مدل Gemini 4 Carbon گوگل در بنچمارک جدید به رتبه دوم رسید، اما هزینه اجرای آن به‌مراتب کمتر از Claude Opus 5.5 و دیگر مدل‌های رقیب است.

فهرست مطالب

مدل Gemini 4 Carbon گوگل در بنچمارکی جدید به رتبه دوم رسید، اما هزینه اجرای آن به‌مراتب کمتر از Claude Opus 5.5 و دیگر مدل‌های رقیب است.

به گزارش سرویس هوش مصنوعی تک‌ناک، شرکت SemiAnalysis که در زمینه پژوهش و تحلیل هوش مصنوعی فعالیت می‌کند، به‌تازگی بنچمارک جدیدی با نام GDPx منتشر کرده است. در این ارزیابی، عملکرد مدل Gemini 4 Carbon گوگل نیز بررسی شده است.

جدول رتبه‌بندی این بنچمارک، مدل‌های پیشرفته شرکت‌هایی مانند اوپن‌ای‌آی، آنتروپیک و متا را در بر می‌گیرد و امتیاز و هزینه عملکرد هر مدل را نشان می‌دهد.

این بنچمارک شامل ۲۰۶ وظیفه در حوزه‌های مختلفی مانند امور مالی، علم مواد، امنیت سایبری، مهندسی نرم‌افزار، حقوق و زیست‌شناسی است.

در صدر نتایج، مدل Claude Opus 5.5 آنتروپیک قرار دارد و Gemini 4 Carbon گوگل با فاصله‌ای اندک در جایگاه بعدی ایستاده است. اختلاف عملکرد این دو مدل چندان زیاد نیست، اما هزینه انجام وظایف تفاوت چشمگیری دارد. هزینه Claude برای هر وظیفه حدود ۵۱ دلار برآورد شده، درحالی‌که این رقم برای Gemini کمی بیشتر از ۱۶ دلار است.

Gemini همچنین توانسته است از مدل بعدی در فهرست، یعنی GPT-6 Astra، عملکرد بهتری داشته باشد. GPT-6 Astra امتیاز پایین‌تری کسب کرده و هزینه اجرای هر وظیفه با آن حدود ۵۴ دلار بوده است. این رقم از هزینه هر دو مدل Claude و Gemini بیشتر است.

تغییر رتبه‌بندی با حذف برخی حوزه‌های ارزیابی

گزارش SemiAnalysis نشان می‌دهد که با حذف حوزه‌های امنیت سایبری، زیست‌شناسی و هم‌ترازی هوش مصنوعی از ارزیابی، ترتیب مدل‌ها تغییر می‌کند. محدودیت‌های ایمنی در مدل‌های Claude و GPT باعث می‌شوند GPT-6 Astra در صدر فهرست قرار بگیرد. در این رتبه‌بندی، GPT 6.1 Sol و Claude Sonnet 5.5 نیز بالاتر از Gemini 4 Carbon قرار می‌گیرند.

SemiAnalysis می‌گوید این نتایج با «برداشت‌های ذهنی» این شرکت از عملکرد مدل‌های مختلف هماهنگی بیشتری دارد.

مدل پیشرفته دیگر گوگل، یعنی Gemini 4 Argon، در هر دو فهرست رتبه هشتم را به‌دست آورده است. این مدل عملکرد بهتری از Muse Wonder متا دارد، اما پایین‌تر از Wonder Full قرار می‌گیرد. هزینه استفاده از Argon در این بنچمارک نیز تنها اندکی کمتر از Carbon است.

عملکرد مدل‌های گوگل در امنیت سایبری

تصویری از بنچمارک مدل Gemini 4 Carbon

هر دو مدل گوگل در وظایف مرتبط با امنیت سایبری امتیاز بهتری از مدل‌های اوپن‌ای‌آی و آنتروپیک کسب کرده‌اند. بااین‌حال، عملکرد آن‌ها همچنان از مدل‌های Muse متا پایین‌تر است. بر اساس نتایج بنچمارک، مدل‌های متا در این حوزه با اختلاف قابل‌توجهی بهترین عملکرد را داشته‌اند.

بنچمارک اختصاصی گوگل نیز نشان می‌دهد که Gemini 4 Carbon در بسیاری از زمینه‌ها عملکرد بهتری از GPT-6 Astra و Claude Opus 5.5 داشته است.