Gemini 4 Carbon, Claude Opus 5.5’e Yakın ve Daha Ucuz

Google’ın Gemini 4 Carbon modeli, geniş kapsamlı bir yapay zekâ testinde Claude Opus 5.5’in hemen arkasında yer aldı. SemiAnalysis tarafından hazırlanan GDPx değerlendirmesi, iki model arasındaki performans farkının küçük kaldığını gösterirken maliyet tarafında Gemini lehine belirgin bir ayrım ortaya koydu.

Testte Claude Opus 5.5, görev başına yaklaşık 51 dolarlık maliyetle birinci oldu. Gemini 4 Carbon ise benzer işleri 16 doların biraz üzerinde bir maliyetle tamamladı. Bu rakamlar, özellikle çok sayıda görev çalıştıran kurum ve ekipler açısından performans kadar kullanım giderlerinin de model tercihinde belirleyici olabileceğini gösteriyor.

206 görevde genel sıralama

GDPx, kodlama, finans, hukuk ve biyoloji gibi farklı alanlardan toplam 206 görevi kapsıyor. Bu çeşitlilik, modelleri yalnızca tek bir beceri üzerinden değil, farklı iş türlerindeki sonuçlarıyla karşılaştırmayı amaçlıyor. Gemini 4 Carbon’un ikinci sıraya yerleşmesi de modelin farklı alanlara yayılan bu değerlendirmede güçlü bir performans sergilediğine işaret ediyor.

İki modelin sonuçları birbirine yakın olsa da aralarındaki maliyet farkı dikkat çekici. SemiAnalysis’in paylaştığı hesaplamaya göre Gemini 4 Carbon, Claude Opus 5.5’in görev başına maliyetinin yaklaşık üçte biri seviyesinde çalışıyor. Tek bir görevdeki fark sınırlı görünebilir; ancak çok sayıda işin arka arkaya yürütüldüğü kullanım senaryolarında toplam gideri etkileyebilir. Bununla birlikte, testteki maliyet ölçümünün görev başına ortalama tutarı ifade ettiği ve farklı iş yüklerinin gerçek kullanım maliyetlerini değiştirebileceği göz önünde bulundurulmalı.

Testin tüm kategorileri içeren genel tablosunda OpenAI’ın GPT-6 Astra modeli daha düşük puan aldı ve görev başına yaklaşık 54 dolara mal oldu. Ancak değerlendirmedeki bazı alanlar dışarıda bırakıldığında sıralama değişiyor. Siber güvenlik, biyoloji ve güvenlik filtreleri gibi kategoriler hesaba katılmadığında GPT-6 Astra ilk sıraya çıkıyor. GPT-6.1 Sol ile Claude Sonnet 5.5 de bu görünümde Gemini 4 Carbon’un önünde yer alıyor.

SemiAnalysis’in bu ayrımı, genel test sıralamasının her kullanım amacı için aynı sonucu vermediğini ortaya koyuyor. Şirketin değerlendirmesine göre bazı kategoriler çıkarıldığında oluşan tablo, mühendislerin günlük kodlama işlerinde algıladığı model hızına daha yakın bir karşılaştırma sunuyor. Dolayısıyla tek bir genel sıralama yerine, modellerin kullanılacağı göreve uygun sonuçlara bakmak gerekiyor.

Siber güvenlikte Google modelleri öne çıktı

Gemini 4 Carbon’un güçlü olduğu alanlardan biri siber güvenlik görevleri oldu. Google’ın Gemini 4 Carbon ve Gemini 4 Argon modelleri bu kategoride OpenAI ve Anthropic’in modellerini geride bıraktı. Bununla birlikte Meta’nın Muse modelleri daha yüksek puan alarak kategoride lider konumda yer aldı.

Gemini 4 Argon, genel sıralamada sekizinci sıraya yerleşti. Modelin maliyeti Carbon’dan biraz daha düşük olsa da kaynakta bu iki model için kesin bir görev başı fiyat verilmedi. Bu nedenle aralarındaki maliyet farkının boyutunu net biçimde hesaplamak mümkün değil. Sonuçlar, Google’ın modellerinin farklı görevlerde aynı seviyede performans göstermediğini ve kategori bazlı değerlendirmenin önemini de ortaya koyuyor.

Gemini 4 Carbon’un testteki konumu, güçlü performans ile daha düşük görev maliyetini birlikte arayan kullanıcılar için değerlendirmeye değer bir seçenek oluşturuyor. Ancak GDPx sonuçları tek başına her kuruluşun iş yükünde aynı performans veya maliyetin elde edileceğini garanti etmiyor. Ayrıca modelin çıkış tarihi henüz açıklanmış değil; bu nedenle test sonuçlarının ne zaman erişilebilir bir ürüne dönüşeceği belirsizliğini koruyor.