Gemini 4 Carbon Google'a na czele rankingów, a otwarte modele zbijają ceny

Gemini 4 Carbon od Google'a, wydany w zeszłym tygodniu, zajmuje pierwsze miejsce w Intelligence Index V5 firmy Artificial Analysis z wynikiem 59 punktów. Wyprzedza Claude Opus 5.5 o jeden punkt, podaje Tom's Hardware w relacji z 3 listopada. W tym samym zestawie testów OpenAI GPT-6 Astra ma 57 punktów, a Meta Muse Wonder Full 50.

Sama inteligencja to nie cała oferta. Gemini 4 Carbon (high) ma też koszt zadania wynoszący 7,76 dolara w Intelligence Index. To taniej niż Gemini 3.8 Flash (high) i o kilka dolarów mniej niż Claude Opus 5.5 oraz Sonnet 5.5. Claude Fable 5.1 (max z fallbackiem) wypada na 12,99 dolara za zadanie, wynika z tych samych testów.

Google nie sprzedaje go jeszcze wszystkim.

Tom's Hardware podaje, że dostęp najpierw dostaną obrońcy cyberbezpieczeństwa w ramach programu Fairwind. Szersza dostępność ma przyjść później. Ta kolejność ma znaczenie. Obietnica dotyczy niezawodności w warunkach wrogich, nie nowinki dla konsumentów.

Wskaźniki halucynacji niskie u wszystkich

Gemini 4 Carbon wygrywa też test AA-Omniscience v1.1 firmy Artificial Analysis, który mierzy halucynacje i odtwarzanie faktów. Zastrzeżenie jest ostre. Nawet najlepszy model zdobył 54 punkty w skali od -100 do +100. To sugeruje, że systemy czołówki w 2026 roku wciąż są daleko od stałej niezawodności przy przypominaniu informacji.

Trzymaj ten wynik w pamięci, gdy dostawcy mówią o wdrożeniach agentowych. Model, który wymyśla fakty raz na dwadzieścia przypadków, to inny produkt niż taki, który robi to raz na tysiąc. Test pokazuje, że nikt nie jest blisko drugiej liczby. Rankingi zmieniają się szybko. Tom's Hardware przedstawia Gemini 4 Carbon jako powrót Google'a po nierównym roku wydań.

Najtańsza sensowna opcja nie jest przy tym flagowcem żadnego z czołowych laboratoriów.

DeepSeek V4.1 Flash 1017 kosztuje około 13 razy mniej za zadanie niż Gemini 4 Carbon. W tym samym indeksie ma tylko 32 punkty, podaje Tom's Hardware.

Gartner: otwarte wagi wykonują większość pracy

Ta różnica cen to tło dokumentu Gartnera opublikowanego w zeszłym tygodniu, o którym pisał The Register 3 listopada. Analitycy Mark Petty i Raymond Paquet przekonują, że dziewięć na dziesięć kroków w przepływach pracy agentów to rutyna. Modele z otwartymi wagami radzą sobie z nią równie dobrze za jedną czwartą ceny najtańszego modelu zamkniętego, a nawet za jedną dwudziestą ceny modelu czołowego używanego na każdym kroku.

"Obecne otwarte modele mogą być bardziej rozwlekłe i częściej ponawiać próby, więc oszczędność na zadanie wobec modelu czołowego jest bliżej pięciu czy sześciu razy" - napisali analitycy, cytowani przez The Register.

Założenie strategiczne Gartnera mówi, że do 2030 roku 90% kroków operacyjnych w przepływach pracy agentów w firmach będzie wykonywanych na modelach z otwartymi wagami. Firma twierdzi też, że oszczędność jest drugorzędna. "Lata historii przepływów pracy to duża część tego, za co nabywca płaci w firmie SaaS, a każdy rutynowy krok wysłany do API czołowego modelu przenosi jego kawałek poza twoją granicę" - napisali analitycy. "Otwarte wagi zachowują twoją kontrolę. Oszczędność kosztów to bonus."

The Register zauważa, że Gartner spodziewa się przepływu wartości do harnessów, czyli oprogramowania, które kieruje pracą między modelami. Modele czołowe stają się w tym ujęciu wydatkiem na badania i rozwój. Otwarte wagi stają się kosztem operacyjnym.

Wolumeny wnioskowania rosną w Chinach

Popyt rośnie niezależnie od tego, który model odpowiada. Średnia dzienna liczba wywołań tokenów w Chinach przekroczyła 175 000 000 000 000, ponad 1 000 razy więcej niż na początku 2024 roku. Liczba pochodzi z raportu opublikowanego w sobotę przez Chińskie Centrum Rozwoju Przemysłu Informacyjnego, działające pod Ministerstwem Przemysłu i Technologii Informacyjnych. South China Morning Post podał 2 listopada, że dane z wnioskowania wygenerowane w Chinach po raz pierwszy przewyższyły dane użyte do trenowania systemów.

Wywołania tokenów, jak definiuje je SCMP, mierzą użycie przez publicznych dostawców chmury. To wskaźnik zużycia, nie miara jakości. Raport nie rozbija tego ruchu na wideo, tekst i agentów.

Generowanie wideo to jedno z obciążeń, które pcha ten wolumen w górę. Publiczne dane o wydaniach modeli w tej kategorii są skąpe poza zapowiedziami dostawców w ostatnich nagłówkach.

Specjaliści przedstawiają swoje racje

Il Sole 24 Ore podał 1 listopada, że Translated, rzymska firma usług językowych, wydała w październiku Larę 3, model zbudowany do profesjonalnego tłumaczenia. W testach zorganizowanych przez firmę zawodowi tłumacze oceniali w ciemno 16 800 przekładów z angielskiego na 21 języków. 82% wyników Lary 3 uznano za użyteczne bez poprawek, wobec 69% dla GPT-5.6 Sol, najlepszego modelu ogólnego w porównaniu. Gazeta zaznacza, że testy przeprowadziła firma i ograniczały się do tych typów treści.

To argument specjalisty w pigułce: mniej korekt, mniej czasu na redakcję. To także twierdzenie dostawcy o własnym teście. Dlatego wielkość próby i zakres znaczą więcej niż procent z nagłówka.

Prace nad sprzętem i trenowaniem trwają pod spodem.

RTL-Interact, artykuł przesłany do arXiv 30 października, opisuje wielozadaniowe ramy douczania dla projektowania układów scalonych. Osiąga 48,7% ważonego Pass@1 w teście CVDP z modelem 32B, wyprzedzając swojego nauczyciela DeepSeek-V3.2. Redukuje też średnią liczbę wywołań narzędzi o 63,8% metodą, którą autorzy nazywają Pattern-Aware Policy Optimization.

Prąd i łatki

Centra danych obsługujące całe to wnioskowanie mają własne ograniczenie. Analiza Ember z października 2026, opisana przez pv magazine 3 listopada, pokazuje, że centra danych odpowiadają już za około 19% szczytowego zapotrzebowania na energię elektryczną w Irlandii. Prognozuje, że ten udział może dojść do 24% do 2030 roku, przy zapotrzebowaniu centrów danych na 1,6 GW wobec szczytu systemowego 6,5 GW. Przesuwanie obciążenia mogłoby obciąć irlandzki szczyt popytu o około 100 MW, czyli 1,5%, do 2030 roku. Generacja za licznikiem i magazynowanie mogłyby dać prawie pięć razy większą ulgę, z redukcjami do 2,7 GW w Teksasie.

Zespoły bezpieczeństwa mają pilniejszy problem.

Red Hat wydał 1 listopada jądra naprawiające CVE-2026-98432, błąd use-after-free w kodzie IPv4 TCP jądra Linuksa. Zespół CVE jądra ocenia go na 9,8 z 10, a zdalny, nieuwierzytelniony atakujący może do niego dotrzeć, podał The Hacker News 3 listopada. Red Hat początkowo dał mu 5,9 i podniósł ocenę do 9,8. Canonical poinformował 2 listopada, że poprawki Ubuntu dla 22.04, 24.04 i 26.04 LTS leżą w opcjonalnym kanale -proposed, bez daty wydania regularnej aktualizacji.

Na tym tle liczby Gemini 4 Carbon wyglądają mniej jak meta, a bardziej jak migawka. Jeden punkt przewagi w indeksie inteligencji, koszt zadania 7,76 dolara i wynik halucynacji 54 opisują rynek, na którym czołówka jest droga. Środek jest tani, a większość produkcyjnej pracy, jeśli Gartner ma rację, w ogóle nie dotknie czołówki.