Gemini 4 Carbon MathArena'da birinci oldu, ancak GPT-6.1 Sol'dan 15 kat daha pahalı

Google'ın Gemini 4 Carbon modeli, uzun bir aradan sonra MathArena matematik kıyaslamasının zirvesine çıkan ilk OpenAI dışı model oldu ve GPT-6.1 Sol'u birincilikten indirdi. Claude Fable 5.2 ikinci oldu. Bu sonuç Gemini 4 Carbon'u matematik görevleri için kamuya açık en yetenekli modellerden biri haline getirebilir.

Kıyaslama sonucu ve erişilebilirlik

Yakın zamanda Navier-Stokes denklemleri gibi zorlu denklemleri çözdüğü iddia edilen OpenAI modelleri henüz kamuya açık değil. Gemini 4 Carbon'un en sık görülen başarısızlık biçimi zaman sınırını aşması.

Görevler sırasında sebat

Model ayrıca bir görevden neredeyse hiç vazgeçmiyor; bu olumlu ya da olumsuz okunabilecek bir özellik. Bir durumda, ilerlemesini kontrol etmeden on bir saatten fazla çalışan bir betik başlattı.

Maliyet karşılaştırması

Testte kullanılan akıl yürütme ayarlarıyla Carbon ve Fable 5.2, GPT-6.1 Sol'a göre sırasıyla yaklaşık 15 ve 40 kat daha pahalı. Gemini 4 Carbon (high) için beklenen maliyet $15.70 ± $1.33, GPT-6.1 Sol (max) için beklenen maliyet $1.07 ± $0.018, Claude-Fable-5.2 (max) için beklenen maliyet ise $40.20 ± $2.59.

Sıralamalar ve yayın tarihleri

Kıyaslama listesi Gemini 4 Carbon (high) modelini genel sıralamada birinci gösteriyor: beklenen performans yüzde 85.4 (± 3.0 puan), Google yayın tarihi 10 Kasım 2026. Claude-Fable-5.2 (max) genel sıralamada ikinci: yüzde 82.8 (± 5.3 puan), Anthropic yayın tarihi 9 Kasım 2026. GPT-6.1 Sol (max) genel sıralamada üçüncü: yüzde 80.6 (± 2.7 puan), OpenAI yayın tarihi 29 Eylül 2026. Listede yer alan en iyi açık model Kimi K3.1 Pro (max): yüzde 54.3 (± 5.8 puan), Moonshot AI yayın tarihi 23 Ekim 2026 ve beklenen maliyet $3.70 ± $0.27.

Kaynaklar: The Decoder