Gemini 4 Carbon گوگل در شاخص هوش v5 شرکت Artificial Analysis امتیاز 59 را کسب کرد و میان مدل‌های بررسی‌شده در جایگاه نخست قرار گرفت. به‌گفته این شرکت، Carbon در چهار مورد از ۹ ارزیابی شاخص پیشتاز بود: HLE-Diamond، Terminal-Bench-Science، AA-Omniscience و AutomationBench-AA. Artificial Analysis می‌گوید Carbon در استدلال پیچیده، دانش و وظایف علمی بهترین عملکرد را داشت، اما در همه حوزه‌ها صدرنشین نشد.
این نتیجه به معنای دسترسی گسترده به Carbon نیست. گوگل عرضه آن را برای کاربران منتخب آغاز کرده و این مدل هنوز در دسترس عموم قرار نگرفته است. قیمت عادی آن برای هر یک میلیون توکن ورودی $4 و برای هر یک میلیون توکن خروجی $20 است؛ درست به‌اندازه Gemini 4 Argon. گوگل برای عرضه اولیه 50% تخفیف در نظر گرفته، اما هنوز زمان پایان آن را اعلام نکرده است.
عملکرد آن در کدنویسی و کارهای اداری چطور بود؟
در شاخص Coding Agent شرکت Artificial Analysis، نسخه Gemini 4 Carbon با استدلال قوی که از طریق Antigravity CLI اجرا شد، امتیاز 59 گرفت. این امتیاز سه نمره کمتر از Claude Code با Claude Opus 5.5 در حالت max بود که امتیاز 62 را کسب کرد. Carbon در Terminal-Bench 4.0 با امتیاز 64% و در FrontierCode v1.1 با امتیاز 51% دوم شد؛ Artificial Analysis می‌گوید Claude Opus 5.5 در هر دو ارزیابی جلوتر بود.
Carbon در آزمون AA-Briefcase شرکت Artificial Analysis برای سنجش کار دانشیِ عامل‌محور نیز نسبت به Gemini 4 Argon پیشرفت کرد. نسخه Carbon با استدلال قوی امتیاز 1,609 Elo گرفت؛ 126 امتیاز بیشتر از Argon با استدلال قوی. بااین‌حال، از Muse Wonder در حالت max با امتیاز 1,659، از Grok 4.7 در حالت xhigh با امتیاز 1,638 و از Kimi K3.1 Pro با امتیاز 1,678 عقب ماند. بیشترین پیشرفت گزارش‌شده آن در ساخت ارائه بود: 293 امتیاز Elo افزایش، تا رسیدن به 1,598.
امتیازها و قیمت‌ها چه چیزی را نشان می‌دهند؟
Artificial Analysis می‌گوید هزینه هر کار در شاخص هوش برای Carbon با قیمت عادی $7.76 است؛ حدود 23% کمتر از Claude Opus 5.5 در حالت max با هزینه $10.04، اما بیشتر از GPT-6 Astra در حالت max با هزینه $6.25. برآورد هزینه هر کار در این آزمون، Carbon را با هزینه $7.68 به Argon نزدیک می‌داند؛ با اینکه امتیاز شاخص Carbon نه نمره بالاتر است. پنجره زمینه Carbon یک میلیون توکن ظرفیت دارد و ورودی‌های متنی، تصویری، ویدئویی و گفتاری را می‌پذیرد و خروجی آن متنی است. این نتایج مربوط به آزمون‌های Artificial Analysis است و ارزیابی این شرکت نشان نمی‌دهد مدل برای همه کاربران یا وظایف چه عملکردی خواهد داشت.
چرا مهم است
برای کسانی که به Carbon دسترسی دارند، امتیازهای گزارش‌شده نشان می‌دهد این مدل می‌تواند گزینه‌ای قدرتمند برای استدلال و وظایف علمی باشد. همچنین هزینه هر کار آن در این ارزیابی، با قیمت عادی، کمتر از Claude Opus 5.5 بود. اما هنوز بیشتر مردم نمی‌توانند آن را امتحان کنند: گوگل عرضه را به کاربران منتخب محدود کرده و زمان پایان تخفیف نیز مشخص نیست.
