
Dans les essais de MathArena, un banc d’essai de mathématiques de haut niveau, un script lancé par Gemini 4 Carbon a tourné plus de onze heures sans que le modèle vérifie une seule fois où il en était. Ce détail, rapporté parmi les observations du benchmark, dit mieux que le classement ce que Google vend avec ce modèle : de l’obstination.
Carbon vient de prendre la première place de ce classement, devant Claude Fable 5.2 d’Anthropic et GPT-6.1 Sol d’OpenAI. Mais ces trois modèles ne jouent pas dans la même catégorie de prix.

Complétez votre site, carte par carte
J’ai conçu TresoRank pour détecter ce qui manque à votre visibilité SEO & GEO : contenus, enrichissements, maillage ou optimisations techniques. Chaque opportunité devient une carte à activer.
Analyser mon site gratuitement →Deux façons de gagner, deux factures
MathArena publie, pour chaque modèle, le réglage de raisonnement testé, le score et le coût estimé de l’épreuve :
- Gemini 4 Carbon (réglage high), sorti le 10 novembre 2026 : 85,4 % de réussite attendue, pour un coût estimé de 15,70 $ ;
- Claude Fable 5.2 (réglage max), sorti le 9 novembre : 82,8 %, pour 40,20 $ ;
- GPT-6.1 Sol (réglage max), sorti le 29 septembre : 80,6 %, pour 1,07 $.
Carbon vise la meilleure réponse, Sol une réponse presque aussi bonne pour une fraction du prix. Carbon coûte environ 15 fois plus que Sol, Fable 5.2 près de 38 fois plus. Le classement dit qui est devant, pas à quel tarif.
Un rang d’avance, mais des marges d’erreur qui se chevauchent
L’écart entre Carbon et Sol est de 4,8 points. MathArena publie pourtant ses scores avec une marge : plus ou moins 3,0 points pour Carbon, plus ou moins 2,7 pour Sol. Les deux fourchettes se chevauchent légèrement, ce qui interdit de lire ce premier rang comme une domination nette.
Fable 5.2 se trouve dans une situation plus inconfortable encore. Sa marge de 5,3 points est la plus large des trois, et sa fourchette recouvre celles de ses deux voisins. Le modèle occupe la deuxième place du tableau, mais reste statistiquement difficile à départager.
La facture, elle, est nette : 14,63 $ d’écart entre Carbon et Sol pour gagner près de cinq points de réussite moyenne. Un tel arbitrage ne se justifie que par un cas d’usage précis, une démonstration qu’aucun autre modèle n’atteint, pas un lot de problèmes de routine.
Un modèle qui n’abandonne jamais, quitte à dépasser le temps imparti
Quand Carbon échoue, c’est le plus souvent parce qu’il dépasse la limite de temps, plus rarement parce qu’il se trompe. Le modèle n’abandonne presque jamais une tâche, trait que l’on peut juger tantôt précieux, tantôt coûteux. Le script de onze heures en est la version extrême.
Cette ténacité pèse deux fois sur la comparaison. D’abord sur le score : les problèmes laissés en suspens quand l’horloge s’arrête comptent contre le modèle, ce qui suggère qu’il aurait pu monter plus haut avec plus de temps, et que le classement sous-estime peut-être sa capacité brute. Ensuite sur le prix : un modèle qui continue de calculer quand un autre aurait rendu sa copie consomme davantage, et cet écart se retrouve dans la ligne des dollars. Comparer les notes sans regarder ce rapport au temps fausse la lecture du tableau.
L’open source n’offre pas encore de raccourci
Le meilleur modèle ouvert du classement, Kimi K3.1 Pro de Moonshot AI (sorti le 23 octobre, réglage max), atteint 54,3 % pour 3,70 $. Il est moins cher que Carbon, mais plus de trois fois plus cher que Sol, pour plus de 26 points de moins. En mathématiques de ce niveau, la route économique passe aujourd’hui par un modèle fermé, et c’est OpenAI qui l’occupe.
Le tableau de MathArena ne porte enfin que sur des modèles accessibles au public. Les systèmes que les laboratoires gardent en interne n’y figurent pas, si bien que le sommet effectif du domaine reste hors de portée de la comparaison.
Choisir entre la meilleure copie et la copie suffisante
Pour un développeur qui branche un modèle sur des tâches de calcul, de vérification de preuves ou d’analyse quantitative, tout dépend du volume. Dix problèmes difficiles par mois : Carbon, ou même Fable 5.2, se justifient sans peine. Dix mille problèmes par jour : la facture de Carbon devient un poste de dépense à part entière, et l’écart de 4,8 points ne la compense presque jamais.
Google a une carte à jouer : si Carbon apprend à s’arrêter à temps, son avantage de score se paiera moins cher. D’ici là, c’est un modèle que l’on engage pour un problème précis, avec un budget de temps et d’argent fixé à l’avance.

Vous avez aimé celui-ci ?
La newsletter du vendredi réunit les articles de la semaine, avec leurs sources.
Offert à l'inscriptionMa configuration Claude Code, avec mes skills, mes sous-agents et mes hooks, prêts à copier.
Sources
Ils m’ont fait confiance
« Il ne se contente pas de corriger les symptômes, il cherche à comprendre l'origine des problèmes et à sécuriser les modifications effectuées. J'ai réellement le sentiment d'avoir trouvé un développeur qui comprend à la fois la technique et les enjeux globaux du projet. »
Évaluation client · projet WordPress · septembre 2026
5,0/5 sur 22 évaluations
Faire appel à mes services →

