Gemini 4 Carbon domine MathArena devant Claude Fable 5.2 et GPT-6.1 Sol, mais à un coût bien supérieur
Au banc d’essai MathArena, Gemini 4 Carbon de Google a obtenu 85,4 %, devant Claude Fable 5.2 d’Anthropic (82,8 %) et GPT-6.1 Sol d’OpenAI (80,6 %), rapporte The Decoder, qui cite Jasper Dekoninck, de MathArena. Carbon a coûté environ 15,70 $ US par exécution contre 1,07 $ US pour GPT-6.1 Sol, soit quelque 15 fois plus; Fable 5.2 a coûté 40,20 $ US.
The DecoderPublié à l’origine le 1 min
Pourquoi c’est important
C’est la première fois depuis un moment qu’un modèle d’OpenAI ne domine pas ce banc d’essai, et les deux premiers modèles sont accessibles au public. Les marges d’erreur des meneurs se chevauchent, et l’échec le plus fréquent de Carbon est le dépassement de la limite de temps.
Le meilleur modèle ouvert, Kimi K3.1 Pro, a obtenu 54,3 %.
Pour les affaires et les TI
Le rang à un banc d’essai ne dit rien du rapport coût-efficacité : comparez le score par dollar sur vos propres tâches avant de changer de modèle.
OpenAI affirme élargir son programme ChatGPT pour chercheurs universitaires afin d’offrir à 200 000 chercheurs dans le monde un accès gratuit à ses modèles de pointe. Dans une publication sur X, l’entreprise ajoute qu’une étude menée auprès de plus de 1 800 participants du programme révèle que les scientifiques déclarent avoir presque doublé leur productivité grâce à l’IA.
OpenAI a publié un article sur une définition candidate, non perturbative et sur réseau, du modèle standard de la physique des particules. L’entreprise affirme que son modèle GPT-6 Astra a aidé à transformer l’idée en preuve détaillée. Nous n’avons pas pu lire l’article complet : la physique et le rôle exact du modèle ne sont pas confirmés de façon indépendante.
Selon The Decoder, Claude Fable 5.2 d’Anthropic crée des images à l’aide de programmes Python qui pilotent un moteur de peinture simulé, plutôt que de calculer des pixels comme le font les modèles de diffusion. Jake Eaton, employé d’Anthropic, affirme qu’une scène photoréaliste de stationnement a nécessité environ 700 000 coups de pinceau. Le modèle n’utilise aucun modèle d’image externe ni image source décalquée.
Meituan a publié les poids de LongCat-2.5, un modèle à mélange d’experts de 1,6 billion de paramètres conçu pour le code et les tâches d’agent, sous licence MIT, rapporte The Decoder. Selon les tests de Meituan elle-même, il obtient 88,4 à Terminal Bench v2.1, juste derrière Claude Opus 5. Son exemple de déploiement repose sur 194 puces Huawei Ascend, et le guide ne mentionne aucun GPU Nvidia.
The Decoder
Avec votre accord, nous utilisons Google Analytics pour savoir quelles nouvelles sont lues. Aucune publicité, et vos données ne sont jamais vendues. Politique de confidentialité