Gemini 4 Carbon de Google lidera un benchmark de matemáticas, pero cuesta 15 veces más que GPT-6.1 Sol de OpenAI
Gemini 4 Carbon y Fable 5.2 de Anthropic han desbancado a GPT-6.1 Sol del primer puesto del benchmark de matemáticas MathArena, aunque ambos son mucho más caros de ejecutar. En las pruebas, Gemini ignoró el límite de tiempo y casi nunca se rindió ante una tarea.
Por qué importa
Los desarrolladores que elijan un modelo para tareas de razonamiento complejas deberán sopesar pequeñas mejoras de precisión frente a costes mucho más altos.
aii.news selecciona y resume noticias de fuentes fiables con ayuda de la IA. Cada noticia enlaza a la información original. Cómo trabajamos.