【Gemini 4 Carbon(high)以 85.4% 登顶 MathArena,取代 GPT-6.1 Sol 榜首位置】MathArena 数学基准于当地时间 11 月 13 日更新排名,谷歌 Gemini 4 Carbon 在 high 推理设置下以 85.4% 的预期得分登顶,成为近期首个在该榜单上超越 OpenAI 模型的非 OpenAI 模型。此前领先的 GPT-6.1 Sol(max)以 80.6% 退居第三,Anthropic 的 Claude Fable 5.2(max)以 82.8% 位列第二。
此次登顶的代价是显著更高的推理成本。在测试所用设置下,Gemini 4 Carbon 单次任务成本约为 15.70 美元,而 GPT-6.1 Sol 仅需 1.07 美元,前者约为后者的 15 倍;Claude Fable 5.2 的成本更高达 40.20 美元。值得注意的是,前三名的误差范围存在重叠(Carbon ±3.0%,Fable 5.2 ±5.3%,Sol ±2.7%),实际差距可能小于分数所示。
测试还揭示了 Carbon 的行为特征:其最常见的失败模式是超出时间限制,但模型几乎从不主动放弃任务。在一次测试中,Carbon 启动的脚本持续运行超过 11 小时而未检查进度,体现出极高的任务坚持性,也带来资源浪费的风险。Gemini 4 Carbon 于 11 月 10 日发布,此次 MathArena 结果于 11 月 13 日纳入榜单。ai
