Gemini 4 Carbon đứng đầu MathArena nhưng tốn kém gấp 15 lần GPT-6.1 Sol

Gemini 4 Carbon của Google đã trở thành mô hình không phải của OpenAI đầu tiên sau một thời gian đứng đầu bảng xếp hạng toán học MathArena, soán ngôi GPT-6.1 Sol, với Claude Fable 5.2 của Anthropic giành vị trí thứ hai. Trong các thiết lập suy luận được thử nghiệm, Gemini 4 Carbon và Claude Fable 5.2 có chi phí lần lượt gấp khoảng 15 và 40 lần so với GPT-6.1 Sol. Báo cáo liệt kê hiệu suất kỳ vọng là 85,4% cho Gemini 4 Carbon, 82,8% cho Claude Fable 5.2 và 80,6% cho GPT-6.1 Sol, đồng thời ghi nhận rằng kiểu thất bại phổ biến nhất của Gemini 4 Carbon là vượt quá giới hạn thời gian.