跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播
›

Gemini 4 Carbon 在 Artificial Analysis 智能指数 V5 中以一分优势登顶

据 Tom's Hardware 报道,谷歌 Gemini 4 Carbon 在 Artificial Analysis 智能指数 V5 上得分 59,领先 Claude Opus 5.5 一分。不过 Semi Analysis 的 GDPx 基准把 Claude Opus 5.5 排在首位,Gemini 4 Carbon 位列第二。

人工智能与模型新闻林晓雯发布: 2026年11月4日3 分钟阅读资料来源 28
Gemini 4 Carbon 在 Artificial Analysis 智能指数 V5 中以一分优势登顶

谷歌拿下头条分数

Artificial Analysis 的数据显示,Gemini 4 Carbon(high)在智能指数 V5 上得分 59,比 Claude Opus 5.5(max with fallback)高一分,比 OpenAI 的 GPT-6 Astra(max)高两分。整套九项评测中,它在四项上拿到最高分。不过 Artificial Analysis 在目前已公布的材料里没有点名是哪四项。Tom's Hardware 把这一结果解读为谷歌的回归,并称谷歌今年大部分时间发布节奏不规律,状态低迷。

基准分数会影响企业和政府先试用哪些模型,以及它们为每项任务付多少钱。但没有任何一个分数能直接决定采购。

AA-Omniscience v1.1 考察幻觉和信息的回忆能力。Gemini 4 Carbon 在这项评测上得分 54,评分范围从 -100 到 +100,是对比中的最好成绩。Tom's Hardware 指出,即便是最好的分数,也说明前沿模型距离稳定可靠还差得很远。

另一项基准给出了不同的赢家

据 OfficeChai 报道,Semi Analysis 的 GDPx 基准用来衡量芯片设计、网络安全和生物学领域的智能体工作。它把 Claude Opus 5.5 排在首位,得分 12%,Gemini 4 Carbon 以 10.9% 位列第二,GPT-6 Astra 以 9.6% 排在第三。分数低正是关键:最好的模型也只完成大约七分之一的任务。在那里,Claude Opus 5.5 每项任务花费 51.41 美元,而分数只高一点点的 Gemini 4 Carbon 收费约为它的三分之一。

CloudOpsBench 测试云基础设施工作,它把 Claude Fable 5.1 排在首位,解决率为 60.6%。GPT-6 Astra 以 58.9% 紧随其后,Gemini 4 Argon(不是 Carbon)以 57.5% 位列第三,Grok 4.7(high)在 cursor-cli 上以 56.5% 排在第四。Claude Opus 5.5 在 terminus-2 上以 47.8% 排在第七。

测试框架的选择和模型本身一样重要。Claude Fable 5.1 在 terminus-2 上降到 43.8%,Claude Opus 5.5 在 claude-code 上拿到 46.7%。

同一张榜单也标出了成本。排在第一的条目运行了 38.6 小时,花费 404.30 美元;排名第三的 Gemini 4 Argon 运行 34.2 小时,花费 100.50 美元。

具体任务上的分数让各家拉开差距

Artificial Analysis 还指出,在编程方面,Gemini 4 Carbon 不如使用 Claude Opus 5.5 的 Claude Code,在知识工作上则落后于 Grok 4.7、Muse Wonder 和 Kimi K3.1 Pro。成本方面,它每项任务 7.76 美元,略低于 Gemini 3.8 Flash(high),比 Claude Opus 5.5 或 Sonnet 5.5 便宜数美元,也接近 Claude Fable 5.1(max with fallback)收费 12.99 美元的一半。

与开放权重模型的对比更不乐观。Gemini 4 Carbon 每项任务的费用约为 DeepSeek V4.1 Flash 1017 的 13 倍,而后者在智能指数上得分 32。

在 Arena.ai 的帕累托前沿图上,Gemini 4 Carbon 位于价格较高的一端并排在首位。在更低的价格区间,则由 GLM 5.3-Flash 和 DeepSeek V4 Pro 接手。CloudOpsBench 的表格往下也显示出同样的落差:Qwen3.8-Max 为 33.7%,DeepSeek V4.1 Flash 为 21.8%,Kimi K3.1 Pro 为 19.1%。

Tom's Hardware 写道,Gemini 4 Carbon 可能在多数高价区间都是最好的,至少目前如此;而在 2026 年,排名变化又快又频繁。

买家仍然无法确认的事

谷歌先通过 Fairwind 计划向网络防御人员开放 Gemini 4 Carbon,之后再通过可信合作伙伴扩大开放范围。公司没有给出日期。在发布声明中,谷歌表示对上线采取了审慎的做法,并参与了美国政府关于模型发布前测试的自愿流程。

谷歌还称,Carbon 在回答中减少无依据说法的幅度是 Gemini 4 Argon 的两倍,后者在两周前刚刚亮相。

评论 0

资料来源

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

本文所有数字与引语均来自下列来源,未添加来源之外的内容。

本内容由编辑部在人工智能辅助下制作完成。

林晓雯

林晓雯

人工智能、模型与技术

林晓雯负责FLASH24的人工智能、模型与技术方向,主要写科技、人工智能与模型、媒体与互联网三个领域。她习惯从论文预印本、开源代码库和厂商技术文档入手,先核对训练数据来源和评测口径,再决定是否落笔。遇到模型跑分,她会自己复现一遍小规模测试,并对照独立第三方榜单,确认数字没有注水。她常联系一线工程师和产品经理,也盯着各大会议截稿日,把不同版本的技术报告放在一起比。业余时间她玩3D打印、折腾老电脑,还关心模型从网络垃圾里学到的偏见问题,这让她对数据清洗格外敏感。她有一条原则:拿不到原始数据的性能宣称,不写。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。