GITEX

Gemini 4 Carbon يتصدر اختبار MathArena للرياضيات متقدماً على GPT-6.1 Sol

Gemini 4 Carbon يتصدر اختبار MathArena للرياضيات متقدماً على GPT-6.1 Sol
عبد الرحمن عمرو
عبد الرحمن عمرو

2 د

تصدّر Gemini 4 Carbon اختبار MathArena متقدماً على GPT-6.

1 Sol من OpenAI.

جاء Claude Fable 5.

2 من Anthropic في المركز الثاني.

حقق Carbon نتيجة 85.

4% بهامش خطأ يتداخل مع منافسيه.

تكلفة تشغيل الاختبار على Carbon تقارب 15 ضعف تكلفة GPT-6.

1 Sol.

أكثر أخطاء Carbon شيوعاً تجاوز الوقت المسموح لأنه نادراً ما يستسلم.

تخيّل طالباً يرفض أن يترك ورقة الامتحان حتى بعد انتهاء الوقت، لا لأنه عاجز، بل لأنه مصرّ على الوصول إلى الحل. هذه الصورة تلخص إلى حد بعيد ما كشفه أحدث ترتيب لاختبار MathArena للرياضيات، حيث تصدّر نموذج Gemini 4 Carbon من Google القائمة وأزاح GPT-6.1 Sol من OpenAI عن المركز الأول، ليكون أول نموذج من خارج OpenAI يتصدر هذا الاختبار منذ فترة، بحسب تقرير The Decoder.


ترتيب جديد في قمة الرياضيات

جاء Claude Fable 5.2 من Anthropic في المركز الثاني خلف Carbon، ما يجعل نموذج Google من أقوى النماذج المتاحة للعامة في مهام الرياضيات. وبحسب The Decoder، فإن نماذج OpenAI التي يُقال إنها حلّت مؤخراً معادلات صعبة مثل معادلات Navier-Stokes ليست متاحة للعامة بعد. وأضاف موقع Tbreak أن MathArena أضاف Fable 5.2 وCarbon إلى قائمته في 13 نوفمبر، وأن Kimi K3.1 Pro هو أفضل نموذج مفتوح في القائمة بفارق يقارب 31 نقطة عن Carbon.


فارق أضيق مما يبدو

حقق Carbon نتيجة 85.4% بهامش خطأ يبلغ 3.0% زيادة أو نقصاً، وبحسب Tbreak فإن هذا الهامش يتداخل مع نطاقات النموذجين المنافسين، أي أن السباق أقرب مما يوحي به ترتيب الجدول. كما أن هامش Fable 5.2 البالغ 5.3% هو الأوسع بين الثلاثة.


الأداء الأعلى له ثمن

بإعدادات التفكير المستخدمة في الاختبار، تبلغ تكلفة Carbon نحو 15 ضعف تكلفة GPT-6.1 Sol، بينما تصل تكلفة Fable 5.2 إلى نحو 40 ضعفاً، بحسب The Decoder. ويوضح Tbreak أن رقم الخمسة عشر ضعفاً يخص تكلفة تشغيل الاختبار كاملاً، وليس سعر الوحدة الواحدة من النص.


نموذج لا يعرف الاستسلام

ذو صلة

أكثر أخطاء Carbon شيوعاً هو تجاوز الوقت المسموح، إذ نادراً ما يتخلى عن أي مهمة، وهي صفة يمكن قراءتها إيجاباً أو سلباً. ففي إحدى الحالات شغّل برنامجاً لأكثر من إحدى عشرة ساعة دون أن يتحقق من تقدمه. ويشير Tbreak إلى أن Google تقدّم Carbon أساساً لمهام الأمن السيبراني والمهام الطويلة.

ربما لا يكمن السؤال الحقيقي في هوية النموذج الأذكى، بل في قيمة كل نقطة إضافية من الذكاء؛ فحين تتقارب النتائج داخل هوامش الخطأ، يصبح الثمن والصبر جزءاً من المقارنة بقدر ما هي الدقة.

عبَّر عن رأيك

إحرص أن يكون تعليقك موضوعيّاً ومفيداً، حافظ على سُمعتكَ الرقميَّةواحترم الكاتب والأعضاء والقُرّاء.

ذو صلة