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