原题:Gemini 4 Carbon takes the MathArena crown but costs 15 times more than GPT-6.1 Sol
MathArena 数学基准新加入 Gemini 4 Carbon 和 Claude Fable 5.2 的成绩:谷歌 Gemini 4 Carbon(high)排第一,Claude Fable 5.2(max)第二,把 GPT-6.1 Sol(max)挤下榜首。据 The Decoder,按测试时的推理设置,Carbon 和 Fable 5.2 的成本分别约为 GPT-6.1 Sol 的 15 倍和 40 倍;Carbon 最常见的失败是超时,几乎从不放弃任务,有一次启动的脚本跑了 11 个多小时都没检查进度。
为什么重要 较长时间以来第一次不是 OpenAI 模型领跑这个数学榜;但领先靠更多推理开销换来,实际使用要先算成本。
可信度:高可信 · 来源 MathArena 等 2 家(含官方) · 事件时间 11-15 00:48(北京时间)
理由
- MathArena 官网榜单已更新,The Decoder 报道成本对比
用法
- 在 matharena.ai 查看各模型分题成绩
风险
- 成本倍数取决于测试时选的推理档位
- 据报道 OpenAI 更强的数学模型尚未公开,不在榜上