海外メディアThe Decoderは11月14日、Googleの上位AIモデル「Gemini 4 Carbon」が、数学の問題を解く力を比べるベンチマーク（性能を測る共通テスト）「MathArena」で首位になったと報じた。OpenAI以外のモデルがこの順位表の1位に立つのは久しぶりだという。
順位: Carbonが1位、Claude Fable 5.2が2位
Gemini 4 Carbonは、それまで首位だったOpenAIの「GPT-6.1 Sol」を上回った。2位にはAnthropicの「Claude Fable 5.2」が入っている。The Decoderは、Gemini 4 Carbonが一般に使えるモデルの中では、数学の作業で最も高い能力を持つ候補の1つになったとしている。なお、OpenAIには難しい方程式を解いたとされる未公開のモデルもあるが、一般には提供されていない。
弱点は「時間切れ」、そして高い費用
Gemini 4 Carbonが失敗する一番多いパターンは、制限時間を超えてしまうことだった。このモデルはほとんど問題をあきらめない性格で、ある問題では11時間以上も動き続けるプログラムを実行し、その間進み具合を一度も確認しなかったという。粘り強さは長所にも短所にもなる。
性能の代わりに費用もかさむ。テストで使った推論設定（どれだけ深く考えさせるかの設定）では、問題を解くのにかかる費用はGPT-6.1 Solと比べて、Gemini 4 Carbonが約15倍、Claude Fable 5.2が約40倍だった。
使い分けが大事に
同じ「数学に強い」モデルでも、費用には大きな差がある。難問に挑むなら上位モデル、日常的な計算や確認なら安いモデル、と目的で使い分ける考え方がますます重要になりそうだ。Googleは開発ツールAntigravityで、CarbonとHydrogenを自動で切り替える仕組みも始めている（関連記事）。
