ข้ามไปที่เนื้อหา
เหตุการณ์ร้อนแรงกำลังพัฒนา

Gemini 4 Carbon ครองอันดับหนึ่ง MathArena ด้วยต้นทุนเป็น 15 เท่าของ GPT-6.1 Sol

1 รายงาน1 แหล่งข่าวที่รายงานอัปเดต 1 ชม. ที่แล้ว

เริ่มตรงนี้

ไดเจสต์ AI

ตามรายงานของ The Decoder โมเดล Gemini 4 Carbon ของ Google ขึ้นแท่นอันดับหนึ่งบน MathArena ซึ่งเป็นเบนช์มาร์กด้านคณิตศาสตร์ แทนที่ GPT-6.1 Sol และกลายเป็นโมเดลที่ไม่ใช่ของ OpenAI รายแรกในรอบหนึ่งที่ครองตำแหน่งสูงสุดนี้ โดย Claude Fable 5.2 ของ Anthropic อยู่อันดับสอง รายงานระบุคะแนนคาดการณ์ที่ 85.4% สำหรับ Gemini 4 Carbon, 82.8% สำหรับ Claude Fable 5.2 และ 80.6% สำหรับ GPT-6.1 Sol ภายใต้การตั้งค่าการให้เหตุผลที่ใช้ในการทดสอบ Gemini 4 Carbon และ Claude Fable 5.2 มีต้นทุนสูงกว่า GPT-6.1 Sol ประมาณ 15 เท่าและ 40 เท่าตามลำดับ รายงานยังระบุด้วยว่าโหมดความล้มเหลวที่พบบ่อยที่สุดของ Gemini 4 Carbon คือการเกินเวลาที่กำหนด

สร้างจากรายงาน · อัปเดต 14 นาทีที่แล้ว

ล่าสุด15 พฤศจิกายน 00:48
Gemini 4 Carbon ครองอันดับหนึ่ง MathArena แต่มีค่าใช้จ่ายสูงกว่า GPT-6.1 Sol ถึง 15 เท่า

ไทม์ไลน์รายงาน

ไล่ตามรายงานเพื่อดูเหตุการณ์นี้จากหลายด้าน

15 พฤศจิกายน
  1. The Decoder
    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

ความร้อนแรงของเหตุการณ์นี้

ยังมีการเฝ้าดูต่อเนื่องไม่พอจะวาดแนวโน้ม