İçeriğe atla
Kâğıt kolaj illüstrasyon: formüllerle dolu bir kara tahtanın önünde üç basamaklı kürsü, birincilikte altın pergel ve gönye, basamaklarda farklı boyutlarda fiyat etiketleri ve bir kum saati.

Gemini 4 Carbon matematikte zirvede ama rakibinden 15 kat pahalı

Google'ın Gemini 4 Carbon modeli, uzun süredir OpenAI modellerinin önde olduğu MathArena matematik testinde yüzde 85,4 başarıyla birinciliğe yükseldi, Claude Fable 5.2 ikinci, GPT-6.1 Sol üçüncü oldu. Ancak test ayarlarında Carbon'un maliyeti GPT-6.1 Sol'un yaklaşık 15 katı, Fable 5.2'ninki ise 40 katı.

Selin Y.ohafalan editörüYayın · 1 dk okuma
Kâğıt kolaj illüstrasyon: formüllerle dolu bir kara tahtanın önünde üç basamaklı kürsü, birincilikte altın pergel ve gönye, basamaklarda farklı boyutlarda fiyat etiketleri ve bir kum saati.

Google'ın yeni modeli Gemini 4 Carbon, yapay zekâ modellerinin matematik becerisini ölçen MathArena testinde zirveye yerleşti. The Decoder'ın aktardığına göre Carbon, uzun süredir OpenAI dışı bir modelin çıkamadığı birinciliği GPT-6.1 Sol'dan aldı. Ancak bu performansın bedeli de yüksek.

Fable 5.2 ikinci, GPT-6.1 Sol üçüncü

MathArena'nın güncel sıralamasında Gemini 4 Carbon, yüksek akıl yürütme ayarıyla yüzde 85,4 beklenen başarıya ulaştı. İkinci sırada yüzde 82,8 ile Anthropic'in geçen hafta tanıttığı Claude Fable 5.2 yer aldı. OpenAI'ın eylülde çıkan GPT-6.1 Sol modeli ise yüzde 80,6 ile üçüncülüğe geriledi. Açık modeller arasında en iyisi yüzde 54,3 ile Moonshot AI'ın Kimi K3.1 Pro'su oldu.

Bu sonuçlarla Carbon, matematik görevleri için kamuya açık en yetenekli modellerden biri konumuna geldi. OpenAI'ın Navier-Stokes denklemleri gibi zorlu problemleri çözdüğü iddia edilen modelleri ise henüz kamuya açık değil.

İLGİLİGoogle, Gemini 4 Carbon modelini duyurdu, erişim henüz açılmadı→

Asla pes etmiyor

Gemini 4 Carbon'un en sık yaptığı hata, süre sınırını aşmak. Model neredeyse hiçbir görevden vazgeçmiyor. Bu özellik hem olumlu hem olumsuz okunabilir. Bir örnekte model, ilerlemesini hiç kontrol etmeden on bir saatten uzun süre çalışan bir betik başlattı.

Fark maliyette

Ekstra performansın bir fiyatı var. Testte kullanılan akıl yürütme ayarlarıyla Carbon'un beklenen maliyeti 15,70 dolar, Fable 5.2'ninki ise 40,20 dolar oldu. GPT-6.1 Sol aynı test için yalnızca 1,07 dolara mal oldu. Yani Carbon GPT-6.1 Sol'dan yaklaşık 15 kat, Fable 5.2 ise yaklaşık 40 kat daha pahalı. Kimi K3.1 Pro'nun maliyeti 3,70 dolar.

Google, geçen hafta da daha hızlı ve ucuz modeli Gemini 4 Hydrogen'i aramaya getirmişti.

Bu yazı hakkında ifade bırakın

OHA!falan’ı takip edinGünün haberleri, kısa videolar ve özetler her gün sosyal medyada.

İlginizi çekebilir