跳到主要內容
2026-11-15 日報
研究與評測

Google Gemini 4 Carbon 登頂 MathArena 數學榜:準確率 85.4%,推論成本為 GPT-6.1 Sol 的 15 倍

The Decoder單一來源
尚未逐項核實

目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。

據 The Decoder 報導,Google 旗下 Gemini 4 Carbon 在 MathArena 數學基準測試中以 85.4% ±3.0% 準確率拿下榜首,成為近期首個超越 OpenAI 的模型。Anthropic 的 Claude-Fable-5.2 以 82.8% ±5.3% 居次,原先領先的 OpenAI GPT-6.1 Sol 則以 80.6% ±2.7% 退居第三;月之暗面的 Kimi K3.1 Pro 則以 54.3% ±5.8% 成為表現最佳的開源模型。 評測指出該成績代價高昂:在測試採用的推論設定下,GPT-6.1 Sol 單次預期成本僅 1.07 ±0.018 美元,而 Gemini 4 Carbon 達 15.70 ±1.33 美元(約 15 倍),Claude-Fable-5.2 更高達 40.20 ±2.59 美元(約 40 倍),Kimi K3.1 Pro 則為 3.70 ±0.27 美元。 測試同時揭露 Gemini 4 Carbon 最常見的失敗模式是超過時限。該模型具備幾乎不放棄任務的特性,曾出現啟動指令碼後連續執行逾 11 小時卻未檢查進度的情況。此外,OpenAI 內部據傳已能解開 Navier-Stokes 方程等難題的模型目前尚未公開,Gemini 4 Carbon 因而成為目前公開可用模型中數學推論能力最強的選擇之一。
讀原始報導

這則事件的發展

  1. 2026-11-12Google Gemini 4 Carbon 全面開放付費使用,API 價約為 Claude Fable 5.2 一半
  2. 2026-11-11Google 全面開放 Gemini 4 Carbon:主打網路安全與長程代理,首發價每百萬輸入 Token 2 美元
  3. 2026-11-11GitHub Copilot 正式開放 Gemini 4 Carbon,Pro+、Max、Business、Enterprise 用戶可於多種 IDE 與平台選用
  4. 2026-11-05Google 發布 Gemini 4 Carbon 宣稱登頂 AA 指數,Alphabet 盤後一度大跌約 10%
本期分類