Welke AI is het beste in wiskunde? De eerlijke ranglijst
Door Chatday Editorial Team ·
Zoek je de AI die op dit moment het sterkst is in wiskunde, dan is dat GPT-6.1 Sol. Begin deze maand werd het als eerste model ooit alle opgaven uit het zwaarste niveau van FrontierMath de baas: een test vol vragen op onderzoeksniveau, geschreven door professionele wiskundigen, waar AI tot voor kort niets mee kon. Daarna volgen Claude Sonnet 5.5 en Claude Opus 5, van de modellen die je echt in Chatday kunt gebruiken.
Dat is het antwoord volgens de ranglijst. Maar voor een werkblad met breuken, een schatting van je hypotheek of het verdelen van de fooi kom je met elk topmodel prima uit, en de fouten die ze nog maken hebben weinig te maken met hoe slim ze zijn.
Zo hebben we de AI-modellen voor wiskunde gerangschikt
We hebben zelf geen test bedacht. We gingen uit van de zwaarste openbare test: FrontierMath, beheerd door de onafhankelijke onderzoeksgroep Epoch AI. Het zwaarste niveau bestaat uit een paar dozijn ongepubliceerde opgaven op het niveau van echt wiskundig onderzoek. De antwoorden staan niet online, dus een model kan ze niet uit het hoofd hebben geleerd.
We kozen deze test om drie redenen:
- Hij is zwaar genoeg om de topmodellen uit elkaar te halen. Makkelijkere tests op schoolniveau maken al een tijdje geen onderscheid meer, omdat ze allemaal bijna de maximale score halen.
- Hij wordt automatisch nagekeken. Het model moet een exact eindantwoord geven, dus er wordt niet op gevoel beoordeeld.
- Hij staat los van de bedrijven. Grotendeels. Daar komen we zo op terug.
Daarna hielden we alleen de modellen over die Chatday echt aanbiedt, dus elke naam hieronder kun je vandaag openen en uitproberen.
De ranglijst: welke AI is het beste in moeilijke wiskunde
Zo deden de modellen die in Chatday beschikbaar zijn het op het onderzoeksniveau van FrontierMath, met de percentages omgezet naar iets wat je je makkelijker kunt voorstellen. De scores komen van de openbare ranglijst van half oktober 2026.
| Model | Opgaven op onderzoeksniveau opgelost | Het beste voor |
|---|---|---|
| GPT-6.1 Sol | Allemaal | De lastigste bewijzen, puzzels en opgaven met meerdere stappen |
| Claude Sonnet 5.5 | Ongeveer 8 op de 10 | Moeilijke wiskunde, rustig en leesbaar stap voor stap uitgelegd |
| Claude Opus 5 | Ongeveer 7 op de 10 | Lange opgaven waarbij je zorgvuldig redeneren wilt |
| GPT-5.5 | Ongeveer 7 op de 10 | Een degelijke, vertrouwde allrounder |
| Claude Haiku 5.5 | Bijna de helft | Snelle hulp als snelheid belangrijker is dan diepgang |
| Grok 4.6 | Ongeveer 1 op de 3 | Alledaagse vragen, geen wedstrijdwiskunde |
| Gemini 3.1 Pro | Ongeveer 1 op de 4 | Gemengde taken, zoals een grafiek of een foto van een werkblad lezen |
Er vallen een paar dingen op.
GPT-6.1 Sol is de verrassende winnaar. Het is niet eens het duurste model van OpenAI. Het is de goedkopere variant die OpenAI op 29 september tijdens DevDay lanceerde, en op deze test evenaarde het het eigen vlaggenschip van het bedrijf, en versloeg het dat zelfs nipt. We bespraken de lancering in onze uitleg over GPT-6.1 Sol.
Claude is de tweede sterke familie. Sonnet 5.5, de middelgrote Claude, scoorde zelfs iets hoger dan het grotere Opus 5. Nieuwer wint hier van groter, en dat herinnert je eraan dat de naam van een model niets zegt over zijn plek.
Gemini en Grok blijven achter bij deze specifieke taak. Dat maakt ze niet slecht. Gemini 3.1 Pro is gemaakt voor gemengde taken, zoals het lezen van een foto van een opgave, en Grok is snel en praatgraag. Ze zijn alleen niet degene die je een echt lastig bewijs geeft.
Waarom een model dat onderzoekswiskunde aankan toch je huiswerk kan verknoeien
Hier gaan veel mensen de mist in. Een model dat opgaven op onderzoeksniveau kan kraken, kan zich nog steeds vergissen in iets simpels als 17% van 240 als het zich haast. (Het is trouwens 40,8.)
Dat komt door de manier waarop deze modellen lezen. Ze zien getallen niet zoals een rekenmachine. Ze knippen tekst op in stukjes en voorspellen wat er daarna komt, en dat is ook waarom sommige de R’s in ‘strawberry’ niet kunnen tellen. Juist bij lange reeksen cijfers kan dat misgaan.
Ook de formulering maakt uit. In 2024 testten onderzoekers van Apple modellen met redactiesommen van basisschoolniveau en voegden ze één onschuldig klinkende maar irrelevante zin toe, bijvoorbeeld dat een paar van de appels kleiner waren dan de rest. De scores zakten flink, bij sommige modellen met wel 65%, omdat ze dat extra detail probeerden te gebruiken. Latere tests met nieuwere modellen vonden een veel kleiner effect, dus het verschil is flink gekrompen. De les blijft staan: het lastigste deel van een redactiesom is voor een AI vaak het lezen, niet het rekenen.
Hier komen alledaagse fouten meestal vandaan:
| Wat er misgaat | Hoe het eruitziet | De snelle oplossing |
|---|---|---|
| Haastig rekenwerk | Een fout cijfer in een lange vermenigvuldiging | Vraag het de berekening stap voor stap opnieuw te doen |
| Vraag verkeerd gelezen | Antwoordt ‘per maand’ terwijl je ‘per jaar’ vroeg | Formuleer de vraag eerst in je eigen woorden |
| Afleidende details | Gebruikt een getal dat er niet toe doet | Zeg welke gegevens relevant zijn |
| Overmoed | Een strak, fout antwoord zonder enige twijfel | Vraag hoe het het antwoord zou controleren |
De beste AI voor wiskunde, per situatie
De ranglijst vertelt je wie het slimst is. Dit vertelt je welke je moet openen.
Het beste voor een leerling die vastzit met huiswerk
Gebruik Claude Sonnet 5.5. Het zit dicht bij de top in moeilijke wiskunde en legt elke stap meestal in gewone taal uit, en dat wil je als het doel is om het te snappen in plaats van over te schrijven. Vraag eerst om hints en pas daarna om het antwoord. Onze prompts voor hulp bij huiswerk zijn precies rond dat idee opgebouwd.
Het beste voor echt moeilijke opgaven
Gebruik GPT-6.1 Sol. Olympiadepuzzels, een bewijs waar je niet uitkomt, een statistiekvraag met vijf bewegende delen. Geef het de tijd om na te denken en vraag om de volledige uitwerking.
Het beste voor geldzaken
Budgetten, aflossingen van een lening, de huur verdelen. Elk topmodel volstaat, dus kies het model waarmee je het liefst praat. Het risico zit hier in één fout cijfer, dus vraag altijd om de uitwerking en kijk zelf of het eindgetal klopt.
Het beste voor een foto van een werkblad
Gemini 3.1 Pro is gemaakt om met afbeeldingen en tekst te werken. Laat het de opgave lezen en overtypen, en geef het echte oplossen aan GPT-6.1 Sol of Claude als het een pittige is.
Zo krijg je wiskundige antwoorden waar je op kunt bouwen
Je hebt geen speciale prompt nodig. Je hebt drie gewoontes nodig:
- Vraag om de stappen, niet alleen om het antwoord. ‘Laat je uitwerking zien’ dwingt het model om rustiger aan te doen, en je hebt meteen iets om te controleren.
- Laat het zichzelf controleren. Vraag daarna: ‘Vul je antwoord in de oorspronkelijke opgave in en controleer het.’ Zo komt een misser goedkoop boven water.
- Vraag een second opinion. Een ander model maakt andere fouten, dus als twee modellen het eens zijn, is dat veel meer waard dan één zelfverzekerd antwoord.
Die laatste gewoonte is precies waarom het handig is om meerdere modellen op één plek te hebben. GPT-6.1 Sol en daarna Claude Sonnet 5.5 dezelfde vraag stellen zou niet twee apps en twee abonnementen moeten betekenen.
Probeer de beste twee naast elkaar
Wil je het verschil zien bij je eigen opgave? Kies een vraag die er voor jou echt toe doet, een lastige huiswerkopgave of een berekening die je liever niet fout hebt, en zet de twee sterkste wiskundemodellen naast elkaar.