شرکت گوگل با معرفی مدل پیشرو (Frontier Model) جدید خود با نام Gemini 4 Carbon، بهبودهایی قابل‌توجه را ارائه کرده است. هرچند این مدل در تازه‌ترین بنچمارک (Benchmark) در صدر جدول قرار نمی‌گیرد، اما از نظر نسبت کارایی به هزینه، ارزش بسیار بیشتری ارائه می‌دهد.
نتایج کلی بنچمارک GDPx
شرکت تحقیقاتی و تحلیلی SemiAnalysis به‌تازگی بنچمارک جدید خود در سطح مدل‌های پیشرو را با نام GDPx منتشر کرده است. این بنچمارک شامل نتایج مدل Gemini 4 Carbon گوگل نیز می‌شود و جدول رتبه‌بندی آن، همه مدل‌های پیشروی شرکت‌هایی مانند OpenAI، Anthropic و Meta را در بر می‌گیرد و امتیاز و هزینه هر مدل را جزئیات می‌کند.
این بنچمارک شامل ۲۰۶ وظیفه (Task) در حوزه‌هایی مانند مالی، علم مواد، امنیت سایبری، مهندسی نرم‌افزار، حقوق، زیست‌شناسی و چند حوزه دیگر است.
صدرنشینی Claude و فاصله اندک Gemini
در صدر نتایج، مدل Claude Opus 5.5 از Anthropic قرار دارد، اما Gemini 4 Carbon گوگل فاصله بسیار کمی با آن دارد. اختلاف میان این دو مدل نسبتاً اندک است، اما هزینه را باید مهم‌ترین عامل در این مقایسه دانست. هزینه Claude در این بنچمارک حدود ۵۱ دلار برای هر وظیفه بوده، در حالی که Gemini کمی بیش از ۱۶ دلار برای هر وظیفه هزینه دارد.
Gemini همچنین مدل بعدی فهرست، یعنی GPT-6 Astra، را شکست داده است؛ این مدل امتیاز کمتری کسب کرده و در عین حال با حدود ۵۴ دلار برای هر وظیفه، از هر دو مدل گران‌تر است.
تغییر رتبه‌ها با حذف برخی حوزه‌ها
گزارش SemiAnalysis اشاره می‌کند که حذف حوزه‌های امنیت سایبری، زیست‌شناسی و هم‌راستایی (Alignment) از این ارزیابی، ترتیب نتایج را تغییر می‌دهد. حفاظ‌های ایمنی (Safety Guardrails) در مدل‌های Claude و GPT باعث می‌شود GPT-6 Astra در صدر فهرست قرار گیرد و GPT 6.1 Sol و Claude Sonnet 5.5 نیز از Gemini 4 Carbon بالاتر بیایند. به گفته SemiAnalysis، این ترتیب با برداشت‌های ذهنی (Subjective Impressions) آن‌ها از هر مدل هم‌خوانی بیشتری دارد.
جایگاه Gemini 4 Argon و رقبای متا
مدل پیشرو فعلی گوگل، یعنی Gemini 4 Argon، در هر دو فهرست رتبه هشتم را کسب کرده است؛ این مدل Meta Muse Wonder را شکست می‌دهد، اما پایین‌تر از Wonder Full قرار می‌گیرد. هزینه Argon در این بنچمارک تنها کمی کمتر از Carbon است.
هر دو مدل گوگل در تمرکز بر امنیت سایبری امتیاز بهتری از مدل‌های OpenAI و Anthropic کسب می‌کنند، اما از مدل‌های Muse شرکت متا عقب می‌مانند؛ بنچمارک یادشده مدل‌های Muse متا را با اختلافی معنادار بهترین می‌داند.
زمان عرضه و بنچمارک داخلی گوگل
گوگل مدل Gemini 4 Carbon را در ۲۸ اکتبر معرفی کرد و از «پیشرفت‌های قابل‌توجه» آن سخن گفت، اما تاریخ عرضه عمومی آن هنوز تأیید نشده است. این مدل برای بیشتر مشتریان «به‌زودی» در دسترس خواهد بود. بنچمارک داخلی خود گوگل نیز نشان می‌دهد این مدل در بسیاری از جنبه‌ها GPT-6 Astra و Opus 5.5 را پشت سر گذاشته است.