Gemini 4 Argon, Android Bench listesinde beşinci sırada kaldı

Google, yapay zekâ modellerinin Android kodlama yardımındaki başarısını gösteren Android Bench listesini güncelledi. Güncellemeyle birlikte şirketin kendi modeli Gemini 4 Argon da listeye eklendi, ancak model en güncel Claude ve GPT sürümlerinin belirgin biçimde gerisinde kaldı.

Güncel listeye göre Gemini 4 Argon beşinci sırada yer alıyor. Listenin başında ise Claude Sonnet 5.5 modeli bulunuyor. Sonuçlar, Google'ın kendi ürünü olmasına rağmen Argon'un Android kodlama yardımında rakiplerine kıyasla şimdilik geride kaldığını gösteriyor.

Android Bench ne işe yarıyor?

Android Bench, yıl başında Android geliştiricilerine hangi yapay zekâ modelinin Android kodlama desteği için daha uygun olduğunu hızlıca gösterme amacıyla tanıtıldı. Google'ın hazırladığı test, yapay zekâ kullanımının Android kodlamaya özgü yönlerini ve Android geliştirmedeki en iyi uygulamaları dikkate alıyor.

Google yeni modelleri teste tabi tutup sıraladıkça listeye ortalama maliyet bilgisini de ekledi. Böylece geliştiriciler yalnızca başarıya değil, kendi ihtiyaçlarına uygun seçime de bakabiliyor.

26 Ekim güncellemesiyle gelenler

26 Ekim güncellemesiyle listeye her modelde kullanılan akıl yürütme düzeyi bilgisi eklendi. Ayrıca OpenAI'ın GPT-6 Sol ve GPT-6.1 Sol modellerinin, Claude Sonnet 5 ve Claude Sonnet 5.5 modellerinin ve Google'ın Gemini 4 Argon'unun sonuçları listeye dahil edildi.

Şu anda zirvede yüzde 40 başarı oranı ve yüzde 80,9 tamamlama oranıyla Claude Sonnet 5.5 yer alıyor. Ekim ayı başında listeye giren Claude Opus 5.5 ise ikinci sırada bulunuyor.

GPT-6.1 Sol maliyetiyle öne çıkıyor

Güncellemenin dikkat çekici girişlerinden biri GPT-6.1 Sol oldu. Model yüzde 29,3 başarı oranı ve yüzde 82,8 tamamlama oranına ulaşırken, maliyeti yalnızca 99,50 dolar olarak belirtildi. Birinciliği alan Claude'un maliyeti ise 1.574,90 dolar.

Bu fark, GPT-6.1 Sol'un çok daha düşük maliyetle rekabetçi bir tamamlama oranı yakaladığını gösteriyor. Maliyetin listeye dahil edilmesi de tam olarak bu tür karşılaştırmaları kolaylaştırmayı amaçlıyor.

Gemini 4 Argon'un zayıf çıkışı

Gemini 4 Argon ise listeye oldukça sönük bir performansla girdi. Model beşinci sırada yer alıyor ve Claude Fable 5.1'in gerisinde kalıyor. Argon'un başarı oranı yalnızca yüzde 21,3, tamamlama oranı yüzde 81,8, ortalama maliyeti ise 267,70 dolar.

Gemini 4 Argon'un duyurusundan kısa süre sonra yayımlanan bir haberde, bazı şirket içi kaynakların modelin belirli kodlama görevlerinde zorlandığını öne sürdüğü aktarılmıştı. Google ise modelin yeteneklerinin arkasında durmuştu.