2026 年 11 月 14 日
Google 的 Gemini 4 Carbon 成为一段时间以来首个在 MathArena 数学基准测试中登顶的非 OpenAI 模型。它将 GPT-6.1 Sol 从榜首位置挤下，而 Claude Fable 5.2 位列第二，使其可能成为数学任务上最强的公开可用模型之一。OpenAI 的模型最近据称解出了 Navier-Stokes 方程等难度很高的方程，但尚未公开可用。
Gemini 4 Carbon 的最常见失败模式是超出时间限制。该模型也几乎从不放弃任务，这一特性可以被解读为正面或负面。有一次，它启动了一个运行超过 11 小时的脚本，期间没有检查进度。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 |