Gemini 4 Carbonが数学評価で首位も、1問の費用はGPT-6.1 Solの約15倍に

画像:AIエージェントナビ編集部
AIモデルを選ぶとき、「どれが一番賢いか」と「いくらかかるか」を同じ表で比べられる材料は多くありません。数学の問題でAIを比べる評価サイト「MathArena」の総合表で、GoogleのGemini 4 Carbonが1位になり、同時に1問あたりの費用がOpenAIのGPT-6.1 Solの約15倍であることも示されました。
本記事では、MathArenaがどんな評価なのか、上位3モデルの成績と費用、表を読むときに押さえたい設定の違いを解説します。
MathArenaの総合表でGemini 4 Carbonが1位に
MathArenaは、スイスのチューリッヒ工科大学の研究室「SRI Lab」と研究機関「INSAIT」が運営する評価サイトです。最近の数学コンテストやオリンピックの問題、研究レベルの問題をAIに解かせ、点数を比べています。AIが学習の段階で見ていない新しい問題を使うことで、答えの暗記ではなく考える力を測る狙いです。
運営者のJasper Dekoninck氏は2026年11月13日、Xで「とても久しぶりに、OpenAI以外のモデルがMathArenaの1位になった」と投稿しました。Gemini 4 CarbonがGPT-6.1 Solから首位を奪い、2位にはAnthropicのClaude Fable 5.2が入っています。
上位3モデルと公開モデルの成績
総合表の「推定スコア」は、廃止されていない全コンテストを通した成績を1つにまとめた数字です。上位は次のとおりです。
- 1位:Gemini 4 Carbon(high)|Google|85.4%(±3.0%)
- 2位:Claude Fable 5.2(max)|Anthropic|82.8%(±5.3%)
- 3位:GPT-6.1 Sol(max)|OpenAI|80.6%(±2.7%)
重みを誰でも入手できる公開モデルの中では、中国Moonshot AIのKimi K3.1 Pro(max)が54.3%で最上位でした。上位3モデルとは30ポイント近い差があります。1位と3位の差は4.8ポイントで、それぞれに付いている誤差の幅(±の部分)と比べると大きな差ではありません。
1問あたりの費用はCarbonが15.70ドル、Solは1.07ドル
MathArenaの表は成績と並べて「想定費用」も載せています。これは、1問を1回解かせたときにかかる平均費用を米ドルで示したものです。各モデルは同じ問題を4回ずつ解き、表には平均の点数と1回あたりの平均費用が出ます。
Gemini 4 Carbonは15.70ドル(±1.33ドル)、GPT-6.1 Solは1.07ドル(±0.018ドル)で、Carbonは約15倍(計算上は約14.7倍)です。2位のClaude Fable 5.2はさらに高い40.20ドル(±2.59ドル)で、Solの約38倍にあたります。公開モデルのKimi K3.1 Proは3.70ドルでした。成績の差が数ポイントにとどまる一方、費用は桁が1つ違うことがこの表から読み取れます。
表の成績は「考える深さ」を上げた設定のもの
表のモデル名に付いている「high」「max」は、AIが答える前にどれだけ考えるかを決める設定です。考える量を増やすほど成績は上がりやすくなりますが、使うトークン(AIが処理する文字量の単位)が増え、費用と待ち時間も増えます。今回の上位3モデルは、いずれも深く考えさせる設定で測られています。
Gemini APIの既定はmedium
Googleによると、Gemini 4 Carbonの考える深さはlow・medium・highの3段階から選べ、既定はmediumです。Googleは3段階すべてで試し、求める品質を満たす一番低い段階を選ぶよう勧めています。Gemini APIの料金は11月30日まで100万トークンあたり入力2ドル・出力10ドルの入門価格で、12月1日から入力4ドル・出力20ドルに上がります。
まとめ
- 数学の評価サイトMathArenaの総合表で、Gemini 4 Carbon(high)が85.4%で1位になった
- 2位はClaude Fable 5.2(max)の82.8%、3位はGPT-6.1 Sol(max)の80.6%
- 1問を1回解かせる平均費用は、Carbonが15.70ドル、Solが1.07ドルで約15倍
- 公開モデルの最上位はKimi K3.1 Pro(54.3%・3.70ドル)
💡 編集部の見解
表の1位は、考える深さを一番深くした設定での成績です。Googleの既定は一段浅いmediumのため、表の費用差は、既定のまま使う人の請求額とは別物と見ています。
- 海外報道の倍率は約40倍:海外メディアのThe Decoderは2位モデルの費用を「約40倍」と報じましたが、表の数字(40.20ドル)で計算すると約38倍です。
- 料金は12月に倍:当メディアが11月11日に報じたとおり、Gemini 4 CarbonのAPI料金は12月1日に入門価格の倍(入力4ドル・出力20ドル)になります。12月以降に試算するときはこの単価で計算します。
出典:MathArena(チューリッヒ工科大学SRI Lab・INSAIT)/Jasper Dekoninck氏のX(2026年11月13日)




