Gemini 4 Carbon возглавила MathArena, но стоит примерно в 15 раз дороже GPT-6.1 Sol
В опубликованном рейтинге MathArena модель Google получила ожидаемый результат 85,4%. Claude Fable 5.2 заняла второе место, а GPT-6.1 Sol — третье; тестирование Carbon и Fable обошлось заметно дороже.

Carbon вышла на первое место
По данным The Decoder, Gemini 4 Carbon стала первой за некоторое время моделью не от OpenAI, занявшей верхнюю строчку математического бенчмарка MathArena. В опубликованной сводке для Carbon указаны ожидаемый результат 85,4% ± 3,0% и первое место в общем рейтинге. Claude Fable 5.2 расположилась второй, GPT-6.1 Sol — третьей.
| Модель и настройки | Место | Ожидаемый результат | Ожидаемая стоимость |
|---|---|---|---|
| Gemini 4 Carbon (high) | 1 | 85,4% ± 3,0% | $15,70 ± $1,33 |
| Claude-Fable-5.2 (max) | 2 | 82,8% ± 5,3% | $40,20 ± $2,59 |
| GPT-6.1 Sol (max) | 3 | 80,6% ± 2,7% | $1,07 ± $0,018 |
| Kimi K3.1 Pro (max) | Лучшая открытая модель | 54,3% ± 5,8% | $3,70 ± $0,27 |
Высокий результат требует больших затрат
В тестировании использовали указанные в рейтинге настройки рассуждений. По оценке публикации, Carbon обходилась примерно в 15 раз дороже GPT-6.1 Sol, а Claude Fable 5.2 — примерно в 40 раз. Таблица приводит ожидаемую стоимость, но источник не уточняет в этом фрагменте единицу расчёта.
Среди типичных сбоев Carbon авторы отмечают превышение временного лимита. Модель почти не отказывается от задач: в одном описанном случае она запустила скрипт, который работал более одиннадцати часов, при этом модель не проверяла ход выполнения. В материале также сказано, что модели OpenAI пока не доступны публично.
Продолжить чтение
В ленте материалов: 1


