Gemini 4 Carbon bate GPT-6.1 Sol em matemática, mas custa 15 vezes mais

O Gemini 4 Carbon, do Google, tomou do GPT-6.1 Sol, da OpenAI, o topo do MathArena, o principal benchmark de matemática para IA. A vitória tem um preço: rodar o modelo custa cerca de 15 vezes mais que o rival.

O Gemini 4 Carbon, modelo do Google lançado em 10 de novembro de 2026, assumiu a liderança do MathArena, o benchmark que mede a capacidade de modelos de IA de resolver problemas de matemática avançada. O modelo tirou o GPT-6.1 Sol, da OpenAI, do topo do ranking, segundo reportagem do The Decoder publicada em 14 de novembro de 2026, com dados divulgados por Jasper Dekoninck no X (antigo Twitter).

O Claude Fable 5.2, da Anthropic, lançado em 9 de novembro de 2026, ficou em segundo lugar. Mas a disputa pelo topo do MathArena não é só sobre quem acerta mais questões: é sobre quanto custa fazer o modelo chegar à resposta certa. E nesse quesito o Gemini 4 Carbon perde feio.

O que o MathArena mede

O MathArena é um benchmark, um teste padronizado, que avalia modelos de IA em problemas de matemática de nível avançado, do tipo que aparece em olimpíadas e provas de pós-graduação. Diferente de testes de múltipla escolha, ele mede se o modelo chega à resposta certa por caminhos de raciocínio longos, e quanto esse raciocínio custa em dinheiro.

Para isso, o benchmark roda cada modelo com as configurações de raciocínio mais agressivas disponíveis, indicadas pelos sufixos como (high) e (max) nos nomes da tabela. Quanto mais alto o esforço de raciocínio, mais texto interno o modelo gera antes de responder, e mais caro fica usar a API. Por isso duas colunas da tabela do MathArena pesam tanto quanto a posição no ranking: o desempenho esperado e o custo esperado.

A tabela que explica a disputa

Os números mostram o tamanho do gap. O Gemini 4 Carbon custa cerca de 15 vezes mais que o GPT-6.1 Sol para rodar o mesmo conjunto de testes, e o Claude Fable 5.2 chega a custar 40 vezes mais, segundo o levantamento citado pelo The Decoder.

Por que o Gemini 4 Carbon sai tão caro

Isso tem explicação no comportamento do próprio modelo. Segundo o relatório, o modo de falha mais comum do Gemini 4 Carbon não é errar a conta: é estourar o tempo limite do teste. O modelo quase nunca desiste de uma tarefa, um traço que o levantamento classifica como podendo ser lido tanto como qualidade (persistência) quanto como defeito (desperdício de recursos).

Em um dos casos registrados, o Gemini 4 Carbon disparou um script e o deixou rodando por mais de onze horas sem checar o próprio progresso. Para quem coloca esse tipo de modelo atrás de um agente em produção, ligado a um pipeline real, esse comportamento tem um preço direto: cada minuto extra de raciocínio é token cobrado. Sem um limite de orçamento e um timeout configurados no sistema que chama a API, a conta pode escalar rápido sem que o resultado final melhore.

O que muda pra quem escolhe modelo via API

Para quem decide qual modelo colocar atrás de uma API em produção, o MathArena oferece um dado mais útil que o pódio: o custo por ponto de acerto. O GPT-6.1 Sol, mesmo em terceiro lugar, entrega 80,6% de acerto custando cerca de 15 vezes menos que o Gemini 4 Carbon. Para a maioria dos casos de uso, que não dependem de resolver o problema de matemática mais difícil do dia, essa diferença de preço costuma pesar mais que os 4,8 pontos percentuais que separam os dois modelos.

Alguns critérios práticos para decidir onde vale pagar o prêmio do modelo líder:

• Tarefa de ponta única: se o produto depende de resolver um problema matemático específico e difícil, raramente, o custo extra do Gemini 4 Carbon pode compensar.
• Volume alto de chamadas: em um agente que roda centenas ou milhares de vezes por dia, a diferença de 15x vira a maior linha do orçamento de infraestrutura.
• Tarefa com tempo limite real: como o modelo quase não desiste, ele exige timeout e monitoramento no código que faz a chamada, algo que o GPT-6.1 Sol demanda menos.
• Necessidade de modelo aberto: quem precisa rodar em infraestrutura própria, por exigência de compliance ou para evitar dependência de uma única API, não tem Gemini 4 Carbon nem GPT-6.1 Sol como opção.

Já o Kimi K3.1 Pro, da chinesa Moonshot AI, lançado em 23 de outubro de 2026, aparece como o melhor modelo aberto do levantamento, com 54,3% de acerto por um custo intermediário de $3,70. A pontuação fica longe da dos modelos fechados, mas ele segue como a opção mais madura hoje no topo do MathArena para quem precisa rodar o próprio peso do modelo.

O que fica em aberto

A reportagem do The Decoder também cita que a OpenAI teria modelos capazes de resolver equações avançadas, como as equações de Navier-Stokes, que descrevem o comportamento de fluidos e estão entre os problemas mais difíceis da física matemática. Esse resultado foi relatado recentemente, mas sem confirmação independente, e os modelos em questão ainda não estão disponíveis ao público. Até lá, é um número solto, sem ligação com um benchmark reprodutível como o MathArena.

Fica em aberto também se o Gemini 4 Carbon vai cair de preço com o tempo, como aconteceu com gerações anteriores de modelos de raciocínio, ou se o Google vai manter esse custo como opção de nicho para quem precisa do desempenho máximo e pode pagar por ele. Por enquanto, o retrato de 14 de novembro de 2026 é claro: o melhor modelo em matemática não é o mais barato, e a escolha certa depende de qual das duas coisas pesa mais na fatura de quem está pagando a API.

Fonte: The Decoder