Gemini 4 Carbon-მა MathArena-ში პირველი ადგილი დაიკავა, მაგრამ GPT-6.1 Sol-ზე 15-ჯერ ძვირია

Google-ის Gemini 4 Carbon გახდა პირველი არა-OpenAI მოდელი ბოლო დროს, რომელმაც MathArena-ს მათემატიკური ბენჩმარკის ტოპში ასვლა შეძლო და GPT-6.1 Sol-ს პირველი ადგილი წაართვა. Claude Fable 5.2 მეორე ადგილზე გავიდა. შედეგის მიხედვით, Gemini 4 Carbon შესაძლოა მათემატიკური ამოცანებისთვის საჯაროდ ხელმისაწვდომ ერთ-ერთ ყველაზე ძლიერ მოდელად იქცეს.

ბენჩმარკის შედეგი და ხელმისაწვდომობა

OpenAI-ს მოდელები, რომლებმაც ცოტა ხნის წინ, სავარაუდოდ, ნავიე-სტოქსის განტოლებების მსგავსი რთული განტოლებები ამოხსნეს, ჯერ საჯაროდ ხელმისაწვდომი არ არის. Gemini 4 Carbon ყველაზე ხშირად იმაში მარცხდება, რომ დროის ლიმიტს აჭარბებს.

დაჟინებულობა დავალებების შესრულებისას

მოდელი თითქმის არასდროს თმობს დავალებას, რაც დადებით ან უარყოფით თვისებად შეიძლება აღიქვას. ერთ შემთხვევაში მან სკრიპტი გაუშვა, რომელიც თერთმეტ საათზე მეტხანს მუშაობდა და საკუთარ პროგრესს არ ამოწმებდა.

ღირებულების შედარება

ტესტირებისას გამოყენებული მსჯელობის პარამეტრებით, Gemini 4 Carbon-ი და Fable 5.2, შესაბამისად, დაახლოებით 15-ჯერ და 40-ჯერ ძვირია GPT-6.1 Sol-ზე. Gemini 4 Carbon (high) ვარიანტის მოსალოდნელი ღირებულება იყო $15,70 ±$1,33, ხოლო GPT-6.1 Sol (max) ვარიანტის მოსალოდნელი ღირებულება იყო $1,07 ±$0,018. Claude-Fable-5.2 (max) ვარიანტის მოსალოდნელი ღირებულება იყო $40,20 ±$2,59.

რეიტინგები და გამოშვების თარიღები

ბენჩმარკის სიაში Gemini 4 Carbon (high) საერთო რეიტინგში პირველ ადგილზეა, მოსალოდნელი შედეგია 85,4%, ±3,0%, ხოლო Google-ის გამოშვების თარიღი 2026 წლის 10 ნოემბერია. Claude-Fable-5.2 (max) საერთო რეიტინგში მეორე ადგილზეა: 82,8%, ±5,3%, ხოლო Anthropic-ის გამოშვების თარიღი 2026 წლის 9 ნოემბერია. GPT-6.1 Sol (max) საერთო რეიტინგში მესამე ადგილზეა: 80,6%, ±2,7%, ხოლო OpenAI-ს გამოშვების თარიღი 2026 წლის 29 სექტემბერია. სიაში მოცემული საუკეთესო ღია მოდელია Kimi K3.1 Pro (max): 54,3%, ±5,8%, Moonshot AI-ის გამოშვების თარიღი 2026 წლის 23 ოქტომბერია, ხოლო მოსალოდნელი ღირებულება $3,70 ±$0,27.

წყაროები: The Decoder