Google'ın Gemini 4 Carbon'ı Artificial Analysis Intelligence Index v5'te zirveye yerleşti

Gemini 4 Carbon, Intelligence Index'in lideri

Bağımsız değerlendirme hizmeti Artificial Analysis'a göre Google'ın Gemini 4 Carbon'ı, yüksek akıl yürütme modu etkinleştirilmiş halde 59'luk genel puanla Artificial Analysis Intelligence Index v5'te ilk sırayı aldı. Aynı değerlendirme, modeli kodlama ajanları alanında Anthropic'in Claude Opus 5.5'inden hemen sonraya koyuyor — bu, Google'ın tarihsel olarak zayıf performans gösterdiği bir alan.

Intelligence Index'in tepesinde

Artificial Analysis, Carbon'ın endeksi oluşturan dokuz değerlendirmeden dördünde — HLE-Diamond, Terminal-Bench-Science, AA-Omniscience ve AutomationBench-AA — en yüksek puanı aldığını bildiriyor. Genel liderliği karmaşık akıl yürütme, bilgi ve bilimsel görevlere dayanıyor; önceki Gemini modellerine kıyasla kodlama ve bilgi işinde önemli kazançlar var — ancak şirket, modelin bu alanların her birinde lider olmadığını da belirtiyor.

Anthropic ile kodlama açığı daralıyor

Google'ın Antigravity CLI'siyle eşleştirilen Gemini 4 Carbon, yüksek akıl yürütmede Artificial Analysis Coding Agent Index'te 59 puan aldı; en yüksek akıl yürütmede çalışan ve 62 puan alan Claude Opus 5.5 tabanlı Claude Code'un üç puan gerisinde. Carbon, Terminal-Bench 4.0'da %64 ve FrontierCode v1.1'de %51 ile yine Claude Opus 5.5'in ardında her ikisinde de ikinci sırada yer aldı. Artificial Analysis, Google'ın ajanlı kodlamadaki geçmiş zayıflığı göz önüne alındığında bunu kayda değer buluyor.

Bilgi işi gelişti ama hâlâ geride

Hizmetin ajanlı bilgi işi kıyaslaması olan AA-Briefcase'te Carbon, yüksek akıl yürütmeyla 1609 Elo'ya ulaştı — Gemini 4 Argon'un 1483'üne göre 126 puanlık bir iyileşme — ancak yine de 1638'lik Grok 4.7, 1659'luk Muse Wonder ve 1678'lik Kimi K3.1 Pro'nun gerisinde. En büyük tekil kazanç sunumlarda geldi: 293 Elo artışla 1598'e yükseldi; analitik kalite ise 120 puan artışla 1671'e çıktı.

Görev başına daha düşük maliyet, Argon'dan daha yüksek halüsinasyon

Carbon, yakın zamanda güncellenen AA-Omniscience v1.1'i 54 puanla zirveye taşıdı; Claude Opus 5.5'in altı, Argon'un ise sekiz puan önünde ve doğruluk oranı Argon'a göre on puan artarak %58'e yükseldi. Halüsinasyon oranı Argon'un %4'ünden %11'e çıktı; ancak Artificial Analysis, bu oranın yine de tüm modeller arasında Argon'un hemen ardında ikinci en düşük oran olduğunu, maksimum akıl yürütmeyle Claude Opus 5.5 ve GPT-6 Astra'nın her ikisinde de %50 olduğunu belirtiyor.

Standart fiyatlama ile Carbon, Intelligence Index görevi başına 7,76 dolara mal oluyor; bu, Claude Opus 5.5'in 10,04 dolarından kabaca %23 daha az, ancak GPT-6 Astra'nın 6,25 dolarının yaklaşık 1,2 katı. Görev başına 123k çıktı token kullanıyor; Opus'tan %29 daha az. Milyon başına 4 dolar girdi ve milyon başına 20 dolar çıktı token fiyatıyla Argon'la aynı fiyata satılan Carbon, endekste dokuz puan daha yüksek skor alıyor ve görev başına maliyeti Argon'un 7,68 dolarıyla fiilen aynı. Önbelleğe alınmış girdi %95 indirimli ve standart oranlarla milyon token başına 0,20 dolara geliyor. Model 1M token'lık bağlam penceresi sunuyor; metin, görsel, video ve konuşma girdisi kabul ediyor, çıktısı ise metin.

Sınırlı kullanıma sunum

Gemini 4 Argon'un lansmanında olduğu gibi Carbon da seçili kullanıcılara sunuluyor ve henüz herkese açık değil. Google, onaylanmış bir bitiş tarihi olmayan %50 lansman indirimi sunuyor ve Artificial Analysis, tüm grafik ve rakamlarında her iki Gemini 4 modeli için standart fiyatlamanın kullanıldığını belirtiyor.

Neden önemli

Bağımsız bir değerlendirmenin bir Google modelini genel zekânın zirvesine yerleştirmesi — ve aynı anda Anthropic'e karşı ajanlı kodlamadaki uzun süredir devam eden açığı kapatması — sınır modellerindeki liderliğin büyük laboratuvarlar arasında ne kadar hızlı el değiştirdiğini gösteriyor. Ekonomi skorlar kadar önemli: görev başına kabaca dörtte bir daha düşük maliyetle karşılaştırılabilir genel zekâ ve görev başına daha az çıktı token, rakip API fiyatlarında baskı yaratıyor. Dikkat edilmesi gereken bir nokta, bu sonuçların çoğu geliştiricinin henüz erişemediği bir modelden gelmesi; halüsinasyon oranının %4'ten %11'e yükselmesi de zekâ kazançlarının bir ödünleşim taşıdığına işaret ediyor. Carbon genel kullanıma sunulana kadar alıcılar bu rakamları, bugün kendilerinin değerlendirebileceği bir performans değil, erken erişim performansı olarak görmeli.