Przejdź do treści
Czas na świecieEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal o AI i technologiiwydarzenia · analizy · wywiady · tło techniczne

Szukaj
NA ŻYWO
›

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.

AI i modeleNewsAnna KaczmarekOpublikowano: 4 listopada 20263 min czytaniaŹródła 28
Gemini 4 Carbon wygrywa w Intelligence Index V5 Artificial Analysis jednym punktem

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.

Komentarze 0

Źródła

28
  1. 01Google reveals new Gemini 4 Carbon AI model, narrowly beating Claude Opus 5.5EN
  2. 02Claude Opus 5.5 Tops Semi Analysis' GDPx Benchmark, Gemini 4 Carbon Placed SecondEN
  3. 03Google's Gemini 4 Carbon Leads Benchmarks for Finding, Exploiting, and Patching VulnerabilitiesEN
  4. 04CloudOpsBench: AI benchmark shows FAI models struggling with cloud infraEN
  5. 05Mistral Large 4 AI Model Advances Open-Weight Coding Benchmarks - The CryptonomistEN
  6. 06BYD teases new model for Guangzhou Auto Show, with next-gen Han expectedEN
  7. 07Anthropic is working on a system to prove AI models’ identityEN
  8. 08AI reasoning models boost diagnostic accuracy but raise safety concernsEN
  9. 09I Checked Out Tesla’s New Model YL, Standard Y, Model 3 In Person — Here’s What Surprised MeEN
  10. 10heise+ | Humanoide Roboter in Deutschland: Modelle, Preise und VerfügbarkeitEN
  11. 11Tutor Intelligence raises Series B to scale model training, robot deploymentsEN
  12. 12Jülich Hosts EVE Language Model for Earth Observation and Earth ScienceEN
  13. 13Google Launches LiteRT Tensor API for Building, Customizing, and Optimizing ML Models for On-DeviceEN
  14. 14Westward Ho! First Trip Cross Country with Our New 2026 Tesla Model Y & Full Self Driving V14EN
  15. 15IndiaAI Mission Releases 3 Indigenous AI Models Developed by Soket and ZenteiQEN
  16. 16Was I wrong about open models & cyber risks?EN
  17. 17Artificial Analysis v5 and the benchmarker's dilemmaEN
  18. 18Cell benchmark study finds specialized AI matches frontier models in aging biologyEN
  19. 19AI Benchmarks: Why Real-World Evaluation MattersEN
  20. 20What are the LLM Benchmarks for Asian Languages in 2026? A Comprehensive Performance Map - Digital in AsiaEN
  21. 21An updated Model Spec for more capable and beneficial AIEN
  22. 22Accelerate agentic AI with NVIDIA Nemotron models on Amazon EKS and SageMaker HyperPod EKS - Amazon Web Services (AWS)EN
  23. 23How we detect frontier model misalignmentEN
  24. 24Evaluating AI models for observability: o11y-bench joins Fireworks' Specialized Intelligence Index and reaches v1.1EN
  25. 25Static reasoning can't prove runtime behavior: benchmark of AI PR reviewersEN
  26. 26Launch HN: Momentic (YC W24) – Agents that catch bugs by using your appEN
  27. 27VW considers bringing Xpeng co-developed architecture to European models, report saysEN
  28. 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.

Anna Kaczmarek

Anna Kaczmarek

AI, modele i technologie

Anna Kaczmarek pisze o technologiach, AI i modelach oraz mediach i internecie, opierając się na dokumentacji, repozytoriach i danych źródłowych, a nie na komunikatach prasowych. Przy testach modeli sprawdza karty techniczne, parametry wejściowe i liczy wyniki na tych samych zbiorach, zamiast powtarzać liczby od producentów. Czeka na premiery API i aktualizacje wag, rozmawia z inżynierami oraz porównuje wersje modeli pod kątem kosztów i opóźnień. Prywatnie self-hostuje usługi i konfiguruje sieci domowe, więc do redakcji wnosi praktykę z własnego serwera. Nie publikuje zapowiedzi ani parametrów, których nie może odtworzyć na własnym środowisku.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

Komentarze są widoczne publicznie. Nie publikujemy wulgaryzmów, spamu i treści reklamowych.