Gemini 4 Carbon ครองอันดับหนึ่ง MathArena แต่มีค่าใช้จ่ายสูงกว่า GPT-6.1 Sol ถึง 15 เท่า

Gemini 4 Carbon ของ Google กลายเป็นโมเดลที่ไม่ใช่ของ OpenAI รายแรกในรอบหนึ่งที่ขึ้นครองอันดับหนึ่งบน MathArena ซึ่งเป็นเบนช์มาร์กคณิตศาสตร์ แทนที่ GPT-6.1 Sol โดย Claude Fable 5.2 ของ Anthropic อยู่อันดับสอง ในการตั้งค่าการให้เหตุผลที่ทดสอบ Gemini 4 Carbon และ Claude Fable 5.2 มีค่าใช้จ่ายสูงกว่า GPT-6.1 Sol ประมาณ 15 เท่าและ 40 เท่าตามลำดับ รายงานระบุประสิทธิภาพที่คาดหวังไว้ที่ 85.4% สำหรับ Gemini 4 Carbon, 82.8% สำหรับ Claude Fable 5.2 และ 80.6% สำหรับ GPT-6.1 Sol และระบุว่ารูปแบบความล้มเหลวที่พบบ่อยที่สุดของ Gemini 4 Carbon คือการเกินเวลาที่กำหนด