Gemini 4 Carbon wygrywa w Intelligence Index V5 Artificial Analysis jednym punktem
Gemini 4 Carbon od Google zdobył 59 punktów w Intelligence Index V5 Artificial Analysis, o jeden punkt więcej niż Claude Opus 5.5, podał Tom's Hardware. W teście GDPx firmy Semi Analysis pierwszy jest jednak Claude Opus 5.5, a Gemini 4 Carbon drugi.

Google zgarnia główny wynik
Gemini 4 Carbon (high) zdobywa 59 punktów w Intelligence Index V5 Artificial Analysis, o jeden punkt więcej niż Claude Opus 5.5 (max z fallbackiem) i o dwa więcej niż GPT-6 Astra (max) OpenAI, podaje Artificial Analysis. Model ma też najlepszy wynik w czterech z dziewięciu ocen zestawu, choć Artificial Analysis nie wymieniło ich w opublikowanym dotąd materiale. Tom's Hardware opisał ten rezultat jako powrót Google, które według portalu przez większość roku borykało się z nieregularnymi premierami.
Wyniki testów porównawczych wpływają na to, które modele przedsiębiorstwa i rządy biorą na próbę i ile płacą za zadanie. Żaden pojedynczy wynik nie rozstrzyga decyzji o zakupie.
W AA-Omniscience v1.1, który mierzy halucynacje i odtwarzanie informacji, Gemini 4 Carbon zdobył 54 punkty w skali od -100 do +100, najlepszy wynik w zestawieniu. Tom's Hardware zauważył, że nawet najlepszy rezultat zostawia czołowe modele daleko od powtarzalnej niezawodności.
Drugi test wskazuje innego zwycięzcę
Test GDPx firmy Semi Analysis, zbudowany do pomiaru pracy agentowej w projektowaniu chipów, cyberbezpieczeństwie i biologii, stawia Claude Opus 5.5 na pierwszym miejscu z 12%, Gemini 4 Carbon na drugim z 10,9%, a GPT-6 Astra na trzecim z 9,6%, podał OfficeChai. Niskie wyniki są tu istotą: najlepszy model rozwiązuje mniej więcej jedno zadanie na siedem. Claude Opus 5.5 kosztuje tam 51,41 dol. za zadanie, około trzy razy więcej niż Gemini 4 Carbon za wynik ledwie o punkt wyższy.
CloudOpsBench, który sprawdza pracę nad infrastrukturą chmurową, daje Claude Fable 5.1 pierwsze miejsce: 60,6% rozwiązanych zadań. Dalej jest GPT-6 Astra z 58,9%, Gemini 4 Argon, nie Carbon, z 57,5%, a Grok 4.7 (high) na cursor-cli czwarty z 56,5%. Claude Opus 5.5 jest siódmy z 47,8% na terminus-2.
Środowisko testowe znaczy tyle samo co sam model. Claude Fable 5.1 spada do 43,8% na terminus-2, a Claude Opus 5.5 dostaje 46,7% na claude-code.
Ten sam ranking podaje ceny pracy. Najlepszy wpis działał 38,6 godziny za 404,30 dol., przy 34,2 godziny i 100,50 dol. dla Gemini 4 Argon, który zajął trzecie miejsce.
Wyniki w konkretnych zadaniach dzielą stawkę
Artificial Analysis zwraca też uwagę, że Gemini 4 Carbon nie dorównuje Claude Code z Claude Opus 5.5 w programowaniu i ustępuje Grok 4.7, Muse Wonder oraz Kimi K3.1 Pro w pracy z wiedzą. Pod względem kosztu jego 7,76 dol. za zadanie jest nieco tańsze niż Gemini 3.8 Flash (high), o kilka dolarów tańsze niż Claude Opus 5.5 lub Sonnet 5.5 i bliskie połowie 12,99 dol. pobieranych przez Claude Fable 5.1 (max z fallbackiem).
Porównanie z modelami o otwartych wagach wypada ostrzej. Gemini 4 Carbon jest około 13 razy droższy za zadanie niż DeepSeek V4.1 Flash 1017, który zdobywa 32 punkty w Intelligence Index.
Na wykresie Pareto Frontier serwisu Arena.ai Gemini 4 Carbon jest na szczycie, po drogiej stronie. Przy niższych cenach przejmują GLM 5.3-Flash i DeepSeek V4 Pro. CloudOpsBench pokazuje tę samą lukę niżej w tabeli: Qwen3.8-Max z 33,7%, DeepSeek V4.1 Flash z 21,8% i Kimi K3.1 Pro z 19,1%.
Tom's Hardware pisze, że Gemini 4 Carbon może być najlepszy w większości wysokich progów cenowych, przynajmniej na razie, a rankingi w 2026 roku zmieniają się szybko i regularnie.
Czego kupujący wciąż nie mogą sprawdzić
Google udostępnia Gemini 4 Carbon najpierw obrońcom cyberprzestrzeni w ramach programu Fairwind, a szerzej później, przez zaufanych partnerów. Firma nie podała daty. W oświadczeniu przy premierze Google napisało, że świadomie rozkłada wdrożenie w czasie i uczestniczy w dobrowolnym procesie testowania modeli przed premierą, prowadzonym przez rząd USA.
Google twierdzi też, że Carbon ogranicza niepoparte źródłami twierdzenia w odpowiedziach dwa razy mocniej niż Gemini 4 Argon, który zadebiutował dwa tygodnie wcześniej.
Źródła
28- 01Google reveals new Gemini 4 Carbon AI model, narrowly beating Claude Opus 5.5EN
- 02Claude Opus 5.5 Tops Semi Analysis' GDPx Benchmark, Gemini 4 Carbon Placed SecondEN
- 03Google's Gemini 4 Carbon Leads Benchmarks for Finding, Exploiting, and Patching VulnerabilitiesEN
- 04CloudOpsBench: AI benchmark shows FAI models struggling with cloud infraEN
- 05Mistral Large 4 AI Model Advances Open-Weight Coding Benchmarks - The CryptonomistEN
- 06BYD teases new model for Guangzhou Auto Show, with next-gen Han expectedEN
- 07Anthropic is working on a system to prove AI models’ identityEN
- 08AI reasoning models boost diagnostic accuracy but raise safety concernsEN
- 09I Checked Out Tesla’s New Model YL, Standard Y, Model 3 In Person — Here’s What Surprised MeEN
- 10heise+ | Humanoide Roboter in Deutschland: Modelle, Preise und VerfügbarkeitEN
- 11Tutor Intelligence raises Series B to scale model training, robot deploymentsEN
- 12Jülich Hosts EVE Language Model for Earth Observation and Earth ScienceEN
- 13Google Launches LiteRT Tensor API for Building, Customizing, and Optimizing ML Models for On-DeviceEN
- 14Westward Ho! First Trip Cross Country with Our New 2026 Tesla Model Y & Full Self Driving V14EN
- 15IndiaAI Mission Releases 3 Indigenous AI Models Developed by Soket and ZenteiQEN
- 16Was I wrong about open models & cyber risks?EN
- 17Artificial Analysis v5 and the benchmarker's dilemmaEN
- 18Cell benchmark study finds specialized AI matches frontier models in aging biologyEN
- 19AI Benchmarks: Why Real-World Evaluation MattersEN
- 20What are the LLM Benchmarks for Asian Languages in 2026? A Comprehensive Performance Map - Digital in AsiaEN
- 21An updated Model Spec for more capable and beneficial AIEN
- 22Accelerate agentic AI with NVIDIA Nemotron models on Amazon EKS and SageMaker HyperPod EKS - Amazon Web Services (AWS)EN
- 23How we detect frontier model misalignmentEN
- 24Evaluating AI models for observability: o11y-bench joins Fireworks' Specialized Intelligence Index and reaches v1.1EN
- 25Static reasoning can't prove runtime behavior: benchmark of AI PR reviewersEN
- 26Launch HN: Momentic (YC W24) – Agents that catch bugs by using your appEN
- 27VW considers bringing Xpeng co-developed architecture to European models, report saysEN
- 28Retell uses OpenAI models to help power 100M monthly callsEN
Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.
Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.
Komentarze
0- Brak komentarzy — bądź pierwszy.