Google prezintă Gemini 4 Carbon, în fruntea unui important benchmark AI

Google a lansat Gemini 4 Carbon, un nou model AI de vârf care a ocupat primul loc într-unul dintre cele mai urmărite benchmarkuri AI independente. Totuși, spre deosebire de majoritatea lansărilor, nu va fi disponibil imediat pentru toată lumea.

Cel mai mare scor în Intelligence Index

Conform testelor independente realizate de Artificial Analysis, relatate de Tom’s Hardware pe 3 noiembrie, Gemini 4 Carbon a obținut scorul 59 în Artificial Analysis Intelligence Index V5, depășind la limită Claude Opus 5.5 de la Anthropic, cu 58, și GPT-6 Astra de la OpenAI, cu 57. S-a clasat pe primul loc în patru dintre cele nouă evaluări ale indicelui.

De asemenea, pare să fie eficient: Carbon a utilizat aproximativ 123.000 de tokenuri de ieșire per sarcină, cu 29% mai puține decât Claude Opus 5.5 în aceleași teste.

Cel mai bun scor la cunoștințe, dar nu perfect

În benchmarkul de cunoștințe AA-Omniscience, care recompensează răspunsurile corecte și penalizează răspunsurile inventate, Carbon a obținut cel mai mare scor dintre toate modelele, 54 pe o scală de la -100 la +100. Acuratețea sa a crescut la 58%, de la 48% pentru modelul anterior Gemini 4 Argon. Totuși, rata sa de halucinații a crescut și ea, la 11% de la 4%, astfel că nici cel mai bun model nu este departe de a avea întotdeauna dreptate.

Google afirmă că Carbon este conceput să refuze sarcinile pe care nu le poate finaliza, în loc să inventeze răspunsuri, și să afișeze mai des surse și acțiuni sugerate.

Nu este cel mai bun la orice

Aceeași analiză a constatat că Carbon este în urma Claude Code cu Opus 5.5 la programare și rămâne în urma mai multor rivali în unele sarcini de lucru bazate pe cunoștințe. La niveluri de preț mai mici, modelele cu ponderi deschise de la laboratoare chineze oferă în continuare o valoare mai bună.

O lansare prudentă

În locul unei lansări publice, Google oferă mai întâi acces unor „apărători cibernetici” selectați prin programul său Fairwind, urmând ca disponibilitatea mai largă să fie asigurată ulterior prin parteneri de încredere. Google afirmă că a efectuat teste voluntare înainte de lansare împreună cu guvernul SUA și că dorește să-și consolideze măsurile de protecție în materie de securitate cibernetică înainte de a deschide modelul pentru dezvoltatori. „Adoptăm o abordare deliberată a lansării”, a transmis compania.

Ce înseamnă pentru tine

• Cei mai mulți utilizatori nu îl pot încerca încă. Continuă să folosești modelele Gemini, ChatGPT sau Claude disponibile astăzi pentru activitățile de zi cu zi.
• Benchmarkurile sunt apropiate. Un avans de un punct schimbă rareori rezultatele din lumea reală; cel mai bun model depinde de sarcina ta.
• Verifică întotdeauna faptele. Chiar și modelul cu cel mai mare scor face încă greșeli.