Gemini 4 Carbon شماره 1 جدید در شاخص هوش تحلیل مصنوعی نسخه 5 است

Gemini 4 Carbon گوگل شماره 1 جدید در شاخص هوش آنالیز مصنوعی نسخه 5 است و پس از Claude Opus 5.5 در فهرست عامل کدنویسی تحلیل مصنوعی در رتبه دوم قرار دارد.

Gemini 4 Carbon در Intelligence Index v5 با عملکرد پیشرو در استدلال، دانش و وظایف علمی پیچیده، امتیاز 59 را کسب می کند. همچنین در زمینه کدنویسی و کار دانش، به ویژه در مقایسه با سایر مدل‌های Gemini، دستاوردهای زیادی دارد، اما در همه این زمینه‌ها پیشرو نیست.

همانطور که با راه اندازی Gemini 4 Argon، Gemini 4 Carbon برای کاربران منتخب عرضه می شود و هنوز به صورت عمومی در دسترس نیست. گوگل 50 درصد تخفیف عرضه می کند، بدون تاریخ پایان تایید شده. همه نمودارها و ارقام ما از قیمت گذاری استاندارد برای Gemini 4 Carbon و Argon استفاده می کنند.

نتایج کلیدی برای Gemini 4 Carbon با استدلال بالا:

➤ Gemini 4 Carbon در فهرست Intelligence Index v5 با امتیاز # 1 در 4 ارزیابی از 9 شاخص: HLE-Diamond، Terminal-Bench-Science، AA-Omniscience، AutomationBench-AA، پیشتاز است. کربن در جاهای دیگر دستاوردهای قابل توجهی دارد اما در کدنویسی و کار دانش پیشرو نیست

➤ پشت سر تنها Claude Opus 5.5 در عوامل کدگذاری: با Antigravity CLI، Gemini 4 Carbon (بالا) تنها 3 امتیاز کمتر از Claude Code با Claude Opus 5.5 (حداکثر، 62) با Antigravity CLI در شاخص عامل کدگذاری تحلیل مصنوعی دارد. کربن در هر دو Terminal-Bench 4.0 (64%) و FrontierCode v1.1 (51%) در رتبه دوم قرار دارد، پس از Claude Opus 5.5 (حداکثر) با 56%. گوگل در طول تاریخ در این زمینه ضعیف عمل کرده است و بنابراین این پیشرفت برجسته است.

➤ کار دانش عاملی بهبود یافته، اما هنوز پیشرو نیست: در AA-Briefcase، Gemini 4 Carbon (بالا) امتیاز 1609 Elo را کسب می کند، بهبودی 126 امتیازی نسبت به Gemini 4 Argon (بالا، 1483)، اما همچنان از مدل هایی مانند Grok 4.7 (xhigh, 1638، 1638، 1638) و 1638، 1638، 1609، 1609. Pro (1678). بیشترین سود حاصل از Presentation، افزایش 293 الو به 1598، در کنار بهبود 120 امتیازی در کیفیت تحلیلی تا 1671 است.

➤ امتیاز پیشرو AA-Omniscience v1.1، با توهم کم: Gemini 4 Carbon در نسخه 1.1 AA-Omniscience که اخیرا به روز شده است، امتیاز 54 را کسب می کند، 6 امتیاز از Claude Opus 5.5 (حداکثر، 48) و 8 امتیاز جلوتر از Gemini 4 Argon (46). دقت (درصد صحیح) 10 امتیاز نسبت به آرگون به 58 درصد افزایش می یابد، در حالی که میزان توهم آن از 4 درصد به 11 درصد افزایش می یابد. این هنوز هم دومین پایین‌ترین مدل از هر مدلی است، پس از آرگون، در مقایسه با 50 درصد برای کلود اپوس 5.5 (حداکثر) و GPT-6 Astra (حداکثر)

➤ چندوجهی: ورودی متن، تصویر، ویدئو و گفتار، با خروجی متن

itHub Copilot Fusion را در GitHub Copilot منتشر کرده است که بین مدل‌های Anthropic و OpenAI هماهنگ می‌شود. این امتیاز 2 امتیاز کمتر از Opus 5.5 در Claude Code با نصف هزینه هر کار در فهرست عامل کدنویسی دارد.

Index v5 دارای 2 معیار جدید و 3 ارتقاء است. برای اولین بار، اکثر ایندکس بر روی مجموعه داده های خصوصی ساخته شده است

اجرای تحلیل مصنوعی از HeyGen's Code2Video Bench، ارزیابی خوبی که مدل‌ها ویدیوهای کوتاه محصول و برند را از 114 خلاصه طراحی با استفاده از HyperFrames HTML ایجاد می‌کنند.