Gemini 4 Carbon lidera o MathArena, mas custa 15 vezes mais que o rival
O Gemini 4 Carbon, do Google, assumiu o topo do MathArena, avaliação que submete modelos de linguagem a problemas de matemática. O sistema acertou 85,4% dos testes, com margem de ±3,0%, deixou para trás o GPT-6.1 Sol e se tornou o primeiro modelo fora da OpenAI a liderar a lista em bastante tempo. O preço da dianteira aparece na fatura: o custo estimado por tarefa chega a US$ 15,70, perto de 15 vezes o valor registrado para o concorrente da OpenAI.
Como ficou o ranking
A medição considera as configurações de raciocínio adotadas nos testes — quanto maior o esforço computacional, mais caro o resultado. Os quatro nomes em destaque na apuração:
| Posição | Modelo | Provedor | Lançamento | Acerto | Custo estimado |
|---|---|---|---|---|---|
| 1º | Gemini 4 Carbon (high) | 10/11/2026 | 85,4% ±3,0% | US$ 15,70 ±1,33 | |
| 2º | Claude-Fable-5.2 (max) | Anthropic | 09/11/2026 | 82,8% ±5,3% | US$ 40,20 ±2,59 |
| 3º | GPT-6.1 Sol (max) | OpenAI | 29/09/2026 | 80,6% ±2,7% | US$ 1,07 ±0,018 |
| Melhor aberto | Kimi K3.1 Pro (max) | Moonshot AI | 23/10/2026 | 54,3% ±5,8% | US$ 3,70 ±0,27 |
Precisão máxima, eficiência mínima
Na comparação direta, o Carbon exige cerca de 15 vezes o gasto do GPT-6.1 Sol. O Claude Fable 5.2, dono do 82,8% de acerto, fica na casa de 40 vezes o valor do modelo da OpenAI. A ordem de grandeza inverte a lógica que costuma orientar a adoção corporativa de IA: o sistema mais preciso está longe de ser o mais barato de operar. Quem roda milhares de consultas por dia sente mais o multiplicador de custo do que os 4,8 pontos percentuais de vantagem sobre o terceiro colocado.
Um sistema que não desiste — nem quando deveria
O modo de falha mais comum do modelo do Google é estourar o limite de tempo. O Carbon praticamente não abandona uma tarefa, traço que admite duas leituras: persistência útil ou consumo excessivo de recursos. Em um dos episódios registrados, o sistema iniciou um script que rodou por mais de 11 horas sem verificar o próprio andamento. Para operações com prazo e orçamento definidos, a característica funciona como variável de risco.
O que o investidor tira disso
Três leituras organizam o assunto. A primeira é que a fronteira competitiva da IA generativa saiu da acurácia pura e passou a incluir o custo por inferência — o gasto para cada resposta entregue. A segunda: entre os modelos abertos, o Kimi K3.1 Pro, da Moonshot AI, marca 54,3% por US$ 3,70, quase 31 pontos percentuais abaixo do líder, sinal de que a distância entre as duas ligas segue ampla. A terceira envolve a OpenAI, que segundo relatos teria avançado na solução de equações como as de Navier-Stokes, mas ainda sem versão aberta ao público — ou seja, fora do alcance de qualquer avaliação independente.
O dado compilado por Jasper Dekoninck no X, base desta apuração, não mede receita nem margem de nenhuma das empresas citadas. Ainda assim, ajuda a dimensionar onde a competição vai doer: provedores capazes de reduzir o custo por resposta tendem a capturar adoção em escala, e a pressão recai sobre data centers, energia e chips, a base física de qualquer expansão. Acompanhar a relação entre desempenho e preço em testes públicos virou, para quem investe em tecnologia, um indicador tão relevante quanto números de usuários.