Google ha conseguido que su modelo Gemini 4 Carbon encabece el ranking MathArena, la prueba que mide cuánto sabe la IA sobre matemáticas. Es la primera vez en mucho tiempo que un modelo que no es de OpenAI ocupa el primer puesto. Carbon ha desplazado a GPT-6.1 Sol, y el segundo lugar es para Claude Fable 5.2, de Anthropic. Los modelos de OpenAI, que según algunas informaciones habrían resuelto ecuaciones complicadas como las de Navier-Stokes, todavía no están disponibles al público.
La ventaja, sin embargo, es más estrecha de lo que sugiere la tabla. Carbon logra un 85,4 % de acierto con un margen de error de ±3 %, y ese intervalo se solapa con el de sus dos rivales. Fable 5.2 es el de resultados más dispersos, con ±5,3 %. Kimi K3.1 Pro es el mejor modelo abierto de la lista, unos 31 puntos por detrás de Carbon.
Un coste muy superior al de sus rivales
El precio es el gran problema. Con la configuración de razonamiento usada en las pruebas, completar una ronda del test cuesta con Carbon unas 15 veces más que con GPT-6.1 Sol, y con Fable 5.2 cerca de 40 veces más. Esa cifra corresponde al coste de toda la prueba, no al precio de cada token, que son los fragmentos de texto que la IA lee y escribe.
La diferencia viene de cuánto trabaja Carbon en cada tarea. Google lo presenta sobre todo para ciberseguridad y tareas largas, y su fallo más habitual es agotar el tiempo máximo permitido. Además, casi nunca se rinde: en una prueba lanzó un programa que estuvo funcionando más de once horas sin comprobar su progreso. Esa insistencia puede ser una virtud o un defecto, según el caso.
Precio en la API y otras pruebas de Google
Google puso Carbon a disposición de los desarrolladores a través de su API el 10 de noviembre. En el lanzamiento, el precio fue de 2 dólares por millón de tokens de entrada y 10 por millón de salida, la misma tarifa que OpenAI aplica a GPT-6 Sol. Cuando termine el periodo de introducción, la tarifa estándar subirá a 4 dólares de entrada y 20 de salida por millón.
En MKA, otra prueba de Google que evalúa tareas de oficina con imágenes, el orden se invierte: Fable 5.2 queda primero y Carbon segundo. Google asegura que Carbon cuesta alrededor del 16 % de lo que cuesta Fable por tarea, unos 5,63 dólares frente a 35,28.
La pregunta que queda abierta es si una ventaja de pocos puntos justifica pagar entre 15 y 40 veces más por cada ronda de pruebas. Para la mayoría de usuarios, el dato que pesará será el precio por uso, no el primer puesto en un ranking.




