Gemini 4 Carbon возглавила MathArena, но решение задачи в 15 раз дороже, чем у GPT-6.1 Sol
Материал подготовлен Sintelligent с помощью ИИ. Опубликовано в SI: . Обновлено: .
Новый лидер по математике показывает, что прирост качества всё ещё можно получить за счёт долгого рассуждения, но цена такого ответа различается в десятки раз.
Gemini 4 Carbon с высоким уровнем рассуждения набрала 85,4% ±3,0% в MathArena и обошла Claude Fable 5.2 с 82,8% ±5,3% и GPT-6.1 Sol с 80,6% ±2,7%. Средняя стоимость решения задачи у Carbon составила 15,70 $ против 1,07 $ у GPT-6.1 Sol; Fable 5.2 оказалась ещё дороже — 40,20 $. Лучшей открытой моделью в таблице стала Kimi K3.1 Pro с 54,3% ±5,8%; у Carbon типичной ошибкой стало превышение лимита времени, включая один запуск скрипта более чем на 11 часов.
Источники 1