Hvilken AI er best i matte? Den ærlige rangeringen
Av Chatday Editorial Team ·
Vil du ha den AI-en som er sterkest i matte akkurat nå, er svaret GPT-6.1 Sol. Tidligere denne måneden løste den, som første modell noensinne, hver eneste oppgave på det vanskeligste nivået i FrontierMath, en test bygd på spørsmål på forskningsnivå som profesjonelle matematikere skriver, og som AI ikke kom i nærheten av før nylig. Blant modellene du faktisk kan bruke i Chatday, kommer Claude Sonnet 5.5 og Claude Opus 5 deretter.
Det er svaret ifølge resultatlista. Men til et oppgaveark med brøk, et anslag på boliglånet eller å dele restaurantregningen holder det med hvilken som helst av toppmodellene, og feilene de fortsatt gjør, har lite å gjøre med hvor smarte de er.
Slik rangerte vi AI-modellene i matte
Vi fant ikke på en egen test. Vi lente oss på den tøffeste offentlige: FrontierMath, som drives av den uavhengige forskningsgruppen Epoch AI. Det vanskeligste nivået består av noen dusin upubliserte oppgaver på nivå med ekte matematisk forskning. Svarene finnes ikke på nettet, så ingen modell kan ha pugget dem.
Vi valgte den av tre grunner:
- Den er vanskelig nok til å skille toppmodellene. Enklere tester på skolenivå sluttet å skille dem for en stund siden, fordi alle havner nær toppen.
- Den rettes automatisk. Modellen må gi et eksakt sluttsvar, så ingen vurderer etter magefølelsen.
- Den er uavhengig av selskapene. Stort sett. Mer om det om litt.
Deretter beholdt vi bare modellene Chatday faktisk tilbyr, så hvert navn nedenfor er et du kan åpne og prøve allerede i dag.
Rangeringen: hvilken AI er best i vanskelig matte
Slik gjorde modellene i Chatday det på forskningsnivået i FrontierMath, omregnet fra prosent til noe som er lettere å se for seg. Resultatene er hentet fra den offentlige resultatlista per midten av oktober 2026.
| Modell | Løste oppgaver på forskningsnivå | Best til |
|---|---|---|
| GPT-6.1 Sol | Alle | De vanskeligste bevisene, nøttene og flerstegsoppgavene |
| Claude Sonnet 5.5 | Omtrent 8 av 10 | Vanskelig matte forklart i rolige, lettleste steg |
| Claude Opus 5 | Omtrent 7 av 10 | Lange oppgaver der du vil ha grundige resonnementer |
| GPT-5.5 | Omtrent 7 av 10 | En stødig og kjent allrounder |
| Claude Haiku 5.5 | Nesten halvparten | Rask hjelp når fart betyr mer enn dybde |
| Grok 4.6 | Omtrent 1 av 3 | Hverdagsspørsmål, ikke konkurransematte |
| Gemini 3.1 Pro | Omtrent 1 av 4 | Blandede oppgaver, som å lese et diagram eller et bilde av et oppgaveark |
Noen ting skiller seg ut med en gang.
GPT-6.1 Sol er den overraskende vinneren. Det er ikke engang OpenAIs dyreste modell. Det er det rimeligere nivået OpenAI lanserte på DevDay 29. september, og på denne testen var den like god som, og med knappest mulig margin bedre enn, selskapets eget flaggskip. Vi skrev om lanseringen i vår gjennomgang av GPT-6.1 Sol.
Claude er den sterke andrefamilien. Sonnet 5.5, den mellomstore Claude-modellen, scoret faktisk litt høyere enn større Opus 5. Her slår nyere større, og det er en nyttig påminnelse om at navnet på en modell ikke forteller deg plasseringen.
Gemini og Grok henger etter akkurat på denne jobben. Det gjør dem ikke dårlige. Gemini 3.1 Pro er laget for blandede oppgaver, som å lese et bilde av en oppgave, og Grok er rask og pratsom. De er bare ikke de du gir et virkelig vanskelig bevis.
Hvorfor en modell som knuser forskningsmatte, likevel kan bomme på leksene dine
Det er her mange blir overrasket. En modell som klarer oppgaver på forskningsnivå, kan likevel regne feil på noe så enkelt som 17 % av 240 hvis den har det travelt. (Det er 40,8, forresten.)
Grunnen er måten modellene leser på. De ser ikke tall slik en kalkulator gjør. De deler teksten opp i biter og forutsier hva som kommer etterpå, og det er også derfor noen av dem ikke klarer å telle r-ene i strawberry. Lange tallrekker er akkurat der det kan skli ut.
Ordlyden betyr også noe. I 2024 testet forskere hos Apple modeller på tekstoppgaver fra barneskolen og la til én uskyldig, men irrelevant setning, for eksempel en merknad om at noen av eplene var mindre enn resten. Resultatene falt kraftig, med hele 65 % for noen modeller, fordi de prøvde å bruke den ekstra detaljen. Senere nye tester på nyere modeller fant en mye mindre effekt, så gapet har krympet mye. Lærdommen står seg likevel: det vanskeligste med en tekstoppgave for en AI er ofte lesingen, ikke matten.
Her kommer hverdagsfeilene som regel fra:
| Hva som går galt | Hvordan det ser ut | Den raske løsningen |
|---|---|---|
| Forhastet regning | Et feil siffer i en lang multiplikasjon | Be den regne på nytt steg for steg |
| Feillest spørsmål | Svarer «per måned» når du spurte «per år» | Gjengi spørsmålet med dine egne ord først |
| Villspor | Bruker et tall som ikke har noe å si | Si hvilke fakta som er relevante |
| Overdreven selvtillit | Et pent, feil svar uten snev av tvil | Spør hvordan den ville sjekket svaret |
Beste AI for matte, etter hva du faktisk skal gjøre
Resultatlista forteller hvem som er smartest. Denne delen forteller hvilken du skal åpne.
Best for en elev som står fast på leksene
Bruk Claude Sonnet 5.5. Den ligger nær toppen på vanskelig matte og forklarer gjerne hvert steg med enkle ord, og det er akkurat det du vil ha hvis målet er å forstå i stedet for å skrive av. Be den gi hint før svaret. Promptene våre for leksehjelp er bygd rundt nettopp den ideen.
Best for virkelig vanskelige oppgaver
Bruk GPT-6.1 Sol. Olympiadenøtter, et bevis du ikke får til, et statistikkspørsmål med fem bevegelige deler. Gi den tid til å tenke og be om hele utregningen.
Best for privatøkonomi
Budsjett, nedbetaling av lån, deling av husleie. Alle toppmodellene fungerer, så velg den du liker å snakke med. Risikoen her er ett eneste feil siffer, så be alltid om utregningen og sjekk selv at sluttsummen virker rimelig.
Best for et bilde av et oppgaveark
Gemini 3.1 Pro er laget for å jobbe med bilder like godt som tekst. La den lese og skrive av oppgaven, og overlat selve løsningen til GPT-6.1 Sol eller Claude hvis den er vrien.
Slik får du mattesvar du kan stole på
Du trenger ingen spesiell prompt. Du trenger tre vaner:
- Be om stegene, ikke bare svaret. «Vis utregningen din» får modellen til å senke tempoet, og du får noe å sjekke.
- La den kontrollere seg selv. Følg opp med «Sett svaret ditt inn i den opprinnelige oppgaven og sjekk det.» Det er en enkel måte å få en glipp fram i lyset på.
- Hent inn en annen mening. En annen modell gjør andre feil, så når to av dem er enige, er det verdt mye mer enn ett enkelt selvsikkert svar.
Den siste vanen er grunnen til at det hjelper å ha flere modeller på ett sted. Å stille det samme spørsmålet til GPT-6.1 Sol og så Claude Sonnet 5.5 burde ikke kreve to apper og to abonnementer.
Prøv de to beste side om side
Vil du se forskjellen på din egen oppgave? Velg et spørsmål du faktisk bryr deg om, en vrien lekseoppgave eller en utregning du helst ikke vil ta feil på, og sett de to sterkeste mattemodellene ved siden av hverandre.