Gemini 4 Carbon matematikte lider, ancak 15 kat pahalı
SanalData’yı Google’da tercih edilen kaynak olarak ekleyinGoogle’ın Gemini 4 Carbon modeli MathArena matematik sıralamasında yüzde 85,4 puanla ilk sıraya çıktı. Tam test çalıştırmasının maliyeti ise GPT-6.1 Sol’un yaklaşık 15 katı.
Google’ın Gemini 4 Carbon modeli, matematik problemlerini çözme performansını karşılaştıran MathArena sıralamasında ilk sıraya yerleşti. Model, yüksek akıl yürütme ayarında yüzde 85,4 puan aldı. Ancak liderlik, maliyet tarafında da benzer bir avantaj anlamına gelmiyor: MathArena’daki tam bir test çalıştırması Gemini 4 Carbon için 15,70 dolara mal oldu.
Aynı testin GPT-6.1 Sol ile çalıştırılması 1,07 dolar tuttu. Böylece Gemini 4 Carbon’un test maliyeti yaklaşık 15 katına çıktı. Sonuç, matematik başarısı ile kullanım maliyeti arasındaki farkı gözler önüne sererken, modeli düzenli ve yoğun biçimde kullanmayı planlayanlar için fiyatın da performans kadar önemli olabileceğini gösteriyor.
Üç model arasındaki puan farkı dar
MathArena listesinde ikinci sırada Claude Fable 5.2, üçüncü sırada ise GPT-6.1 Sol bulunuyor. Claude, en yüksek ayarda yüzde 82,8; GPT-6.1 Sol da en yüksek ayarda yüzde 80,6 puan aldı. Gemini ile ikinci sıradaki model arasındaki fark 2,6 puan olsa da sıralamadaki hata payları birbirine yaklaşıyor. Bu nedenle sonuçları modeller arasında kesin ve büyük bir performans uçurumu olarak yorumlamak doğru olmaz.
MathArena’nın yayımladığı puanlar şu şekilde:
- Gemini 4 Carbon, yüksek akıl yürütme ayarında yüzde 85,4 ±3,0
- Claude Fable 5.2, en yüksek ayarda yüzde 82,8 ±5,3
- GPT-6.1 Sol, en yüksek ayarda yüzde 80,6 ±2,7
Listenin en iyi açık modeli Kimi K3.1 Pro oldu. Modelin puanı yüzde 54,3 olarak verildi. Bu sonuç, en üst sıradaki kapalı modellerle açık model arasındaki performans farkının sıralamada belirgin biçimde sürdüğünü gösteriyor.
Başarıya yüksek test maliyeti eşlik ediyor
Gemini 4 Carbon’un MathArena çalıştırması 15,70 dolar tutarken, Claude Fable 5.2 için hesaplanan maliyet 40,20 dolar oldu. GPT-6.1 Sol’un 1,07 dolarlık sonucu, üç model arasındaki harcama farkını daha da görünür kılıyor. Bu rakamlar, söz konusu modellerin genel kullanım fiyatı değil; testin tamamının belirtilen ayarlarda çalıştırılmasının maliyeti.
Modelin performansına ilişkin bir başka ayrıntı da süre sınırlarını aşabilmesi. Aktarılan test gözlemlerine göre Gemini 4 Carbon, ilerlemesini kontrol etmeden bir betiği 11 saatten uzun süre çalıştırdığı bir denemede zaman sınırını aştı. Bu durum, yüksek matematik puanının tek başına yeterli olmadığını; görev süresi ve işlem maliyetinin de pratik kullanımda değerlendirilmesi gerektiğini ortaya koyuyor.
Gemini API üzerinden kullanılabiliyor
Google, Gemini 4 Carbon’u 10 Kasım’da Gemini API üzerinden kullanıma açtı. Lansman dönemindeki fiyatlandırma, milyon girdi token’ı için 2 dolar ve milyon çıktı token’ı için 10 dolar olarak açıklandı. Tanıtım döneminin ardından bu ücretlerin sırasıyla 4 ve 20 dolara yükselmesi planlanıyor.
Token başına fiyat ile MathArena testinin toplam maliyeti farklı ölçümler. Test ücreti, belirli bir çalıştırmanın tüm kullanımını yansıtırken API tarifesi girdi ve çıktı token’larının miktarına göre hesaplanıyor. Bu nedenle gerçek kullanım maliyeti, modelin ne kadar içerik işlediğine ve ürettiğine bağlı olacak.
MathArena sıralamasındaki birincilik, Gemini 4 Carbon’u matematik odaklı değerlendirmelerde öne taşıyor. Buna karşılık puanlar arasındaki hata payları ve test maliyetlerindeki büyük fark, model seçerken yalnızca en yüksek başarı oranına bakmanın yeterli olmayabileceğini gösteriyor. Özellikle tekrar eden veya uzun süren görevlerde, beklenen doğruluk ile toplam API harcamasını birlikte değerlendirmek gerekiyor.
Günün zaman çizelgesi
Haber eklenme saatine göre sıralanır.
- Bugün
- Gemini 4 Carbon matematikte lider, ancak 15 kat pahalı Bu haber
- GTA 6’da Bigfoot geri dönüyor: Ormandaki gizemli karşılaşma
- GTA 6’da kediler Jason’a yardım ediyor, bazen saldırıyor
- Realistic AI Traffic & Rush Hour v1.0 ETS2 1.62 Trafik Modu
- Vellorini Turismo 2026 ETS2 1.63 Koç Otobüs Modu İndir
- GTA 6 haritasını uçakla geçmek 4 dakika 10 saniye sürüyor
- GTA 6 çıkışı öncesi sahte indirmeler hesapları hedefliyor
- Vivo X Fold7 için üç farklı 2 nm işlemci test ediliyor
- Sam Houser, GTA 6 için nadir bir açıklama yaptı
- Compuvi’nin değerlemesi 50 milyon dolara ulaştı
- Next Gen Scania P G R S Fix ETS2 1.62 Uyumluluk Yaması
- Sound Fixes Pack v26.79 ETS2 1.62 Ses İyileştirme Modu
- RTX 5080 16 GB, serinin en üst oyuncu kartı kalabilir
- GTA 6’da Polis Her Suça Aynı Hızda Müdahale Etmeyecek