Il sorpasso
Per la prima volta da tempo, un modello di OpenAI non guida la classifica del benchmark matematico MathArena. Secondo quanto riporta The Decoder, Gemini 4 Carbon di Google ha scalzato GPT-6.1 Sol dalla vetta, mentre Claude Fable 5.2 di Anthropic si è piazzato al secondo posto. Il risultato colloca i due modelli tra i più capaci oggi disponibili al pubblico per compiti di matematica, secondo la fonte.
The Decoder precisa che i modelli di OpenAI, a cui di recente è stata attribuita la soluzione di equazioni complesse come le equazioni di Navier-Stokes, non sono ancora accessibili al pubblico. La distinzione è rilevante: il confronto riguarda modelli effettivamente disponibili, non capacità annunciate o rivendicate.
Comportamento e limiti emersi nei test
Il punto debole più frequente di Gemini 4 Carbon, scrive The Decoder, è il superamento del limite di tempo. Il modello, però, quasi mai rinuncia a portare a termine un compito: un tratto che la fonte descrive come interpretabile in senso positivo o negativo. In un caso, riporta l'articolo, ha avviato uno script rimasto in esecuzione per oltre undici ore senza verificare lo stato di avanzamento.
Si tratta di osservazioni riferite alla fonte e circoscritte alle prove svolte, non di una valutazione generale sull'affidabilità del modello. Il dato sullo script non chiarisce nel materiale se abbia prodotto un risultato utile o abbia semplicemente continuato a girare: un elemento che resta da verificare.
Il prezzo del primato
Il vantaggio prestazionale ha un costo economico. Con le impostazioni di ragionamento utilizzate nei test, riferisce The Decoder, Gemini 4 Carbon e Claude Fable 5.2 costano rispettivamente circa 15 e 40 volte più di GPT-6.1 Sol. Il confronto è quindi duplice: da un lato la leadership nelle prove matematiche, dall'altro un esborso sensibilmente maggiore rispetto al modello di OpenAI.
Il materiale non indica i punteggi ottenuti dai modelli, la composizione esatta di MathArena né le configurazioni di test, per cui non è possibile stabilire quanto il divario di costo sia attribuibile alle sole impostazioni di ragionamento. Resta inoltre da chiarire se i costi rilevati nei test corrispondano a quelli di un impiego ordinario. La notizia, in sintesi, segnala un cambio al vertice in un benchmark specifico e un trade-off economico documentato dalla fonte, non un giudizio complessivo sulla superiorità di un modello.
