مراجعة Gemini 4 Carbon: الرابع في المؤشر، بطيء في الإجابة

يحتل Gemini 4 Carbon المرتبة الرابعة على اللوحة المستقلة، ويُسعّر كطراز من الفئة المتوسطة، وهو مزيج غير معتاد عند تقييمه بصدق: Gemini 4 Carbon APIتذكر صفحتها سعر 2.00 دولار لكل مليون رمز إدخال و10.00 دولارات لكل مليون رمز إخراج، بينما تسجل درجة 60 على Artificial Analysis Intelligence Index v5.0.1، وهي الرابعة بين 78 طرازًا. والسؤال الذي يجب أن يجيب عنه التقييم ليس ما إذا كانت 60 درجة جيدة، بل ما تدفعه من الوقت الفعلي ومعدل الفشل للحصول عليها.

ما هو

نموذج متعدد الوسائط من عائلة Gemini 4 من Google، بنافذة سياق تبلغ 1,048,576 رمزًا وسقف إخراج يبلغ 65 ألفًا. يستقبل النصوص والصور والصوت والفيديو والمستندات ويعيد النصوص، مع دعم أصيل لاستخدام الأدوات وإخراج JSON منظم. يستجيب عبر كلٍ من نقطة النهاية المتوافقة مع OpenAI وواجهة generateContent الأصلية لـ Gemini، كما يتوفر الاحتفاظ الصفري بالبيانات.

تخبرك مجموعة المعاملات بنوع النموذج الذي يريد أن يكونه: reasoning، وinclude_reasoning، وstructured_outputs، وtools، وtool_choice، وseed، وtemperature، وtop_p. يوجد seed وتنسيق استجابة في القائمة نفسها، وهي بصمة نموذج موجّه لخطوط أنابيب الاستخراج والأنظمة الوكيلية بدلًا من الكتابة الإبداعية.

النتيجة، والإصدار الذي تم تقييمها عليه

لا يمكن مقارنة الرقم 60 بالأرقام الأقدم التي ستجدها منسوبة إلى نماذج أخرى، وهذا هو الخطأ الأكثر شيوعًا في المقارنات المنشورة هذا الشهر. إن Intelligence Index v5.0.1 مجموعة تقييم مختلفة عن v4.3 وv4.3.2، لذا لا ينبغي وضع نتيجة v4.3 ونتيجة v5.0.1 في الجدول نفسه. ضمن مجموعة v5.0.1، يضع الرقم 60 الخاص بـ Carbon في المركز الرابع من أصل 78، خلف Claude Fable 5.2 عند 65 وأمام كل ما أعيد تقييمه.

التقييمات التسعة الكامنة وراء ذلك الرقم هي AA-Briefcase v1.1، وAutomationBench-AA، وTerminal-Bench 4.0، وFrontierCode-AA 2.0، وAA-Omniscience v1.1، وGDP.pdf، وHLE-Diamond، وCritPt v2 Hard Subset، وTerminal-Bench-Science 0.1. هذا مزيج وكيلي وعلمي — عمل عبر الطرفية، وأتمتة، وتأسيس على المستندات، واستدلال صعب — وليس مزيج لوحات صدارة البرمجة. قد يُحقّق نموذج نتيجة جيدة هنا ثم يخسر في إعادة هيكلة على نطاق المستودع، لذا اقرأ التفصيل قبل أن تستنتج أي شيء بشأن حالة الاستخدام الخاصة بك.

الجزء الذي يخفيه الرقم الرئيسي

زمن Carbon حتى أول رمز في أداة AA هو 64.7 ثانية، والمرتبة 69 من أصل 77 نموذجًا تتوفر لها بيانات زمن الوصول. إجمالي الزمن الفعلي لكل مهمة هو 28.4 دقيقة عبر التقييمات التسعة. سرعة الإخراج بمجرد بدء الكتابة هي 72 رمزًا في الثانية، وهي غير ملحوظة لكنها ليست المشكلة؛ المشكلة هي زمن التفكير قبل أول رمز.

تشغيل المؤشر مقابل تكلفة Carbon البالغة$5.48 من إنفاق المزوّد، وهو ما يعادل، بمعدل مدمج قدره $2.70 لكل مليون رمز، كمية كبيرة من الرموز لتمريرة معيارية واحدة. كما تُبلغ AA عن إسهاب بنسبة 2.69 بالمئة إلى جانب 205 ملايين رمز إخراج لهذه الجولة. لا تقرأ النسبة على أنها درجة إيجاز: يسجّل Claude Fable 5.2 نسبة أدنى بكثير تبلغ 0.97 بالمئة مع عدد أعلى من رموز الإخراج يبلغ 275 مليون رمز، لذا يتحرك الرقمان بشكل مستقل.

إذا كان السعر هو سبب قراءتك لهذا، فإن مقارنة أسعار واجهات LLM API تضع سعرًا مدمجًا قدره 2.70 دولار لكل مليون مقابل بقية الكتالوج، بما في ذلك النماذج التي تقل عنها سعرًا وتلك التي تكلف عدة أضعاف مقابل درجة قابلة للمقارنة.

عبر البوابة، تبدو الأرقام مختلفة

تُعد 64.7 ثانية الخاصة بـ AA أداة اختبار معيارية تتيح للنموذج التفكير في المسائل الصعبة. وعلى حركة المرور المباشرة لدى OrcaRouter خلال الأيام السبعة الماضية، كان زمن p50 للوصول إلى أول رمز بالنسبة إلى Carbon هو 6.89 ثانية وكان p95 هو 10.00 ثانية، مع 226 رمزًا في الثانية من الإخراج عبر 9.6 مليون رمز تمت خدمتها. كلا الرقمين صحيحان. يرى منتج محادثة شيئًا قريبًا من الرقم الأول؛ بينما ترى نسخة تقييم دُفعات شيئًا قريبًا من الرقم الثاني.

الرقم الذي يستحق اهتمامًا أكبر من أيٍّ من الرقمين هو معدل الأخطاء: فقد أعادت 39.7 بالمئة من الطلبات استجابات non-2xx عبر جميع المزوّدين upstream في نافذة الأيام السبعة تلك، مقابل 10.8 بالمئة لدى Claude Fable 5.2. وأيًّا كان السبب — السعة، أو حدود المعدل، أو تدوير المزوّدين — فإن منتجًا يستدعي Carbon دون ميزانية إعادة محاولة ونموذج احتياطي سيُظهر للمستخدمين إخفاقات بمعدل لا يتوقعه أي مخطط معايير. تلك مسألة توجيه، وهي الشيء الوحيد الذي ينبغي اختباره قبل الأسبوع الثاني.

أين موضعه في الكتالوج

بالمقارنة مع أشقّائه، فإن Carbon هو العضو متعدد الوسائط في سلسلة Gemini 4 وليس الخيار الرخيص: فسعر الإدخال مطابق لسعر Gemini 3.1 Pro عند 2.00 دولار، وسعر الإخراج أرخص بـ 2.00 دولار، والفرق الجوهري هو أن Carbon يستقبل الصوت والفيديو بينما يستقبل 3.1 Pro النصوص والصور. وإذا كان خط أنابيبك لا يتعامل مع ملفات الفيديو إطلاقًا، فأنت تدفع مقابل قدرة لن تستخدمها.

مقارنةً ببقية الخيارات المتاحة، يعود القرار عادةً إلى سؤالين. إذا كان الاختيار داخليًا لدى Google، فإن Gemini 4 Carbon مقابل Gemini 3.1 Pro هي المقارنة المهمة. أما إذا كان الأمر عبر مورّدين مختلفين، فإن GPT-6.1 Sol مقابل Gemini 4 Carbon وClaude Opus 5.5 مقابل Gemini 4 Carbon وتغطّي هاتان المقارنتان الخيارين البديلين الأكثر شيوعًا، وتحتوي قائمة نماذج LLM على الكتالوج الكامل إذا لم يكن أيٌّ منهما هو ما كنتَ تفكّر فيه.

حكم

يحتل Carbon المرتبة الرابعة من حيث القدرة لكل دولار من المدخلات، ويحقق ذلك بأسلوب يناسب الأعمال الطويلة والمتعددة الوسائط والمنظمة أكثر مما يناسب المحادثة. والتكاليف التي لا تظهر في جدول الأسعار هي التكلفتان اللتان تحددان ما إذا كان مناسبًا لك: 64.7 ثانية من التفكير قبل أول رمز ضمن أداة اختبار معيارية، ومعدل خطأ يقارب 40 بالمئة على حركة المرور الحية. تجاوز كليهما — عبر سلسلة احتياطية، وميزانية إعادة محاولة، وطابور غير متزامن لأي شيء غير تفاعلي — وستجد أن نسبة السعر إلى الدرجة يصعب حقًا التغلب عليها. أما إذا وضعته خلف واجهة مستخدم متزامنة بلا بديل احتياطي، فستستنتج أن النموذج أسوأ مما هو عليه.