Rapor: Google, Gemini 4 Carbon'ı Lansmandan Önce Arena'da Anonim Olarak Test Ediyor

Google'ın bir sonraki amiral gemisi yapay zekâ modeli anonim halka açık testlerde görünüyor. Fathom News'in dev.to'da aktardığı bir TestingCatalog paylaşımına göre, "Argon 4" takma adıyla çalışan bir model cumartesi gününden beri Arena'da aktif ve paylaşım bu takma adı Google'ın Gemini serisinde beklenen bir sonraki sürüm olan Gemini 4 Carbon'a bağlıyor. Google ile bağlantı resmi bir açıklamaya değil, takma adın kendisine ve şirketin geçmiş sürüm alışkanlıklarına dayanıyor.

Arena testi nasıl çalışır

Arena, ziyaretçilerin bir prompt göndermesini, iki anonim yanıt almasını ve daha iyi olanına oy vermesini sağlıyor. Model adları gösterilmediği için değerlendirmeler doğrudan çıktıya dayanıyor: yanıtın soruyu yanıtlaması, talimatları takip etmesi, konuya girmesi ve yavaş hissettirmeyecek kadar hızlı dönmesi gibi. Laboratuvarlar için site, hiçbir duyuru yapılmadan önce yayımlanmamış bir sistemi gerçek kullanıcılara sunmanın yaygın bir mecrasına dönüştü.

Rapor ne iddia ediyor

TestingCatalog testlerin başlangıcını ekim sonuna bağladı ve gizli modeli son anonim aday dalgasındaki en güçlü modellerden biri olarak nitelendirdi. Fathom News'in de belirttiği gibi, güçlü bir performans bir modeli kimin geliştirdiğini kanıtlamaz; dolayısıyla Google atfı hâlâ doğrulanmış değil. Google daha önce de kod adlarının resmi sürümlerden önce ürün sayfalarında, geliştirici araçlarında ve benchmark listelerinde görünmesine izin verdi ve bir sızıntı ile resmi tanıtım arasındaki süre saatlerden günlere ya da daha uzun bir zamana uzayabiliyor.

Kör oylamanın sınırları

Arena, statik benchmarkların genellikle gözden kaçırdığı nitelikleri yakalıyor: ton, reddetme tarzı, gecikme ve dağınık promptlardaki faydalılık gibi. Ancak görünür davranışı ölçüyor; kurumsal müşterilerin benimsemeden önce ihtiyaç duyduğu şeyleri değil: API sınırları, fiyatlandırma, güvenilirlik ve güvenlik kontrolleri. Google'ın Gemini 4 Carbon'ı iş müşterileri için güvenilir bir varsayılan seçenek hâline getirmesi için bu ayrıntıları açıkça ortaya koyması gerekirdi.

Neden önemli

Önde gelen yapay zekâ laboratuvarları arasındaki yarış, son bir yılda laboratuvarların hazırladığı benchmark tablolarından canlı kamuya açık karşılaşma panolarına kaydı ve bu, bir lansmanın ne gerektirdiğini değiştirdi. cilalı bir duyuru yazısı tek başına artık tartışmayı sonuçlandırmıyor; bir model, tonun, reddetme davranışının ve yanıt hızının ham akıl yürütme puanları kadar önem taşıdığı markasız, kullanıcılar tarafından yürütülen karşılaştırmaların selinde ayakta kalmak zorunda. Anonim bir Arena denemesi, Google'ın modeli halka nasıl sunacağına karar vermeden önce bu tepkileri örneklemesine olanak tanıyor: güçlü bir sonuç pazarlama kanıtı olurken, kodlamadaki veya uzun promptlardaki zayıf noktalar hâlâ sürümden önce ayarlanabiliyor. Gemini zaten tüketici sohbetinden çalışma alanı araçlarına ve geliştirici API'lerine kadar yayılmış durumda; mevcut döngüde daha güçlü bir sürüm hem marka algısını hem de kurumsal satın alma kararlarını etkilerdi. İzlenecek en net doğrulama, resmi bir Google sayfası, bir Gemini uygulama güncellemesi veya "Argon 4"ün yerini gerçek bir ürün adının aldığı bir geliştirici paylaşımı olacak.