Gemini 4 Carbon 登顶 MathArena，成本是 GPT-6.1 Sol 的 15 倍
Google 的 Gemini 4 Carbon 成为近期首个在 MathArena 数学基准上登顶的非 OpenAI 模型，把 GPT-6.1 Sol 挤到第三。测试设置下，Carbon 预期得分 85.4%，Claude Fable 5.2 以 82.8% 排第二，GPT-6.1 Sol 为 80.6%。但成本差距悬殊：Carbon 单次约 15.70 美元，Fable 5.2 约 40.20 美元，GPT-6.1 Sol 仅 1.07 美元，分别是后者的约 15 倍和 40 倍。Carbon 最常见的失败原因…
推荐理由做数学推理选型时，85.4% 对 80.6% 只多 4.8 个百分点，成本却差 15 倍，性价比账很直观。