Google Gemini 4 Carbon'u tanıttı, zekâ sıralamasında zirvede

Google, geçen hafta en yeni yapay zekâ modeli Gemini 4 Carbon'u duyurdu. Model değerlendirme platformu Artificial Analysis'in en güncel Intelligence Index V5 test paketinde 59 puan alan model, rakiplerini geride bırakarak listenin başına yerleşti. Claude Opus 5.5 ile arasındaki fark yalnızca bir puan.

Carbon, dokuz değerlendirmeden dördünde birinci sıradaki skoru elde ediyor. Üstelik bunu, Claude Opus 5.5 gibi üst sıralardaki diğer modellere kıyasla daha düşük görev maliyetiyle yapıyor. Model ayrıca, bilgiyi doğru hatırlama ve halüsinasyon eğilimini ölçen yeni AA-Omniscience v1.1 testinde de zirvede yer alıyor.

Sıralamada rakiplerle fark

Elde edilen sonuçlara göre Gemini 4 Carbon, Claude Opus 5.5'in bir, OpenAI'ın GPT-6 Astra modelinin ise iki puan önünde. Meta'nın Muse Wonder Full modeline göre fark dokuz, Claude Fable 5.1'e göre on puana ulaşıyor. Yapay zekâ model sıralamalarının 2026'da hızla ve düzenli olarak değiştiği düşünüldüğünde, Carbon'un çıkışı Google için yılın büyük bölümünde düzensiz sürümlerle geride kalmanın ardından bir toparlanma olarak görülebilir.

Her alanda lider olmadığı da not ediliyor. Programlama konusunda Claude Code ile birlikte kullanılan Claude Opus 5.5 daha başarılı görünürken, bilgi çalışması testlerinde Grok 4.7, Muse Wonder ve Kimi K3.1 Pro modelleri Carbon'un önünde yer alıyor.

Maliyet tarafında dikkat çeken tablo

Zekâ ile maliyet arasındaki dengeyi gösteren Pareto sınırı, model geliştiricileri için giderek daha önemli bir ölçüt haline geldi. Carbon'un Intelligence Index görevi başına maliyeti 7,76 dolar. Bu rakam Claude Opus 5.5'in 10,04 dolarlık maliyetinin yaklaşık yüzde 23 altında, ancak GPT-6 Astra'nın 6,25 dolarlık maliyetinin yaklaşık 1,2 katı. Claude Fable 5.1'in görev başı maliyeti ise 12,99 dolar.

Model görev başına 123 bin çıktı belirteci kullanıyor; bu, Claude Opus 5.5'in 173 bin belirtecine kıyasla yaklaşık yüzde 29 daha az. Standart fiyatlandırması 4 dolar ile 20 dolar seviyesinde olan Carbon'un görev maliyeti, Google'ın iki hafta önce tanıttığı Gemini 4 Argon'a (7,68 dolar) yakın; buna karşın Intelligence Index'te dokuz puan daha yüksek skor alıyor. Düşük fiyat basamaklarında ise GLM 5.3-Flash ve DeepSeek V4 Pro gibi Çin menşeli açık ağırlıklı modeller öne çıkıyor. DeepSeek V4.1 Flash 1017 görev başına yaklaşık 13 kat daha ucuz olsa da Intelligence Index'te yalnızca 32 puan alıyor.

Halüsinasyon skoru ve kademeli erişim

Carbon, -100 ile +100 arasında değişen AA-Omniscience Index'te 54 puanla en yüksek skoru aldı ve rakiplerini çoğu zaman belirgin farklarla geride bıraktı. Yine de en iyi skorun bile 54'te kalması, 2026'nın öncü modellerinin bilgiyi doğru hatırlama konusunda hâlâ tutarlı güvenilirlikten uzak olduğuna işaret ediyor. Google ise Carbon'un yanıtlarındaki desteklenmeyen iddiaları, iki hafta önce çıkan Gemini 4 Argon'a göre iki kat azalttığını öne sürüyor. Şirketin iddiasına göre model bir işlemi tamamlayamadığında yanıt uydurmak ya da eksik kanıtın etrafından dolanmak yerine işlemi yapmıyor; belirsizlik durumunda kaynak ve önerilen adımları kullanıcıya daha rahat sunuyor ve bu sayede modelin kendi kendine hareket etmesi yüzde 26 azalıyor.

Google, modeli ABD hükümetinin gönüllü sürüm öncesi test sürecine dahil ettiğini belirtiyor. Erişim önce siber savunmacılara, Fairwind programı kapsamında açılıyor; ardından güvenilir ortaklar üzerinden aşamalı olarak genişletilecek. Şirket, modeli geliştiricilere sunmadan önce korumalarını iyileştirmek ve kötü niyetli kişilerin modeli saldırı ve hackleme amaçlı kullanmasını zorlaştırmak istiyor. Google ayrıca Carbon'un Gray Swan dolaylı komut enjeksiyonu testindeki, modele yapmaması gereken bir şeyi yaptırmaya yönelik tüm denemeleri engellediğini öne sürüyor.