Gemini 4 Carbon đứng đầu MathArena với chi phí gấp 15 lần GPT-6.1 Sol
Bắt đầu từ đây
Theo The Decoder, Gemini 4 Carbon của Google đã đứng đầu bảng xếp hạng toán học MathArena, soán ngôi GPT-6.1 Sol và trở thành mô hình không phải của OpenAI đầu tiên sau một thời gian giữ vị trí dẫn đầu. Claude Fable 5.2 của Anthropic xếp thứ hai. Báo cáo liệt kê điểm số dự kiến là 85,4% cho Gemini 4 Carbon, 82,8% cho Claude Fable 5.2 và 80,6% cho GPT-6.1 Sol. Với các thiết lập suy luận được dùng trong thử nghiệm, Gemini 4 Carbon và Claude Fable 5.2 có chi phí lần lượt gấp khoảng 15 và 40 lần GPT-6.1 Sol. Báo cáo cũng lưu ý rằng kiểu thất bại phổ biến nhất của Gemini 4 Carbon là vượt quá giới hạn thời gian.
Tạo từ các bài viết · cập nhật 14 phút trước
Dòng thời gian bài viết
Theo các bài viết để thấy sự việc từ nhiều phía.
- The DecoderGemini 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.
Độ nóng của sự việc này
Chưa đủ quan sát liên tục để vẽ xu hướng.