Google, Büyük Bir Yapay Zekâ Kıyaslamasında Zirveye Yerleşen Gemini 4 Carbon'ı Tanıttı

Google, en çok takip edilen bağımsız yapay zekâ kıyaslamalarından birinde zirveye yerleşen yeni bir ileri seviye yapay zekâ modeli olan Gemini 4 Carbon'ı yayımladı. Ancak çoğu lansmanın aksine, hemen herkese açılmıyor.

Intelligence Index'te en yüksek puan

Tom’s Hardware'ın 3 Kasım'da bildirdiği Artificial Analysis'in bağımsız testlerine göre Gemini 4 Carbon, Artificial Analysis Intelligence Index V5'te 59 puan alarak 58 puandaki Anthropic Claude Opus 5.5 ve 57 puandaki OpenAI GPT-6 Astra'yı az farkla geride bıraktı. Endeksin dokuz değerlendirmesinin dördünde ilk sırada yer aldı.

Ayrıca verimli olduğu da görülüyor: Carbon, görev başına yaklaşık 123.000 çıktı tokenı kullandı; bu, aynı testlerde Claude Opus 5.5'ten %29 daha az.

En iyi bilgi puanı, ancak kusursuz değil

Doğru yanıtları ödüllendiren ve uydurma yanıtları cezalandıran AA-Omniscience bilgi kıyaslamasında Carbon, -100 ile +100 arasındaki ölçekte 54 puanla tüm modeller arasında en yüksek skoru elde etti. Doğruluk oranı, önceki Gemini 4 Argon'un %48'inden %58'e yükseldi. Ancak halüsinasyon oranı da %4'ten %11'e çıktı; dolayısıyla en iyi model bile her zaman doğru olmaktan çok uzak.

Google, Carbon'ın yanıt uydurmak yerine tamamlayamayacağı görevleri reddetmek ve kaynakları ile önerilen eylemleri daha sık göstermek üzere tasarlandığını söylüyor.

Her şeyde en iyi değil

Aynı analiz, Carbon'ın programlamada Opus 5.5'li Claude Code'un gerisinde kaldığını ve bazı bilgi-işi görevlerinde birkaç rakibinin gerisinde olduğunu ortaya koydu. Daha düşük fiyat seviyelerinde, Çinli laboratuvarların açık ağırlıklı modelleri hâlâ daha iyi fiyat-performans sunuyor.

Temkinli bir kullanıma sunma süreci

Google, herkese açık bir lansman yerine ilk olarak Fairwind programı aracılığıyla seçilmiş “siber savunuculara” erişim sağlıyor; daha sonra güvenilir ortaklar üzerinden daha geniş erişim sunulacak. Google, modeli geliştiricilere açmadan önce ABD hükümetiyle gönüllü yayın öncesi testler gerçekleştirdiğini ve siber güvenlik korumalarını güçlendirmek istediğini belirtiyor. Şirket, “Kullanıma sunma konusunda bilinçli bir yaklaşım benimsiyoruz,” dedi.

Sizin için ne anlama geliyor

• Çoğu kullanıcı henüz deneyemez. Günlük işleriniz için bugünün Gemini, ChatGPT veya Claude modellerini kullanmaya devam edin.
• Kıyaslamalardaki farklar küçük. Bir puanlık liderlik gerçek dünyadaki sonuçları nadiren değiştirir; en iyi model görevinize bağlıdır.
• Her zaman bilgileri doğrulayın. En yüksek puanlı model bile hâlâ hata yapıyor.