Gemini 4 Carbon: قویترین مدل گوگل تا امروز
خلاصهٔ کاملتر
طبق این مقاله، Gemini 4 Carbon جدیدترین و قویترین مدل گوگل دیپمایند هست که کنار Gemini 4 Argon (یه مدل هماندازه ولی سریعتر) عرضه شده. Carbon داخل Antigravity کار میکنه، یعنی محیط کدنویسی agentic گوگل که مدل توش وب رو میگرده، کد مینویسه و اجرا میکنه و میتونه مدت طولانی بدون نظارت کار کنه.
گوگل چهار کاربرد اصلی براش تعریف کرده. اول، مهندسی agentic چندروزه مثل ویرایش دقیق کد تو codebaseهای بزرگ و اسکن امنیتی قبل از انتشار. دوم، کار دانشی دقیق تو حوزههایی مثل مالی، حقوقی و سلامت که گوگل میگه تو تستهاش هیچ ارجاع ساختگی نداشته. سوم، تحقیقات علمی مثل فیزیک، ژنومیک و کشف دارو. چهارم، توسعهٔ فولاستک فرانتاند و وب سهبعدی با رابطهایی که مدل حین ساخت خودش چکشون میکنه.
تو یه تست، Carbon یه قلعهٔ تاریخی تو پیشاور رو فقط با منابع عمومی و یه موتور سهبعدی یهماهه بازسازی کرد. حدود ۳۰ منبع خوند، بخشهای بیمدرک رو «inferred» (یعنی حدسی) علامت زد و وقتی موتور یه قابلیتی کم داشت، سورسش رو شش بار تغییر داد که دوتاش رفع باگ بود. هر ده دور یه sub-agent تازه (یه ایجنت فرعی بدون حافظهٔ قبلی) امتیاز میداد که بعد از حدود ۶۵ دور و ۲۰ ساعت از ۳ به حدود ۵ از ۱۰ رسید. تو تستهای دیگه هم اپهای نیتیو و امضاشدهٔ macOS با Swift فقط از یه پرامپت کوتاه ساخت.
تو Terminal-Bench 2.0 (یه بنچمارک کدنویسی agentic تو ترمینال) Carbon به ۶۵.۲٪ رسید، در حالی که Claude Opus 5.5 و GPT-6 Astra حدود ۵۹٪ گرفتن. تو شاخص هوش Artificial Analysis اول با امتیاز ۶۰ صدرنشین شد. ولی چند روز بعد Claude Fable 5.2 به ۶۵ رسید. تو GDPX (بنچمارکی از تستهای واقعی صنعت مثل طراحی چیپ) Carbon ۱۰.۹٪ گرفت، پایینتر از ۱۶.۴٪ Fable 5.2 و بالاتر از ۹.۶٪ GPT-6 Astra.
یه بنچمارک سختگیرانهٔ hallucination (یعنی وقتی مدل جواب رو نمیدونه ولی چیز سرهم میکنه) به نفع Carbon بود: فقط حدود ۱۱٪ مواقع بلوف زد، در حالی که Fable 5.2 با بیشترین تنظیم effort حدود ۵۹٪ بلوف زد. البته تو یه معیار دیگهٔ hallucination که ملایمتره، Fable 5.2 جلوتر بوده.
نویسنده میگه برتری Carbon بیشتر تو قیمته: هر تسک تو شاخص Artificial Analysis حدود ۷.۸۰ دلار در برابر ۲۶.۵۰ دلار Fable 5.2 هزینه داره. Carbon بهطور پیشفرض بیشتر فکر میکنه، یعنی هر تسک حدود ۲۶ دقیقه در برابر میانهٔ ۱۳ دقیقه. پس برای کارهایی مناسبتره که میسپاری و میری، نه چت. قیمت معرفی تا ۳۰ نوامبر ۲ دلار ورودی و ۱۰ دلار خروجی برای هر میلیون توکنه و بعدش میشه ۴ و ۲۰ دلار، همقیمت Opus 5.5، با ۹۵٪ تخفیف برای توکنهای ورودی کششده.
نکات کلیدی:
- Carbon تو Terminal-Bench 2.0 امتیاز ۶۵.۲٪ گرفت، Opus 5.5 و GPT-6 Astra حدود ۵۹٪.
- تو شاخص Artificial Analysis با ۶۰ اول شد، ولی Fable 5.2 با ۶۵ ازش جلو زد.
- هزینهٔ هر تسک حدود ۷.۸۰ دلار در برابر ۲۶.۵۰ دلار Fable 5.2 هست.
- تو تست سختگیرانهٔ hallucination حدود ۱۱٪ بلوف زد، Fable 5.2 حدود ۵۹٪.
- قیمت معرفی تا ۳۰ نوامبر ۲/۱۰ دلار برای هر میلیون توکن، بعدش ۴/۲۰ دلار.
- میانگین هر تسک حدود ۲۶ دقیقه طول میکشه، تقریباً دو برابر میانهٔ ۱۳ دقیقه.




