Gemini 4 Carbon 超越 GPT-6.1 Sol,登上 MathArena 數學排行榜第一名,但測試的執行成本約為對手的 15 倍。
- Google 的 Gemini 4 Carbon 登上 MathArena 榜首,將 GPT-6.1 Sol 擠下第一名。
- Claude Fable 5.2 排名第二,同屬目前公開模型中數學能力最強的一群。
- Carbon 最常見的錯誤是超出時間限制,而且模型幾乎從不放棄。
- 以測試中使用的 reasoning 設定計算,Carbon 與 Fable 5.2 的成本分別約為 GPT-6.1 Sol 的 15 倍和 40 倍。
文章目錄
Gemini 4 Carbon 登上 MathArena 榜首
Google 的 Gemini 4 Carbon 成為相隔許久之後,第一個登上 MathArena 數學排行榜第一名的非 OpenAI 模型。這項結果也讓 GPT-6.1 Sol 失去了領先地位。
Claude Fable 5.2 緊接在後,排名第二。就這樣的名次來看,兩者都可說是目前公開發布的模型中,數學任務表現最強的一群。據稱 OpenAI 的模型才剛解出 Navier-Stokes 這類棘手的方程式,但目前仍未開放給外部使用者。
Carbon 的工作方式與弱點
Gemini 4 Carbon 最常見的錯誤是超出時間限制。這個模型也幾乎不會在中途放棄。這項特性究竟是優點還是缺點,端看從哪個角度來看。
有一個案例很能說明這一點:Carbon 啟動了一支執行超過 11 小時的 script,期間完全沒有檢查進度。這種鍥而不捨的做法,讓模型能把題目追到底,但也容易耗費大量時間與資源。
成本明顯更高
出色的表現也伴隨著不小的代價。以測試中使用的 reasoning(推理)設定來看,Carbon 的成本約為 GPT-6.1 Sol 的 15 倍。
Claude Fable 5.2 的成本更高,約為 GPT-6.1 Sol 的 40 倍。因此,若從成本角度來看,Carbon 的榜首位置並不是最省錢的選擇。
MathArena 上的高排名顯示,公開模型在數學領域進步相當快。不過,成本上的落差值得仔細斟酌。面對需要大量運算的任務,使用者最好明確設定執行時間上限,並在選定模型前,先拿準確度與預算做比較。這份排行榜也尚未納入 OpenAI 那些還沒發布的模型,因此榜首的位置仍可能出現變動。
審核人: Hero Association








