Le 14 novembre 2026, le banc d'essai indépendant de mathématiques MathArena a mis à jour son classement : Gemini 4 Carbon de Google a pris la première place avec 85,4 % de performance attendue, reléguant GPT-6.1 Sol d'OpenAI (80,6 %) à la troisième place, Claude Fable 5.2 d'Anthropic (82,8 %) se classant deuxième. C'est la première fois depuis longtemps qu'un modèle autre que celui d'OpenAI trône en tête de ce classement — mais le prix est élevé : Carbon coûte 15,70 dollars par problème, soit environ 15 fois plus que Sol.
Ce que ce banc d'essai mesure vraiment
MathArena est géré par Jasper Dekoninck, chercheur à l'EPF de Zurich. Sa particularité : il ne teste les modèles que sur des problèmes de concours et de recherche mathématiques nouvellement publiés, pour empêcher les modèles de gagner par mémorisation ; chaque modèle résout chaque problème quatre fois et la moyenne est retenue. Le score de Carbon a été obtenu avec le réglage de raisonnement « high », celui de Sol avec « max ». Le classement a ajouté les résultats de Carbon et de Fable 5.2 le 13 novembre : Carbon n'est devenu disponible pour tous que le 10 novembre, Fable 5.2 est sorti le 9 novembre, tandis que Sol tenait la première place depuis sa sortie le 29 septembre. Une réserve s'impose : les 85,4 % de Carbon s'accompagnent d'un intervalle de confiance de plus ou moins 3,0 points — et Fable 5.2, qui a obtenu un meilleur score, coûte encore plus cher, 40,20 dollars par problème.
Ce surcroît de points vaut-il son prix ?
Pour quiconque utilise des modèles pour les mathématiques, les chiffres les plus utiles du classement sont dans la colonne des coûts : Sol coûte 1,07 dollar par problème et Kimi K3.1 Pro 3,70 dollars, contre 15,70 dollars pour Carbon et 40,20 dollars pour Fable. Dekoninck lui-même invite à la prudence : en raison du coût, Carbon n'a été entièrement testé que sur l'évaluation ArXivLean, et certains de ses scores sont des estimations statistiques plutôt que des mesures. Google n'a rien annoncé au sujet de cette première place ; Sundar Pichai et Demis Hassabis ont simplement relayé la publication de l'opérateur du banc d'essai, sans commentaire. Autrement dit, la première place est réelle — mais elle a été achetée avec un réglage de raisonnement élevé et une lourde facture d'inférence.
Comment lire ce classement pour choisir un modèle
Ce classement ressemble davantage à un instantané qu'à un verdict : il prouve que Carbon possède réellement une capacité de premier ordre en raisonnement mathématique pur, mais la question de savoir si ces 4,8 points supplémentaires valent 15 fois plus cher pour les tâches quotidiennes dépend de la difficulté des problèmes et du budget disponible. Le modèle rapide de Google, Hydrogen, suit une autre voie, axée sur le rapport qualité-prix, tandis que la barrière d'entrée et les tarifs de Fable 5.2 relèvent d'un tout autre calcul. Une fois que Carbon aura des scores mesurés sur davantage d'évaluations et que ses tarifs se seront stabilisés, le classement méritera un second regard.
