Gemini 4 Carbon возглавила MathArena, но оказалась в 15 раз дороже GPT-6.1 Sol

Модель Google заняла первое место в математическом рейтинге MathArena с ожидаемым результатом 85,4%, опередив Claude Fable 5.2 и GPT-6.1 Sol. При использованных настройках стоимость решения одной задачи составила $15,70 — примерно в 15 раз больше, чем у модели OpenAI.

MathArena, платформа оценки математических возможностей языковых моделей, обновила рейтинг после тестирования Gemini 4 Carbon от Google и Claude Fable 5.2 от Anthropic.

Gemini 4 Carbon в режиме high получила ожидаемый результат 85,4% ± 3,0 процентного пункта. Claude Fable 5.2 в режиме max заняла второе место с 82,8% ± 5,3 пункта, а прежний лидер GPT-6.1 Sol от OpenAI — третье с 80,6% ± 2,7 пункта. Диапазоны погрешности пересекаются, поэтому преимущество Carbon нельзя считать однозначным.

Ожидаемая стоимость решения одной задачи составила $15,70 для Carbon, $40,20 для Fable 5.2 и $1,07 для GPT-6.1 Sol. Таким образом, при протестированных настройках модель Google примерно в 15 раз дороже решения OpenAI, а модель Anthropic — почти в 38 раз.