Gemini 4 Carbon na czele indeksu V5 Artificial Analysis, ale wyścig modeli wideo toczy się gdzie indziej

Najnowsza liczba to 59. Tyle Gemini 4 Carbon od Google zdobył w Intelligence Index V5 Artificial Analysis, według relacji Tom's Hardware z 3 listopada. To o jeden punkt więcej niż Claude Opus 5.5 i o dwa więcej niż GPT-6 Astra od OpenAI. Model Google wygrał też test halucynacji AA-Omniscience v1.1.

To wyniki modeli językowych. Temat jest inny: generowanie wideo przez AI. Na tym polu obraz jest cieńszy i dziwniejszy, niż sugeruje nagłówek. Najświeższe datowane pozycje to raport rynkowy, premiera produktu i seria komunikatów dostawców. Modele, które faktycznie generują, trafiają tu głównie z drugiej ręki. Najnowsza konkretna data to 3 listopada. Wtedy Precedence Research opublikował badanie rynku generatorów anime AI, a Kling3.io ogłosił Kling 4.0, wynika z nagłówków kontekstowych. Ani jedno, ani drugie nie jest recenzowanym benchmarkiem.

Co właściwie zmierzył benchmark

Tekst Tom's Hardware warto czytać uważnie, bo oddziela wynik inteligencji od kosztów. Gemini 4 Carbon (high) kosztuje 7,76 dolara za zadanie w teście Intelligence Index. To nieco taniej niż Gemini 3.8 Flash (high) i znacznie poniżej Claude Fable 5.1, który kosztuje 12,99 dolara za zadanie. Wciąż drożej niż GPT 5 Astra od OpenAI i około sześć razy drożej niż GPT 6.1 Sol (max) w przeliczeniu na zadanie. W porównaniu z otwartym DeepSeek V4.1 Flash różnica wynosi około 13 razy, choć ten model zdobywa 32 punkty.

Google daje pierwszy dostęp obrońcom cyberprzestrzeni w ramach programu Fairwind, szersza dostępność ma przyjść później. Wynik testu halucynacji wymaga zastrzeżenia, które podaje sam artykuł: nawet najlepszy model zdobył 54 punkty w skali od -100 do +100. Lider w przywoływaniu informacji nie jest wiarygodnym narratorem.

"Nawet najlepszy zdobył tylko 54 punkty w skali od -100 do +100, co sugeruje, że nawet najlepsze modele frontier w 2026 roku są daleko od tego, by niezawodnie i dokładnie przywoływać informacje."

To rozróżnienie ma znaczenie dla każdego, kto kupuje narzędzia wideo. Nabywcy oceniają wygenerowane klipy na oko, nie według tabeli wyników. Pozycje dotyczące wideo opierają się na deklaracjach dostawców, nie na niezależnych testach. The Register podał 3 listopada, że analitycy Gartnera Mark Petty i Raymond Paquet przewidują, iż do 2030 roku modele otwarte będą obsługiwać 90% kroków firmowych procesów agentowych. Kosztowałoby to ćwierć ceny najtańszego modelu zamkniętego i nawet jedną dwudziestą ceny modelu frontier liczonej za każdy krok. Analitycy przyznają, że obecne modele otwarte "potrafią być bardziej gadatliwe i częściej powtarzać próby", więc realna oszczędność jest bliższa pięciu lub sześciu razy.

Ta presja na ceny jest tłem każdej premiery modelu generatywnego. Jeśli rutynowa praca przeniesie się do otwartych wag, zamknięte laboratoria będą sprzedawać drogi ogon: badania, trudne rozumowanie i markowe narzędzia kreatywne, które na tym stoją.

Argument specjalistów i kto go wysuwa

Il Sole 24 Ore przekonywał 1 listopada, że wyspecjalizowane systemy wciąż mają miejsce obok uniwersalnych. Jego przykładem jest Translated, rzymska firma usług językowych, która w październiku wydała Lara 3 do tłumaczeń profesjonalnych. W testach samej firmy ludzcy recenzenci sprawdzali w ciemno 16 800 tłumaczeń z angielskiego na 21 języków. Ocenili 82% wyników Lara 3 jako użyteczne bez poprawek, wobec 69% dla GPT-5.6 Sol. Gazeta zaznacza, że testy zorganizowała sama firma i ograniczyła je do tych treści. To właściwe zastrzeżenie przy każdym benchmarku dostawcy.

Ta sama logika dotyczy wideo. Model, który dobrze radzi sobie z typografią i kontrolą układu, jest dla zespołu marki wart więcej niż generalista z wyższym wynikiem w indeksie. Model 4.5 od Ideogram to jeden z przykładów, skupiony na typie i układzie, a nie na szerokich możliwościach.

Pod tym wszystkim leży rachunek za prąd. Analiza Ember z października 2026, opisana przez pv magazine 3 listopada, wykazała, że centra danych odpowiadają już za około 19% szczytowego zapotrzebowania w Irlandii, a do 2030 roku ma to być 24%. Przesuwanie obciążenia mogłoby obniżyć irlandzki szczyt popytu o około 100 MW, czyli 1,5%. Generacja za licznikiem i magazynowanie mogłyby dać prawie pięć razy większą ulgę, z potencjalnymi redukcjami do 2,7 GW w Teksasie. Duże centrum danych potrzebuje 200 MW do 500 MW i może powstać w 18 do 24 miesięcy; rozbudowa sieci zajmuje od czterech do 10 lat.

Fizyczna AI też się rusza. Tutor Intelligence podał 2 listopada, że zebrał 75 mln dolarów w rundzie B, prowadzonej przez Andreessen Horowitz, na roboty trenowane na danych z rzeczywistego świata i przy pomocy zdalnych ludzkich tutorów. Prezes Josh Gruenstein powiedział, że firma "ledwo nadąża z budową robotów".

Nic z tego nie rozstrzyga, który model wideo wygra. Wyjaśnia jednak, dlaczego tempo premier wciąż przyspiesza, podczas gdy niezależna ocena zostaje w tyle.