Gemini 4 Carbon prend la tête des tests mathématiques

Gemini 4 Carbon, le modèle de Google, s’est hissé en tête du benchmark MathArena le 14 novembre 2026. Mais son avance a un coût élevé face à GPT-6.1 Sol, beaucoup moins cher à l’usage.

Gemini 4 Carbon, le modèle de Google, a pris la première place du benchmark MathArena le 14 novembre 2026, selon la mesure publiée par Matthias Bastian. Il devient le premier modèle non-OpenAI à dominer ce test depuis un certain temps, devant GPT-6.1 Sol et Claude Fable 5.2. L’exploit compte pour les usages de calcul complexe, mais il s’accompagne d’une facture bien plus lourde. Et les maths, visiblement, ne se laissent pas négocier au tarif de gros.

Une première place, mais pas un ticket d’entrée bon marché

Sur MathArena, Gemini 4 Carbon obtient un score attendu de 85,4 % ±3,0 %, contre 82,8 % ±5,3 % pour Claude-Fable-5.2 et 80,6 % ±2,7 % pour GPT-6.1 Sol. En pratique, cela le place en tête du classement, avec une avance réelle mais pas écrasante sur ses concurrents les plus proches.

Le revers est clair : avec les réglages de raisonnement utilisés dans le test, Gemini 4 Carbon coûte environ 15 fois plus que GPT-6.1 Sol, tandis que Claude Fable 5.2 revient à près de 40 fois le coût de référence observé pour Sol. À ce niveau, la performance mathématique se paie en calcul, en temps et en budget.

Le prix du raisonnement, ou quand le modèle insiste un peu trop

Le benchmark met aussi en lumière un comportement particulier de Gemini 4 Carbon : son principal mode d’échec consiste à dépasser la limite de temps. Le modèle abandonne rarement une tâche, ce qui peut ressembler à de l’acharnement utile ou à une tendance à s’entêter au mauvais moment.

Dans un cas cité par la source, il a lancé un script qui a tourné plus de onze heures sans vérifier sa progression. Ce genre de comportement intéresse autant les équipes produit que les ingénieurs, car il touche directement la fiabilité opérationnelle, pas seulement la note finale.

Ce que le benchmark dit du marché des modèles

La comparaison ne se limite pas à un duel Google-OpenAI. Elle montre surtout qu’un modèle peut grimper en tête sur un usage très ciblé tout en devenant nettement plus coûteux à exploiter. Pour les entreprises, le choix ne se fait donc pas seulement sur la qualité brute des réponses, mais sur le rapport entre performance, coût d’inférence et stabilité en exécution.

Selon la source, les modèles OpenAI cités ne sont pas encore publics, ce qui rend la hiérarchie moins simple à interpréter à long terme [à vérifier]. En attendant, Gemini 4 Carbon s’installe comme une référence sur les tâches mathématiques, même si sa place de leader ressemble davantage à une démonstration technique qu’à une victoire économique.

En chiffres

  • 85,4 % ±3,0 % — score attendu de Gemini 4 Carbon sur MathArena.
  • 82,8 % ±5,3 % — score attendu de Claude-Fable-5.2 sur MathArena.
  • 80,6 % ±2,7 % — score attendu de GPT-6.1 Sol sur MathArena.
  • 15 fois — surcoût estimé de Gemini 4 Carbon face à GPT-6.1 Sol.
  • 11 heures — durée d’un script lancé sans vérification de progression.

À lire