Gemini 4 Carbon очолив MathArena, але коштує у 15 разів більше за GPT-6.1 Sol

Gemini 4 Carbon від Google став першою не-OpenAI моделлю за останній час, що очолила математичний бенчмарк MathArena, змістивши GPT-6.1 Sol з першого місця. Claude Fable 5.2 посів друге. Цей результат робить Gemini 4 Carbon потенційно однією з найздатніших публічно доступних моделей для математичних завдань.

Результат бенчмарку та доступність

Моделі OpenAI, які нещодавно нібито розв'язали складні рівняння, зокрема рівняння Нав'є-Стокса, ще не є публічно доступними. Найчастіший режим відмови Gemini 4 Carbon: перевищення ліміту часу.

Наполегливість під час завдань

Модель також майже ніколи не припиняє завдання, що можна трактувати і позитивно, і негативно. В одному випадку вона запустила скрипт, який працював понад одинадцять годин без перевірки його прогресу.

Порівняння вартості

За налаштувань міркування, використаних у тестуванні, Carbon і Fable 5.2 коштували приблизно у 15 і 40 разів більше за GPT-6.1 Sol відповідно. Gemini 4 Carbon (high) мав очікувану вартість $15.70, плюс-мінус $1.33, тоді як GPT-6.1 Sol (max) мав очікувану вартість $1.07, плюс-мінус $0.018. Claude-Fable-5.2 (max) мав очікувану вартість $40.20, плюс-мінус $2.59.

Рейтинги та дати випуску

У списку бенчмарку Gemini 4 Carbon (high) названо номером один загалом, з очікуваною результативністю 85.4 відсотка, плюс-мінус 3.0 відсотка, та датою випуску Google 10 листопада 2026 року. Claude-Fable-5.2 (max) є номером два загалом, з 82.8 відсотка, плюс-мінус 5.3 відсотка, та датою випуску Anthropic 9 листопада 2026 року. GPT-6.1 Sol (max) є номером три загалом, з 80.6 відсотка, плюс-мінус 2.7 відсотка, та датою випуску OpenAI 29 вересня 2026 року. Найкраща відкрита модель у списку: Kimi K3.1 Pro (max), з 54.3 відсотка, плюс-мінус 5.8 відсотка, датою випуску Moonshot AI 23 жовтня 2026 року та очікуваною вартістю $3.70, плюс-мінус $0.27.

Джерела: The Decoder