数学基准换新王了,85.4% 登顶,但贵了 15 倍。 Google 的 Gemini 4 Carbon(high)以 85.4%±3.0% 登顶 MathArena,取代 GPT-6.1 Sol(80.6%±2.7%),Claude Fable 5.2 以 82.8%±5.3% 排第二。 成本上 Carbon 约 15.70 美元,约是 GPT-6.1 Sol(1.07 美元)的 15 倍,Fable 5.2 约 40.20 美元,约 40 倍。Carbon 最常因超时失败,它几乎从不放弃任务,有一次跑了 11 个多小时的脚本都没检查进度。最好的开源模型是 Kimi K3.1 Pr...

🌐 链接: https://x.com/taiyanghere/status/2121778067261870501
🏷️ 分组: X|太阳(taiyanghere)
🕒 时间: 2026-11-15 09:31:26