Google anunció que su modelo Gemini 4 Carbon obtuvo la puntuación más alta en la prueba de matemáticas MathArena el 10 de noviembre de 2026. La prueba mide la capacidad de los grandes modelos de lenguaje para resolver problemas matemáticos, desde álgebra básica hasta ecuaciones avanzadas de física. Gemini 4 Carbon alcanzó una precisión global del 85,4 % con un margen de error de ±3,0 %. Así, relegó al tercer puesto a GPT-6.1 Sol, de OpenAI, que encabezaba la clasificación con una precisión del 80,6 %. Claude-Fable 5.2, de Anthropic, quedó en segundo lugar con una precisión del 82,8 %. La clasificación se basa en un nivel de razonamiento «alto», que permite al modelo dar pasos adicionales para llegar a una solución.
¿En qué se diferencia Gemini 4 Carbon de la competencia?
La evaluación señala que Gemini 4 Carbon rara vez se da por vencido ante un problema. En una prueba, ejecutó un script durante más de once horas sin detenerse, superando el límite de tiempo establecido por la evaluación. Esta persistencia puede ser útil para preguntas muy difíciles, pero también significa que el modelo puede desperdiciar recursos de computación. En cambio, GPT-6.1 Sol completó la mayoría de las tareas dentro del tiempo asignado, aunque a veces abandonó un problema antes de tiempo. El mayor tiempo de computación se traduce en un costo más alto. Con la misma configuración de razonamiento, Gemini 4 Carbon cuesta aproximadamente $15.70 por cada 1,000 tokens, mientras que Claude-Fable 5.2 cuesta unos $40.20 y GPT-6.1 Sol, solo $1.07. Gemini 4 Carbon cuesta unas quince veces más que GPT-6.1 Sol.
¿Qué significa esto para los usuarios?
Por ahora, el modelo de Google solo está disponible a través de su API de pago, así que los desarrolladores que necesiten el mejor rendimiento en matemáticas pueden elegir Gemini 4 Carbon si su presupuesto se lo permite. Para la mayoría de los usos cotidianos —como aplicaciones de tutoría, asistentes para hojas de cálculo o herramientas sencillas para ayudar con los deberes—, GPT-6.1 Sol, más barato, puede ser suficiente. El alto costo también plantea dudas sobre la escalabilidad de los servicios a gran escala que tendrían que procesar miles de consultas al día. Hasta que Google ofrezca distintos niveles de precios u opciones de inferencia más económicas, la decisión dependerá del equilibrio entre precisión y costo.
Por qué importa
Para los desarrolladores que crean herramientas de IA centradas en las matemáticas, Gemini 4 Carbon ofrece actualmente la mayor precisión, pero su precio elevado podría limitar su uso a aplicaciones especializadas y de alto valor. Es probable que la mayoría de los usuarios siga optando por modelos más baratos, como GPT-6.1 Sol, salvo que necesiten esa precisión adicional para problemas científicos complejos.
