Modelos

Gemini 4 Carbon assume a liderança do MathArena com a conta mais cara da tabela

O Gemini 4 Carbon venceu o MathArena e tirou o GPT-6.1 Sol do topo. A rodada completa custou quinze vezes mais, e a explicação não está no preço do token.

Mariana SilvaMariana Silva
Popularidade: 1,600
Uma curva de pontuação subindo em um painel escuro ao lado da palavra Carbon e da etiqueta 85,4 por cento, primeiro lugar

O Gemini 4 Carbon venceu o MathArena e tirou o GPT-6.1 Sol do topo. A rodada completa custou quinze vezes mais, e a explicação não está no preço do token.

Gemini 4 Carbon assume o topo do MathArena

A notícia é simples. A conta é que dá trabalho. O Gemini 4 Carbon venceu o MathArena, segundo a tabela que o The Decoder publicou em 14 de novembro, e é a primeira vez em um bom tempo que um modelo de fora da OpenAI ocupa o primeiro lugar. O GPT-6.1 Sol perdeu a posição. O Claude Fable 5.2 apareceu em segundo.

O placar do Carbon foi 85,4%, com margem de 3,0 pontos para mais ou para menos. O Sol ficou em 80,6%.

Agora o dado que a manchete esconde. Uma rodada completa no MathArena custou US$ 15,70 no Carbon e US$ 1,07 no Sol. Mesmos problemas, mesma correção.

"Quinze vezes" virou título porque é um número grande. Lido com pressa, sugere que o Google cobra quinze vezes mais por token. Não é o caso.

A conta chega depois.

O preço do token do Gemini 4 Carbon é US$ 4 por milhão na entrada e US$ 20 por milhão na saída, igual ao do Gemini 4 Argon. A diferença aparece no consumo. O Carbon pensa por mais tempo, testa mais hipóteses e escreve muito mais texto intermediário antes de fechar a resposta.

O que o MathArena mede e por que a conta entra na tabela

MathArena é um conjunto independente de problemas de matemática no formato de competição, com correção pelo resultado final, e não um benchmark do Google. O The Decoder acrescentou a coluna de custo por rodada, e é essa coluna que transforma a vitória em pergunta.

Modelo

Lançamento

MathArena

Custo por rodada

Gemini 4 Carbon (high)

10/11

85,4%

US$ 15,70

Claude Fable 5.2 (max)

09/11

82,8%

US$ 40,20

GPT-6.1 Sol (max)

29/09

80,6%

US$ 1,07

Kimi K3.1 Pro (max)

23/10

54,3%

US$ 3,70

Dois recados saem daí. Acertar mais não significa gastar mais. O Claude Fable 5.2 acertou menos que o Carbon e ainda assim desembolsou duas vezes e meia o valor por rodada. O segundo: o melhor modelo aberto da tabela, o Kimi K3.1 Pro da Moonshot AI, fica trinta e um pontos atrás do líder e cobra quase quatro vezes o preço do Sol.

Nenhuma dessas linhas diz qual modelo resolve o seu problema. Elas dizem quanto custa tentar.

Por que o Gemini 4 Carbon quase nunca desiste

O motivo do consumo alto é de produto, não de defeito. O Carbon raramente abandona uma tarefa, e o modo de falha mais comum dele é estourar o limite de tempo, não devolver resposta errada.

Em um caso documentado, o modelo deixou um script rodando mais de onze horas sem verificar o progresso. Onze horas de token queimado sem sinal de que o caminho estava certo.

Quem já depurou um problema difícil reconhece o comportamento. Insistir resolve quando existe solução, e o Carbon insiste sempre. Custa caro quando não existe.

Vale pagar por essa teimosia?

Gemini 4 Argon continua sendo o modelo do trabalho comum

O Google não aposentou o Gemini 4 Argon, e a empresa foi explícita: os dois se complementam. O Argon segue como escolha melhor para a maior parte do trabalho de engenharia e de conhecimento, com o mesmo preço por token.

A divisão prática que sai do anúncio é por tipo de tarefa. Pesquisa aberta, depuração difícil e problema sem caminho óbvio vão para o Carbon. O resto fica no Argon, que gasta muito menos para chegar ao mesmo lugar na maioria das vezes.

Os números do Google para o Gemini 4 Carbon

No material de lançamento, a empresa lista primeiros lugares, todos medições próprias. Segundo o Google, o Carbon lidera o CursorBench 4.0 com nota pouco abaixo de 60%, e também aparece em primeiro no WANDR, da Perplexity, e no AutomationBench, do Zapier, com menos da metade do custo por tarefa do segundo colocado, o Fable 5.2.

No benchmark de agente multimodal construído com a Artificial Analysis, o Carbon ficou em segundo, atrás do Fable 5.2 e à frente do Opus 5.5, custando menos de um sexto do que o líder gastou.

A Artificial Analysis já tinha medido, cerca de duas semanas antes, US$ 7,76 por tarefa resolvida no Carbon com preço padrão, contra US$ 10,04 no Opus 5.5 Max e US$ 26,50 no Fable 5.2 no esforço máximo.

Fairwind, Wiz e os zero-days que o Gemini 4 Carbon achou

O programa Fairwind rodou com especialistas de segurança escolhidos a dedo, e o Carbon chegou ao público geral depois de cerca de duas semanas de testes fechados. O resultado que o Google destaca veio dessa fase.

Durante a varredura de duas grandes empresas de SaaS em menos de duas horas, dentro do Scan for Good do Wiz, o modelo encontrou falhas reais que ninguém tinha reportado. A equipe de segurança de nuvem do Google usou o mesmo modelo para escrever provas de conceito de duas falhas conhecidas em um projeto open source.

Falha real é resultado difícil de inflar, mas o número ainda é do fornecedor.

Preço do Gemini 4 Carbon: US$ 2 na entrada e a conta em real

O preço de tabela é US$ 4 por milhão de tokens na entrada e US$ 20 na saída, com uma condição introdutória de US$ 2 e US$ 10. A condição é promocional, sem data de encerramento publicada.

Quem paga em real sente de outro jeito. A cobrança sai em dólar, com conversão pelo câmbio do dia e IOF no cartão corporativo, então dois meses com a mesma tabela podem fechar em valores diferentes. Quem orça por token no Brasil erra a previsão justamente aí.

O acesso também tem porteira. O Gemini 4 Carbon chega a desenvolvedores de camadas pagas pela API do Gemini, pelo AI Studio, pelo Android Studio e pelo Gemini for Business. Se a sua conta do AI Studio nunca teve faturamento ativo, é provável que o modelo nem apareça na lista.

/swarm no Antigravity e o ceticismo sobre enxames de agentes

Junto com o modelo, o Google mostrou uma prévia do /swarm no Antigravity, que transforma um pedido em um time de agentes coordenados. O Carbon faz arquitetura, coordenação e auditoria. Modelos mais leves rodam em paralelo e tentam derrubar o resultado uns dos outros.

A OpenAI e a Anthropic já avisaram que enxames de agentes queimam token sem ganho proporcional, e pesquisadores concordam.

Para quem vai testar, a regra que sobra é orçar por tarefa concluída, não por token. Escolha uma tarefa que você já sabe fazer. Rode nos dois e compare o custo até a entrega. A tabela do MathArena já mostrou onde o dinheiro vai: no tempo que o modelo insiste em gastar.

Compartilhar esta notícia

Fontes

Notícias de IA relacionadas

Uma longa forma de onda verde-azulada com uma barra laranja de destaque em campo escuro
Modelos

Rumble-2-Flash: um modelo de fala de 0,5B encosta no de 30B

A Reson8 liberou um modelo de reconhecimento de fala de 0,5 bilhão de parâmetros que fica a um décimo de ponto de um gigante de 30 bilhões em ligações de call center. O número interessa a quem paga por minuto de transcrição, e o resto do pacote decide se vale trocar.

Popularidade: 560
Três anéis de neon orbitando um pequeno núcleo brilhante em campo azul-escuro
Modelos

Gemini 4 Neon chega ao app, e o seletor perde Argon e 3.1 Pro

O Gemini 4 Neon entrou no app como a opção do meio: mais forte que o Hydrogen, mais barato que o Carbon. A troca interessa a quem paga o Gemini AI Pro, porque duas opções antigas saíram do seletor no mesmo dia.

Popularidade: 1,500
Um grande núcleo de modelo cercado por raios de raciocínio ao lado de um núcleo rápido menor, com barras de preço em queda à direita
Modelos

GPT-6.2 Astra fica 20% mais barato e continua atrás no teste independente

A OpenAI cortou o preço do Astra em 20% e deixou o Sol na faixa anterior. Só que a fatura por tarefa depende de outro número: quantos tokens o modelo queima até entregar o resultado.

Popularidade: 1,900
Uma grade densa de quadrados especialistas com seis nós acesos e uma fita longa atravessando
Modelos

Qwen4-Max: 2,4 trilhões de parâmetros e a conta menor por tarefa

A Alibaba não está vendendo o modelo mais forte do mercado. Está vendendo a conta menor no fim do mês, com uma arquitetura que gasta menos tokens para chegar à mesma resposta. A diferença aparece nos benchmarks que o Qwen4-Max perde.

Popularidade: 1,650