GoogleのGemini 4 CarbonはArtificial AnalysisのIntelligence Index v5で59点を獲得し、評価対象モデルの中で首位となった。Artificial Analysisによると、Carbonは同指数の9項目の評価のうち、HLE-Diamond、Terminal-Bench-Science、AA-Omniscience、AutomationBench-AAの4項目でトップだった。同社は、複雑な推論、知識、科学分野のタスクで特に優れた結果を示した一方、すべての分野で首位だったわけではないとしている。
ただし、この結果はCarbonが広く利用できることを意味しない。Googleは一部ユーザー向けに提供を始めており、一般公開はまだだ。標準料金は入力100万トークンあたり$4、出力100万トークンあたり$20で、Gemini 4 Argonと同額。Googleは発売記念として50%の割引を実施しているが、終了時期は明らかにしていない。
コーディングやオフィス業務での評価は？
Artificial AnalysisのCoding Agent Indexでは、Gemini 4 Carbonを高推論設定にしてAntigravity CLIで実行した場合、59点を記録した。maxモードのClaude Opus 5.5を搭載したClaude Codeの62点に、3点及ばなかった。CarbonはTerminal-Bench 4.0で64%、FrontierCode v1.1で51%を記録し、どちらも2位。Artificial Analysisによると、両評価ではClaude Opus 5.5が上回った。
Carbonは、エージェント型の知識労働を評価するArtificial Analysisのテスト、AA-BriefcaseでもGemini 4 Argonを上回った。高推論設定のCarbonは1,609 Eloを獲得し、同じく高推論設定のArgonを126ポイント上回った。ただし、maxモードのMuse Wonder（1,659）、xhighモードのGrok 4.7（1,638）、Kimi K3.1 Pro（1,678）には届かなかった。報告された伸びが最も大きかったのはプレゼンテーション分野で、293 Elo上昇して1,598となった。
スコアと料金から何が分かる？
Artificial Analysisによると、標準料金でのCarbonのIntelligence Index 1タスクあたりのコストは$7.76。maxモードのClaude Opus 5.5の$10.04より約23%安い一方、maxモードのGPT-6 Astraの$6.25より高い。同ベンチマークのタスクコスト推定では、Carbonは$7.68のArgonに近い水準だが、指数スコアではCarbonが9ポイント上回っている。Carbonのコンテキストウィンドウは1-million-tokenで、テキスト、画像、動画、音声を入力でき、出力はテキストに対応する。これらはArtificial Analysisのベンチマーク結果であり、同社の評価がすべてのユーザーやタスクでのモデルの性能を保証するものではない。
なぜ重要か
Carbonを利用できる人にとって、今回のスコアは推論や科学分野のタスクで有力な選択肢となる可能性を示している。また、この評価における標準のタスク単価はClaude Opus 5.5より低かった。ただし、Googleは提供先を一部ユーザーに限っており、割引の終了時期も不明なため、ほとんどの人はまだ試せない。
