Gemini 4 Carbon оглави MathArena на значително по-висока цена
Gemini 4 Carbon на Google зае първо място в математическия бенчмарк MathArena и стана първият от известно време насам модел, който не е на OpenAI и оглавява класацията. Той измести GPT-6.1 Sol на OpenAI, а Claude-Fable-5.2 на Anthropic се нареди втори. Моделите на OpenAI все още не са публично достъпни, макар че според съобщения са се справяли със сложни задачи като уравненията на Навие–Стокс.
При използваната висока настройка за разсъждение очакваният резултат на Gemini 4 Carbon е 85,4% ±3,0%. За Claude-Fable-5.2 той е 82,8% ±5,3%, а за GPT-6.1 Sol — 80,6% ±2,7%. Най-добър отворен модел в списъка е Kimi K3.1 Pro на Moonshot AI с 54,3% ±5,8%.
Най-честият проблем на Gemini е превишаването на времевия лимит. Моделът почти не се отказва от задачи; в един случай е стартирал скрипт, работил повече от единадесет часа без проверка на напредъка. Тестваната конфигурация струва $15,70 ±$1,33 — приблизително 15 пъти повече от GPT-6.1 Sol ($1,07 ±$0,018). Claude-Fable-5.2 струва $40,20 ±$2,59, или около 40 пъти повече.
Текстът е изготвен от ИИ на Sakhanda Wire по материал на The Decoder. Фактите, цитатите и пълният контекст са в оригиналната статия по-долу.