Google 于 2026年11月10日宣布，Gemini 4 Carbon 在 MathArena 数学基准测试中取得最高分。该测试衡量大语言模型解决数学问题的能力，涵盖基础代数到高等物理方程。Gemini 4 Carbon 的总体准确率为 85.4%，误差范围为 ±3.0%。此前以 80.6% 准确率领跑榜单的 OpenAI GPT-6.1 Sol 被挤至第三名。Anthropic Claude-Fable 5.2 以 82.8% 的准确率位居第二。此次排名基于“高”推理设置，该设置允许模型多花一些步骤得出答案。
Gemini 4 Carbon 与其他模型有何不同？
基准测试指出，Gemini 4 Carbon 很少会放弃难题。在一次测试中，它连续运行脚本超过 11 小时仍未停止，超出了评测设定的时限。面对极难问题时，这种坚持可能派上用场，但也意味着模型可能浪费计算资源。相比之下，GPT-6.1 Sol 在规定时间内完成了大多数任务，但有时会较早放弃。额外的计算时间也推高了成本。在相同推理设置下，Gemini 4 Carbon 每 1,000 个 token 的费用约为 $15.70，Claude-Fable 5.2 约为 $40.20，而 GPT-6.1 Sol 仅为 $1.07。Gemini 4 Carbon 与 GPT-6.1 Sol 的价格相差约 15 倍。
这对用户意味着什么？
目前，Google 的模型只能通过付费 API 使用。因此，预算充足且需要顶尖数学表现的开发者可以选择 Gemini 4 Carbon。对于大多数日常应用——例如辅导类应用、电子表格助手或简单的作业辅导工具——更便宜的 GPT-6.1 Sol 可能已经够用。高昂的成本也让人担忧，大规模服务若每天需要处理数千次查询，能否承担相应开支。在 Google 推出不同价位的套餐或更便宜的推理方案之前，用户是否采用该模型，仍将取决于准确率与成本之间的权衡。
为什么重要
对于开发数学密集型 AI 工具的开发者来说，Gemini 4 Carbon 目前准确率最高，但高昂的价格可能使其仅适用于小众、高价值场景。除非需要它在复杂科学问题上提供更高精度，否则大多数用户可能仍会选择 GPT-6.1 Sol 等更便宜的模型。
