快讯

专题谷歌 Gemini 4

快讯·模型与产品·2026-11-16 08:10

Gemini 4 Carbon 登顶 MathArena 数学榜:85.4% 居首,单题成本为对手 15 倍

MathArena 11 月 13 日更新榜单:Gemini 4 Carbon 以 85.4% 登顶,Fable 5.2 以 82.8% 居第二,GPT-6.1 Sol 以 80.6% 退至第三。

阳光明亮的大学教室,白板上写满数学公式
AI 生成示意图

发生了什么

11 月 13 日,独立数学基准 MathArena 把 Gemini 4 Carbon 与 Claude Fable 5.2 的成绩加入榜单,榜首随之易主:此前居首的 OpenAI GPT-6.1 Sol 退至第三。榜单按预期表现排名,综合各题实测与统计估计。

按 The Decoder 11 月 14 日引述的榜单,Gemini 4 Carbon(high 档)预期表现 85.4%(±3.0 个百分点),单题成本 15.70 美元(±1.33 美元);Claude Fable 5.2(max 档)82.8%(±5.3),单题 40.20 美元;GPT-6.1 Sol(max 档)80.6%(±2.7),单题 1.07 美元。Carbon 于 11 月 10 日发布,Fable 5.2 于 11 月 9 日发布,Sol 于 9 月 29 日发布。

The Decoder 指出,Carbon 最常见的失败是超出时间限制,且几乎从不放弃作答:一次运行中,模型启动一个脚本后连续运行 11 个多小时未检查进度。最佳开源模型为 Moonshot AI 的 Kimi K3.1 Pro,54.3%,单题 3.70 美元。

关键事实

  1. 榜首:Gemini 4 Carbon(high 档),预期表现 85.4%(±3.0),单题成本 15.70 美元(±1.33),11 月 10 日发布
  2. 第二名:Claude Fable 5.2(max 档),82.8%(±5.3),单题 40.20 美元,11 月 9 日发布
  3. 第三名:GPT-6.1 Sol(max 档),80.6%(±2.7),单题 1.07 美元,9 月 29 日发布
  4. 成本对比:按测试所用推理档位,Carbon 单题成本约为 Sol 的 15 倍,Fable 5.2 约为 40 倍
  5. 失败模式:Carbon 最常见的失败是超出时间限制,几乎从不放弃作答;一次运行中脚本连续运行 11 个多小时
  6. 误差范围:三名选手误差范围重叠:Carbon 为 82.4% 至 88.4%,Fable 5.2 为 77.5% 至 88.1%,Sol 为 77.9% 至 83.3%
  7. 最佳开源模型:Kimi K3.1 Pro,54.3%(±5.8),单题 3.70 美元

为什么重要

登顶者单题成本 15.70 美元,约为第三名的 15 倍;三名选手误差范围重叠,榜首不等于性价比最高。
有用 这篇对你有帮助,就点一下
转给朋友生成一张分享图,发 X、微信、Telegram 都行

信源The Decoder(2026-11-14);Daily AI Brief(2026-11-14)。本文为公开信息整理,不构成任何投资建议。

本文来自 HIMIAO视界 · himiao.ai

今天能薅OpenAI Codex 学生额度:100 美元免费额度HIMIAO选购 →

订阅 HIMIAO视界

不用注册 · 随时退订

邮件

推送通知

早报出来时,手机或电脑上弹一条提醒。不用留邮箱。

HIMIAO选购薅羊毛周报:每周五一封,一周还有效的羊毛 5 分钟看完
  1. 评论加载中…
问问小喵