Googleは2026年11月10日、同社のモデル「Gemini 4 Carbon」が数学ベンチマーク「MathArena」で最高得点を記録したと発表した。このテストでは、基本的な代数から高度な物理の方程式まで、大規模言語モデルが数学の問題をどれだけ解けるかを測定する。Gemini 4 Carbonの総合正答率は85.4％で、誤差幅は±3.0％だった。これまで正答率80.6％で首位だったOpenAIのGPT-6.1 Solを3位に押し下げた。2位は正答率82.8％のAnthropic製Claude-Fable 5.2だった。この順位は、モデルが解答にたどり着くまで追加の推論を行える「high」設定に基づいている。
Gemini 4 Carbonは競合モデルとどう違う？
ベンチマークによると、Gemini 4 Carbonは問題を途中で投げ出すことがほとんどない。あるテストでは、評価で定められた制限時間を超え、スクリプトを11時間以上止めずに実行した。難問への対応ではこの粘り強さが役立つ一方、計算資源を無駄にする可能性もある。対照的に、GPT-6.1 Solは制限時間内に大半のタスクを終えたが、問題を早い段階で断念することもあった。計算時間が長くなれば、その分コストも高くなる。同じ推論設定の場合、Gemini 4 Carbonは1,000トークンあたり約$15.70、Claude-Fable 5.2は約$40.20、GPT-6.1 Solはわずか$1.07だ。Gemini 4 CarbonとGPT-6.1 Solの価格差は約15倍にのぼる。
ユーザーにとって何を意味する？
Googleのモデルは現在、有料API経由でのみ利用できる。そのため、最高水準の数学性能が必要で、予算に余裕のある開発者はGemini 4 Carbonを選べる。学習支援アプリや表計算アシスタント、簡単な宿題サポートなど、日常的な用途の多くでは、より安価なGPT-6.1 Solで十分だろう。また、1日に何千件もの問い合わせを処理する大規模サービスでは、高コストが拡張性への懸念につながる。Googleが料金プランを追加したり、より安価な推論方法を提供したりするまでは、精度と費用の兼ね合いが導入の判断を左右しそうだ。
なぜ重要か
数学を多用するAIツールを開発する人にとって、Gemini 4 Carbonは現時点で最高の精度を提供する一方、高価格のため、用途は専門的で価値の高い分野に限られる可能性がある。複雑な科学的問題でより高い精度が必要でない限り、多くのユーザーはGPT-6.1 Solのような安価なモデルを選ぶだろう。
