MathArena проверяет языковые модели на новых задачах из математических соревнований, олимпиад и исследовательских работ, которых не было в обучающих данных. Каждую задачу модель решает четыре раза; рейтинг показывает средний балл и среднюю стоимость одного запуска на задачу в долларах, поясняют авторы бенчмарка.

На 14 ноября второе место занимала Claude-Fable-5.2 (max) от Anthropic: 82,8% при средней стоимости $40,20 за задачу. GPT-6.1 Sol (max) от OpenAI была третьей с результатом 80,6% и стоимостью $1,07. Среди открытых моделей лучший результат показала Kimi K3.1 Pro (max) от Moonshot AI — 54,3%.

Преимущество Carbon над GPT-6.1 Sol составляет 4,8 процентного пункта, но доверительные интервалы пересекаются: ±3,0 п.п. у Carbon и ±2,7 п.п. у модели OpenAI. Поэтому первое место в рейтинге не доказывает статистически значимого превосходства. Google не приводит результат MathArena в материалах о запуске Carbon: его получила независимая площадка.

«Впервые за очень долгое время на первом месте MathArena — модель не от OpenAI. Gemini 4 Carbon сместила GPT-6.1 Sol, а Fable 5.2 заняла второе место», — написал 13 ноября автор бенчмарка Джаспер Деконинк.

Google открыла доступ к Carbon 10 ноября 2026 года для разработчиков, компаний, учёных и подписчиков Google AI Ultra. С 28 октября модель была доступна только части специалистов по кибербезопасности в рамках программы Fairwind. Ранее BitExpert писал, что Google предоставила учёным бесплатный доступ к Carbon и Argon в Google Antigravity на полгода.

Почему лидерство стоит дороже

$15,70 — не цена токенов, а средняя стоимость запуска Carbon на одной задаче MathArena. В рейтинге указана версия модели с режимом рассуждений high. По тарифу API Carbon стоит $2 за миллион входных и $10 за миллион выходных токенов — столько же, сколько предыдущая Gemini 4 Argon.

В карточке модели Google отмечает, что при высоком уровне рассуждений Carbon расходует больше токенов ради качества и иногда работает медленнее. Поэтому стоимость решения зависит от того, сколько токенов модель использует на задачу.