Gemini 4 Carbon 登顶 MathArena 但成本高 15 倍
作者：Matthias Bastian原标题：Gemini 4 Carbon takes the MathArena crown but costs 15 times more than GPT-6.1 Sol
78AI 研判分
谷歌 Gemini 4 Carbon 成为近期首个登顶 MathArena 数学基准的非 OpenAI 模型，将 GPT-6.1 Sol 挤下榜首，Anthropic 的 Claude Fable 5.2 位列第二。但其单次评测成本约为 GPT-6.1 Sol 的 15 倍，且最常见失败模式是超时，同时几乎从不主动放弃任务。开源阵营最佳为月之暗面 Kimi K3.1 Pro，得分 54.3%，与闭源头部差距明显。
报道正文
Gemini 4 Carbon 摘得 MathArena 桂冠，但成本是 GPT-6.1 Sol 的 15 倍
[Matthias Bastian](https://the-decoder.com/author/matthias-bastian/) [查看 Matthias Bastian 的 LinkedIn 个人资料](https://www.linkedin.com/in/matthias-bastian-128b71b1/) 2026 年 11 月 14 日 谷歌的 Gemini 4 Carbon 成为一段时间以来首个登顶 MathArena 数学基准测试的非 OpenAI 模型。 它将 GPT-6.1 Sol 从榜首位置拉了下来，而 Claude Fable 5.2 位列第二，使其可能成为目前公开可用的数学任务能力最强的模型之一。OpenAI 的模型据称最近已能求解 Navier-Stokes 方程等 demanding 方程，但尚未公开可用。
Gemini 4 Carbon 最常见的失败模式是超出时间限制。该模型也几乎从不放弃任务，这一特性既可以被视为优点也可以被视为缺点。在一个案例中，它启动了一个运行超过十一个小时且未检查进度的脚本。不过，这种额外的性能是有代价的。在测试所用的推理设置下，Carbon 和 Fable 5.2 的成本分别约为 GPT-6.1 Sol 的 15 倍和 40 倍。
| 推荐 | 模型 | 提供商 | 发布日期 | 预期性能 | 预期成本 |
|---|---|---|---|---|---|
| 综合排名 #1 | Gemini 4 Carbon (high) | 2026年11月10日 | 85.4% ±3.0% | $15.70 ±$1.33 | |
| 综合排名 #2 | Claude-Fable-5.2 (max) | Anthropic | 2026年11月9日 | 82.8% ±5.3% | $40.20 ±$2.59 |
| 综合排名 #3 | GPT-6.1 Sol (max) | OpenAI | 2026年9月29日 | 80.6% ±2.7% | $1.07 ±$0.018 |
| 最佳开源模型 | Kimi K3.1 Pro (max) | Moonshot AI | 2026年10月23日 | 54.3% ±5.8% | $3.70 ±$0.27 |
AdAd