Gemini 4 Carbon 登顶 MathArena，成本约为 GPT-6.1 Sol 的 15 倍

核心事实

据科技媒体 the-decoder.com 报道，Google 的 Gemini 4 Carbon 在 MathArena 数学基准测试中登上榜首，把此前排名第一的 GPT-6.1 Sol 挤到第三位。报道给出的榜单显示，Gemini 4 Carbon（high 设置）预期成绩为 85.4% ±3.0%，预期成本 15.70 美元 ±1.33 美元；Anthropic 的 Claude-Fable-5.2（max）以 82.8% ±5.3% 位列第二，预期成本 40.20 美元 ±2.59 美元；OpenAI 的 GPT-6.1 Sol（max）为 80.6% ±2.7%，预期成本 1.07 美元 ±0.018 美元。报道称，在测试所用的推理设置下，Carbon 与 Fable 5.2 的成本分别约为 GPT-6.1 Sol 的 15 倍和 40 倍。

背景与影响

报道称，Gemini 4 Carbon 是近期少有的、非 OpenAI 阵营登顶该基准的模型，因此可能被视为目前公开可用模型中数学能力较强的一个。报道同时提到，OpenAI 近期据称能求解 Navier-Stokes 方程等难题的模型尚未公开可用。在行为特征上，报道指出 Carbon 最常见的失败情形是超出时间限制，且它几乎不会主动放弃任务——这一特点可作正面也可作负面解读；其中一个案例里，它启动的脚本运行超过 11 小时而未检查进度。榜单中表现最好的开源模型为 Moonshot AI 的 Kimi K3.1 Pro（max），预期成绩 54.3% ±5.8%。

限制与来源

上述成绩与成本均为报道引用的预期值并带有误差区间，取决于测试所用的推理设置，不代表其他配置下的表现；相关排名与数据尚未获各厂商官方确认。模型的实际可用地区、功能范围与计费方式，请以各厂商官网当前信息为准。本文不构成任何采购或投资建议。来源：the-decoder.com，原始数据引自 Jasper Dekoninck 在 X 上的发布。