一句话看懂：2026年11月10日发布的Google Gemini 4 Carbon在MathArena数学基准上以85.4%的得分登顶，成为近期首个超越OpenAI模型的非OpenAI模型，但其测试推理成本约15.70美元/次，是GPT-6.1 Sol的15倍。
事件核心：发生了什么
根据The Decoder于2026年11月14日的报道，Google的Gemini 4 Carbon在MathArena数学评测中拿下第一，把此前居首的OpenAI GPT-6.1 Sol挤到第三。Anthropic的Claude Fable 5.2以82.8%位列第二。三者的测试成本差异显著：Gemini 4 Carbon约15.70美元，Claude Fable 5.2约40.20美元，而GPT-6.1 Sol仅约1.07美元。开源模型中表现最好的是Moonshot AI的Kimi K3.1 Pro，得分54.3%。目前公开信息显示，该结果基于特定日期、特定推理设置下的评测，并非永久排名。
为什么重要
这是非OpenAI模型近期首次在MathArena登顶，说明Google在需要长链条推理的数学任务上具备了与OpenAI正面竞争的能力。但评测也暴露了代价：Gemini 4 Carbon最常见的失败模式是超时，且模型几乎从不主动放弃任务——报道提到它曾启动一个运行超过11小时的脚本却不检查进度。这意味着高分部分来自“肯花算力硬算”，而不是单纯效率提升。对行业而言，数学基准的竞争正在从“能不能做对”转向“做对要花多少钱”，推理成本成为模型选型的关键变量。
对用户/开发者/创作者的影响
对开发者和企业采购来说，不能只看榜单名次。若通过API调用Gemini 4 Carbon处理高难度数学或逻辑任务，单次成本可能是GPT-6.1 Sol的十余倍，高频场景下账单差距会被迅速放大。普通用户若只是日常问答、写作或图像生成，这类高价推理配置未必必要；需要复杂计算、长程规划的AI应用则值得评估其准确率提升是否覆盖成本。开源侧Kimi K3.1 Pro得分虽低，但成本约3.70美元，为预算敏感团队提供了另一条路线。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是Google是否会在正式产品中提供更便宜的低推理档位，让性能与成本更平衡；二是OpenAI的GPT-6.1 Sol是否会调整推理设置或价格以回应排名变化；三是MathArena后续评测是否引入成本加权指标，以及Kimi等开源模型能否缩小与闭源头部的差距。
