあります。(ちなみに答えは40.8です。)
理由は、AIの文章の読み方にあります。AIは電卓のように数字を扱っているわけではありません。文章を細かいかたまりに分けて、次に来るものを予測しています。一部のモデルがstrawberryに含まれるRの数を数えられないのも同じ理由です。長い数字の並びは、まさにそこでミスが出やすい部分です。
問題の書き方も影響します。2024年、Appleの研究者が小学生レベルの文章題でモデルをテストし、一見無害だけれど関係のない一文を加えました。たとえば「りんごのうち何個かはほかより小さかった」といった一文です。するとスコアは大きく下がり、モデルによっては最大65%も落ちました。余計な情報まで計算に使おうとしたためです。その後、新しいモデルで再テストしたところ影響はずっと小さく、差はかなり縮まっています。それでも教訓は変わりません。AIにとって文章題で一番手ごわいのは、計算よりも問題文の読み取りであることが多いのです。
日常的なミスは、たいてい次のようなところから生まれます。
| 起きること | よくある例 | すぐできる対策 |
|---|---|---|
| 計算を急ぐ | 長いかけ算で1桁だけ間違える | 1ステップずつ計算し直してもらう |
| 問題を読み違える | 「年あたり」と聞いたのに「月あたり」で答える | まず質問を自分の言葉で言い直す |
| 関係ない情報に引っかかる | 不要な数字を計算に使う | どの情報が必要かを伝える |
| 自信過剰 | 迷いのない、きれいな間違った答え | 答えをどう確かめるか聞く |
目的別：数学に強いAIの選び方
ランキングでわかるのは、どのモデルが一番賢いかです。ここでは、実際にどれを開けばいいかを紹介します。
宿題で行き詰まった学生には
Claude Sonnet 5.5がおすすめです。難しい数学でもトップクラスで、各ステップをわかりやすい言葉で説明してくれる傾向があります。答えを写すのではなく理解したいなら、まさに必要な力です。答えの前にヒントを出すよう頼んでみてください。宿題に役立つプロンプトも、この考え方をもとに作っています。
本当に難しい問題には
GPT-6.1 Solを使いましょう。数学オリンピックのパズル、どうしても解けない証明、要素が5つも絡む統計の問題などです。考える時間をたっぷり与え、途中式をすべて出してもらいましょう。
お金の計算には
家計の予算、ローンの返済額、家賃の割り勘。上位のモデルならどれでも大丈夫なので、話しやすいものを選んでください。ここで怖いのは1桁の間違いです。必ず途中式を出してもらい、最終的な数字が妥当かを自分でも確かめましょう。
プリントの写真を読み取るなら
Gemini 3.1 Proは、文章だけでなく画像も扱えるように作られています。問題を読み取って書き起こしてもらい、難しい問題なら実際の解答はGPT-6.1 SolかClaudeに任せましょう。
信頼できる数学の答えを得るコツ
特別なプロンプトは必要ありません。必要なのは3つの習慣です。
- 答えだけでなく、途中の手順を聞く。 「途中式も見せて」と頼むとモデルは落ち着いて考えますし、こちらも確認する材料が手に入ります。
- 検算させる。 続けて「その答えを元の問題に代入して確かめて」と頼みましょう。ミスをあぶり出す手軽な方法です。
- セカンドオピニオンをもらう。 別のモデルは別のミスをします。だから2つのモデルの答えが一致することは、1つのモデルの自信たっぷりな回答よりずっと価値があります。
最後の習慣こそ、複数のモデルを1か所で使えると便利な理由です。GPT-6.1 Solに聞いてからClaude Sonnet 5.5にも同じ質問をするのに、アプリを2つ入れてサブスクを2つ契約する必要はないはずです。
上位2モデルを並べて試す
自分の問題で違いを確かめてみませんか？手こずっている宿題や、絶対に間違えたくない計算など、本当に気になる質問を1つ選んで、数学に最も強い2つのモデルに並べて解かせてみましょう。