Qual IA é a melhor em matemática? O ranking real
Por Chatday Editorial Team ·
Se você quer a IA mais forte em matemática hoje, a resposta é o GPT-6.1 Sol. No começo deste mês, ele virou o primeiro modelo a resolver todos os problemas do nível mais difícil do FrontierMath, uma prova feita com questões de nível de pesquisa, escritas por matemáticos profissionais, que a IA nem chegava perto de resolver até pouco tempo atrás. Logo atrás, entre os modelos que você realmente pode usar no Chatday, vêm o Claude Sonnet 5.5 e o Claude Opus 5.
Essa é a resposta do ranking. Só que, para uma lista de exercícios de frações, uma simulação de financiamento ou para dividir a gorjeta, qualquer um dos modelos de ponta resolve, e os erros que eles ainda cometem têm pouco a ver com o quanto são inteligentes.
Como montamos o ranking de IAs para matemática
A gente não inventou nenhuma prova. Usamos a mais difícil entre as públicas: o FrontierMath, mantido pelo grupo de pesquisa independente Epoch AI. O nível mais difícil tem algumas dezenas de problemas inéditos, no nível da pesquisa matemática de verdade. As respostas não estão na internet, então nenhum modelo teve como decorá-las.
Escolhemos essa prova por três motivos:
- Ela é difícil o bastante para separar os melhores modelos. As provas mais fáceis, de nível escolar, já não diferenciam ninguém faz tempo, porque todos tiram quase nota máxima.
- A correção é automática. O modelo precisa dar uma resposta final exata, então não tem nota no achismo.
- Ela é independente das empresas. Em boa parte. Já explicamos isso.
Depois, ficamos só com os modelos que o Chatday realmente oferece, então cada nome abaixo é um que você pode abrir e testar hoje.
O ranking: qual IA é a melhor em matemática difícil
Veja como os modelos disponíveis no Chatday se saíram no nível de pesquisa do FrontierMath, com as porcentagens traduzidas para algo mais fácil de visualizar. As notas são do ranking público de meados de outubro de 2026.
| Modelo | Problemas de pesquisa resolvidos | Melhor para |
|---|---|---|
| GPT-6.1 Sol | Todos | As demonstrações, charadas e problemas de várias etapas mais difíceis |
| Claude Sonnet 5.5 | Cerca de 8 em 10 | Matemática difícil explicada em passos calmos e claros |
| Claude Opus 5 | Cerca de 7 em 10 | Problemas longos em que você quer um raciocínio cuidadoso |
| GPT-5.5 | Cerca de 7 em 10 | Um faz-tudo sólido e conhecido |
| Claude Haiku 5.5 | Quase metade | Ajuda rápida quando a velocidade importa mais que a profundidade |
| Grok 4.6 | Cerca de 1 em 3 | Perguntas do dia a dia, não matemática de olimpíada |
| Gemini 3.1 Pro | Cerca de 1 em 4 | Tarefas mistas, como ler um gráfico ou a foto de uma lista de exercícios |
Algumas coisas chamam a atenção.
O GPT-6.1 Sol é o vencedor surpresa. Ele nem é o modelo mais caro da OpenAI. É a versão mais barata que a OpenAI lançou no DevDay, em 29 de setembro, e nesta prova ele empatou com o carro-chefe da própria empresa, e até passou na frente por um triz. Falamos do lançamento no nosso explicativo sobre o GPT-6.1 Sol.
O Claude é a segunda família forte. O Sonnet 5.5, o Claude de porte médio, tirou uma nota até um pouco maior que o Opus 5, que é maior. Aqui, mais novo ganha de maior, o que é um bom lembrete de que o nome de um modelo não diz a posição dele.
Gemini e Grok ficam para trás nessa tarefa específica. Isso não quer dizer que sejam ruins. O Gemini 3.1 Pro foi feito para tarefas mistas, como ler a foto de um problema, e o Grok é rápido e conversador. Só não são os mais indicados para uma demonstração realmente difícil.
Por que um modelo que arrasa na matemática de pesquisa ainda pode errar sua lição de casa
É aqui que muita gente se surpreende. Um modelo capaz de resolver problemas de nível de pesquisa ainda pode errar algo tão simples quanto 17% de 240 se for com pressa. (Aliás, é 40,8.)
O motivo está no jeito como esses modelos leem. Eles não enxergam os números como uma calculadora. Eles quebram o texto em pedaços e preveem o que vem a seguir, que é também o motivo de alguns não conseguirem contar os R de “strawberry”. Sequências longas de dígitos são justamente onde isso pode escorregar.
O jeito de escrever a pergunta também pesa. Em 2024, pesquisadores da Apple testaram modelos com problemas de matemática do ensino fundamental e acrescentaram uma frase que parecia inofensiva, mas não tinha nada a ver, algo como um comentário de que algumas maçãs eram menores que as outras. As notas despencaram, até 65% em alguns modelos, porque eles tentavam usar o detalhe extra. Testes posteriores com modelos mais novos encontraram um efeito bem menor, então a diferença diminuiu bastante. A lição continua valendo: a parte mais difícil de um problema com enunciado, para uma IA, costuma ser a leitura, não a matemática.
Veja de onde costumam vir os erros do dia a dia:
| O que dá errado | Como aparece | A solução rápida |
|---|---|---|
| Conta feita com pressa | Um dígito errado numa multiplicação longa | Peça para refazer o cálculo passo a passo |
| Pergunta mal lida | Responde “por mês” quando você perguntou “por ano” | Reescreva a pergunta com suas palavras antes |
| Detalhes que confundem | Usa um número que não importa | Diga quais dados são relevantes |
| Excesso de confiança | Uma resposta limpa, errada e sem nenhuma dúvida | Pergunte como ele conferiria a resposta |
A melhor IA para matemática, de acordo com o que você vai fazer
O ranking mostra quem é mais inteligente. Esta parte mostra qual abrir.
Melhor para o estudante travado na lição de casa
Use o Claude Sonnet 5.5. Ele está entre os melhores em matemática difícil e costuma explicar cada passo em linguagem simples, que é o que você quer se a ideia é entender, e não copiar. Peça dicas antes da resposta. Nossos prompts para ajudar na lição de casa foram pensados justamente com essa ideia.
Melhor para problemas difíceis de verdade
Use o GPT-6.1 Sol. Questões de olimpíada, uma demonstração que você não consegue fechar, uma questão de estatística com cinco variáveis em jogo. Dê tempo para ele pensar e peça a resolução completa.
Melhor para as contas do dia a dia
Orçamento, parcelas de empréstimo, divisão do aluguel. Qualquer modelo de ponta serve, então escolha aquele com que você mais gosta de conversar. O risco aqui é um único dígito errado, então sempre peça a conta completa e confira se o número final faz sentido.
Melhor para a foto de uma lista de exercícios
O Gemini 3.1 Pro foi feito para trabalhar com imagens além de texto. Deixe que ele leia e transcreva o problema e, se for complicado, passe a resolução para o GPT-6.1 Sol ou para o Claude.
Como conseguir respostas de matemática confiáveis
Você não precisa de um prompt especial. Precisa de três hábitos:
- Peça os passos, não só a resposta. “Mostre a resolução” faz o modelo ir mais devagar e te dá algo para conferir.
- Faça ele verificar. Mande em seguida “Substitua sua resposta no problema original e confira”. É um jeito barato de fazer o deslize aparecer.
- Peça uma segunda opinião. Outro modelo comete outros erros, então quando dois concordam isso vale muito mais que uma única resposta cheia de certeza.
Esse último hábito é o motivo de ajudar tanto ter vários modelos num só lugar. Fazer a mesma pergunta ao GPT-6.1 Sol e depois ao Claude Sonnet 5.5 não deveria exigir dois apps e duas assinaturas.
Teste os dois melhores lado a lado
Quer ver a diferença no seu próprio problema? Escolha uma pergunta que importa de verdade para você, um exercício difícil da lição de casa ou uma conta em que você não quer errar, e coloque os dois modelos mais fortes em matemática lado a lado.