Google представя Gemini 4 Carbon, който оглавява важен AI бенчмарк

Google пусна Gemini 4 Carbon, нов водещ AI модел, който зае първото място в един от най-внимателно следените независими AI бенчмаркове. За разлика от повечето премиери обаче, той не става веднага достъпен за всички.

Най-висок резултат в Индекса за интелигентност

Според независимо тестване на Artificial Analysis, за което Tom’s Hardware съобщи на 3 ноември, Gemini 4 Carbon е получил 59 точки в Artificial Analysis Intelligence Index V5, с малка преднина пред Claude Opus 5.5 на Anthropic с 58 точки и GPT-6 Astra на OpenAI с 57 точки. Той се класира на първо място в четири от деветте оценки в индекса.

Изглежда и ефективен: Carbon е използвал около 123 000 изходни токена на задача, с 29% по-малко от Claude Opus 5.5 в същите тестове.

Най-добър резултат за знания, но не и съвършен

В бенчмарка за знания AA-Omniscience, който възнаграждава верните отговори и наказва измислените, Carbon постига най-високия резултат от всички модели — 54 по скала от -100 до +100. Точността му се е повишила до 58% спрямо 48% при по-ранния Gemini 4 Argon. Процентът на халюцинациите му обаче също се е увеличил — до 11% от 4%, така че дори най-добрият модел далеч не е винаги прав.

Google заявява, че Carbon е проектиран да отказва задачи, които не може да изпълни, вместо да измисля отговори, както и по-често да показва източници и предложени действия.

Не е най-добрият във всичко

Същият анализ установява, че Carbon изостава от Claude Code с Opus 5.5 при програмиране и отстъпва на няколко конкурента при някои задачи, свързани със знания. При по-ниски ценови нива моделите с отворени тегла от китайски лаборатории все още предлагат по-добра стойност.

Предпазливо внедряване

Вместо публично пускане Google първо предоставя достъп на избрани „киберзащитници“ чрез програмата си Fairwind, а по-късно ще осигури по-широка достъпност чрез доверени партньори. Google посочва, че е провела доброволно тестване преди пускането с правителството на САЩ и иска да засили мерките си за киберсигурност, преди да отвори модела за разработчици. „Подхождаме целенасочено към внедряването“, заяви компанията.

Какво означава това за вас

• Повечето потребители все още не могат да го изпробват. Използвайте днешните модели Gemini, ChatGPT или Claude за ежедневната си работа.
• Бенчмарковете са близки. Преднина от една точка рядко променя реалните резултати; най-добрият модел зависи от задачата ви.
• Винаги проверявайте фактите. Дори моделът с най-висок резултат все още допуска грешки.