Gemini 4 Carbon — новый лидер бенчмарков у Google

Что в ролике
Google выпустила модель Gemini 4 Carbon на базе Argan, и автор разбирает её сильные стороны и позиции в бенчмарках. Carbon сфокусирована на кибербезопасности и длинных автономных задачах: она может работать днями, искать уязвимости и исправлять баги в больших кодовых базах. В SEC Bench Pro модель набрала 88,2%, в Exploit Gym — 54,8% против 42,4% у GPT-6 Astra, а в CWE Bench — 71% при 68% у следующего конкурента. По индексу Artificial Analysis модель занимает первое место по интеллекту среди 59 моделей, но по скорости лишь 69-я из 193, а по стоимости и многословности — 45-я и 49-я из 51. В 15 из 17 бенчмарков Carbon лидирует, уступая GPT-6 Astra в Frontier SWE и Opus 5.5 в OSWorld, а в WebDev Arena поднялась на четвёртое место. Автор отмечает, что реальный код ещё не проверен, у модели долгий первый токен, зато Google заявляет о нулевом читерстве и снижении галлюцинаций. Публичный доступ обещают поэтапно: сначала киберзащитникам и доверенным партнёрам, затем всем остальным, ориентировочно через 3–4 недели.
Практика
- Что получишь
- Картину сильных и слабых сторон Gemini 4 Carbon по бенчмаркам, чтобы понять, стоит ли ждать её для своих задач и в чём она может превзойти Opus 5.5 или GPT-6 Astra.
- Первый шаг
- Открыть официальный анонс Google и страницу Artificial Analysis, чтобы проверить актуальные позиции модели.
- Цифры
- —88,2% — результат Gemini 4 Carbon в SEC Bench Pro, где модель лидирует
- —54,8% — балл в Exploit Gym против 42,4% у GPT-6 Astra
- —71% — результат в CWE Bench, у ближайшего конкурента 68%
- —12 долларов за миллион входных токенов и 110 долларов за миллион выходных — превью-цена; после превью ожидают 14 и 20 долларов
- Честно
- Ролик не содержит платной рекламы, но автор просит подписаться на канал. Все цифры взяты из материалов Google и Artificial Analysis, сама модель ещё не доступна, поэтому автор не тестировал её на своих задачах. Цена и доступность могут измениться после превью.
Если слова незнакомы — 3 терминов
- бенчмаркстандартизированный тест для сравнения качества моделей
- токенминимальная единица текста, которую модель обрабатывает
- галлюцинацияправдоподобная, но выдуманная информация от модели
Компоненты
5 шт.Формат: реакция на новость · для практикующих · уверенность разметки 0.8 · источник