Какой ИИ лучше всех в математике: честный рейтинг
Автор Chatday Editorial Team ·
Если вам нужен ИИ, который сейчас сильнее всех в математике, это GPT-6.1 Sol. В начале месяца он стал первой моделью, решившей все задачи самого сложного уровня FrontierMath. Это тест из задач исследовательского уровня, которые пишут профессиональные математики, и ещё недавно ИИ с ними просто не справлялся. Следом среди моделей, доступных в Chatday, идут Claude Sonnet 5.5 и Claude Opus 5.
Это ответ по таблице лидеров. Но чтобы решить пример с дробями, прикинуть ипотеку или поделить счёт в кафе, хватит любой из топовых моделей, а ошибки, которые они всё ещё допускают, почти не связаны с их умом.
Как мы составляли рейтинг ИИ для математики
Свой тест мы не придумывали. Мы опирались на самый жёсткий из публичных: FrontierMath от независимой исследовательской группы Epoch AI. Его самый сложный уровень состоит из нескольких десятков неопубликованных задач на уровне настоящих математических исследований. Ответов на них в интернете нет, поэтому заучить их модель не могла.
Мы выбрали его по трём причинам:
- Он достаточно сложный, чтобы различить лучшие модели. Школьные тесты попроще давно перестали их разделять: все набирают почти максимум.
- Ответы проверяются автоматически. Модель должна дать точный итоговый ответ, так что оценок «на глазок» здесь нет.
- Он не зависит от компаний. В основном. Об этом чуть ниже.
Затем мы оставили только те модели, которые реально есть в Chatday, так что каждую из них можно открыть и попробовать уже сегодня.
Рейтинг: какой ИИ лучше всех решает сложную математику
Вот как модели из Chatday справились с исследовательским уровнем FrontierMath. Проценты мы перевели в более наглядный вид. Данные взяты из публичной таблицы лидеров на середину октября 2026 года.
| Модель | Решено задач исследовательского уровня | Для чего лучше всего |
|---|---|---|
| GPT-6.1 Sol | Все | Самые трудные доказательства, головоломки и многошаговые задачи |
| Claude Sonnet 5.5 | Около 8 из 10 | Сложная математика, объяснённая спокойно и понятно по шагам |
| Claude Opus 5 | Около 7 из 10 | Длинные задачи, где нужны аккуратные рассуждения |
| GPT-5.5 | Около 7 из 10 | Надёжный и привычный универсал |
| Claude Haiku 5.5 | Почти половина | Быстрая помощь, когда скорость важнее глубины |
| Grok 4.6 | Около 1 из 3 | Повседневные вопросы, а не олимпиадная математика |
| Gemini 3.1 Pro | Около 1 из 4 | Смешанные задачи, например график или фото листа с заданиями |
Сразу бросается в глаза несколько вещей.
GPT-6.1 Sol оказался неожиданным победителем. Это даже не самая дорогая модель OpenAI. Это более доступный уровень, который OpenAI представила на DevDay 29 сентября, и на этом тесте он сравнялся с флагманом самой компании, а то и обошёл его на волосок. Подробнее о запуске мы писали в разборе GPT-6.1 Sol.
Claude уверенно держит второе место как семейство. Sonnet 5.5, средняя модель Claude, набрала даже чуть больше, чем более крупная Opus 5. Здесь новизна важнее размера, и это хорошее напоминание: по названию модели её место в рейтинге не угадаешь.
Gemini и Grok отстают именно в этой задаче. Плохими их это не делает. Gemini 3.1 Pro создан для смешанных задач, например чтобы прочитать фото с условием, а Grok быстрый и разговорчивый. Просто по-настоящему сложное доказательство лучше доверить не им.
Почему модель, щёлкающая научные задачи, может споткнуться на домашке
Вот что многих сбивает с толку. Модель, которая справляется с задачами исследовательского уровня, всё равно может ошибиться в чём-то простом вроде 17% от 240, если поспешит. (Кстати, это 40,8.)
Всё дело в том, как эти модели читают. Они видят числа не так, как калькулятор. Они разбивают текст на фрагменты и предсказывают, что будет дальше, и поэтому некоторые из них не могут посчитать буквы в слове. Длинные цепочки цифр как раз то место, где это может дать сбой.
Формулировка тоже важна. В 2024 году исследователи Apple проверяли модели на текстовых задачах для начальной школы и добавляли в условие одно безобидное, но лишнее предложение, например о том, что несколько яблок были меньше остальных. Результаты резко падали, у некоторых моделей до 65%, потому что они пытались использовать эту лишнюю деталь. Повторные проверки на более новых моделях показали гораздо меньший эффект, так что разрыв сильно сократился. Но вывод остаётся в силе: самое коварное в текстовой задаче для ИИ часто не математика, а чтение условия.
Вот откуда обычно берутся бытовые ошибки:
| Что идёт не так | Как это выглядит | Быстрое решение |
|---|---|---|
| Спешка в вычислениях | Неверная цифра в длинном умножении | Попросите пересчитать по шагам |
| Неверно понятое условие | Ответ «в месяц», когда вы спрашивали «в год» | Сначала перескажите вопрос своими словами |
| Лишние детали | Использует число, которое ни на что не влияет | Укажите, какие данные важны |
| Самоуверенность | Аккуратный, но неверный ответ без тени сомнения | Спросите, как бы он проверил ответ |
Лучший ИИ для математики под вашу задачу
Таблица лидеров показывает, кто умнее всех. А этот раздел подскажет, кого открыть.
Лучший для школьника, который застрял на домашке
Берите Claude Sonnet 5.5. Он в числе лучших в сложной математике и обычно объясняет каждый шаг простыми словами, а это именно то, что нужно, если цель разобраться, а не списать. Попросите его сначала дать подсказки, а уже потом ответ. На этой идее построены наши промпты для помощи с домашкой.
Лучший для по-настоящему сложных задач
Берите GPT-6.1 Sol. Олимпиадные задачи, доказательство, которое никак не поддаётся, вопрос по статистике с пятью переменными. Дайте ему время подумать и попросите полное решение.
Лучший для расчётов с деньгами
Бюджет, платежи по кредиту, раздел аренды. Подойдёт любая топовая модель, так что выбирайте ту, с которой вам приятнее общаться. Главный риск здесь одна неверная цифра, поэтому всегда просите показать расчёт и сами проверяйте итоговое число на здравый смысл.
Лучший для фото листа с заданиями
Gemini 3.1 Pro умеет работать не только с текстом, но и с изображениями. Пусть он прочитает и перепишет условие, а само решение, если задача трудная, передайте GPT-6.1 Sol или Claude.
Как получать ответы по математике, которым можно доверять
Особый промпт не нужен. Нужны три привычки:
- Просите шаги, а не только ответ. Фраза «Покажи решение» заставляет модель не торопиться и даёт вам то, что можно проверить.
- Заставьте её проверить себя. Добавьте: «Подставь ответ в исходную задачу и проверь его». Это простой способ выловить ошибку.
- Узнайте второе мнение. Другая модель ошибается по-другому, поэтому совпадение ответов двух моделей стоит куда больше, чем один уверенный ответ.
Именно из-за последней привычки удобно держать несколько моделей в одном месте. Чтобы задать один вопрос GPT-6.1 Sol, а потом Claude Sonnet 5.5, не должны требоваться два приложения и две подписки.
Сравните двух лидеров рядом
Хотите увидеть разницу на своей задаче? Возьмите вопрос, который вам действительно важен, например каверзную задачу из домашки или расчёт, в котором не хочется ошибиться, и поставьте рядом две сильнейшие в математике модели.