Gemini 4 Carbon 登顶 Artificial Analysis Intelligence Index v5

Artificial Analysis

所有文章

2026年10月28日 Gemini 4 Carbon 成为 Artificial Analysis Intelligence Index v5 新的第一名 查看模型页面

谷歌的 Gemini 4 Carbon 成为 Artificial Analysis Intelligence Index v5 新的第一名，在 Artificial Analysis Coding Agent Index 上仅次于 Claude Opus 5.5 排名第二

Gemini 4 Carbon 在 Intelligence Index v5 上得分 59，得益于其在复杂推理、知识和科学任务上的领先表现。它在编程和知识工作方面也有大幅提升，尤其是与其他 Gemini 模型相比，但它并未在所有这些领域都处于领先地位。

与 Gemini 4 Argon 发布时一样，Gemini 4 Carbon 正逐步向部分用户推出，尚未公开可用。谷歌提供 50% 的发布折扣，但未确认结束日期。我们所有的图表和数据均采用 Gemini 4 Carbon 和 Argon 的标准定价。

Gemini 4 Carbon 高推理模式的关键结果：

➤ Gemini 4 Carbon 在 Intelligence Index v5 上领先，在 9 项 Index 评测中的 4 项获得第一名：HLE-Diamond、Terminal-Bench-Science、AA-Omniscience、AutomationBench-AA。Carbon 在其他方面也有大幅提升，但在编程和知识工作上并未领先

➤ 在编程智能体上仅次于 Claude Opus 5.5：搭配 Antigravity CLI 时，Gemini 4 Carbon（high）在 Artificial Analysis Coding Agent Index 上得分 59，仅落后搭配 Claude Opus 5.5（max，62）的 Claude Code 3 分。Carbon 在 Terminal-Bench 4.0（64%）和 FrontierCode v1.1（51%）上均排名第二，落后于 Claude Opus 5.5（max）的 56%。谷歌在这一领域历来表现不佳，因此这一提升尤为突出。

➤ 智能体知识工作有所改进，但尚未领先：在 AA-Briefcase 上，Gemini 4 Carbon（high）得分为 1609 Elo，比 Gemini 4 Argon（high，1483）提升了 126 分，但仍落后于 Grok 4.7（xhigh，1638）、Muse Wonder（max，1659）和 Kimi K3.1 Pro（1678）等模型。最大提升来自 Presentation，上升 293 Elo 至 1598，同时 Analytical Quality 提升 120 分至 1671

➤ 在整体智能水平相当的情况下，每任务成本低于 Claude Opus 5.5：按标准定价，Gemini 4 Carbon 每项 Intelligence Index 任务成本为 7.76 美元，比 Claude Opus 5.5（max，10.04 美元）低约 23%，但约为 GPT-6 Astra（max，6.25 美元）的 1.2 倍。它每项任务使用 123k 输出 tokens，比 Claude Opus 5.5（max，173k）少 29%。在相同的 4/20 美元标准定价下，其每任务成本与 Gemini 4 Argon（7.68 美元）相当，而在 Intelligence Index 上得分高出 9 分

➤ AA-Omniscience v1.1 得分领先，幻觉率低：Gemini 4 Carbon 在我们近期更新的 AA-Omniscience v1.1 上得分 54，比 Claude Opus 5.5（max，48）高 6 分，比 Gemini 4 Argon（46）高 8 分。准确率（% 正确）较 Argon 提升 10 分至 58%，而幻觉率从 4% 上升至 11%。这仍是所有模型中第二低的，仅次于 Argon，相比之下 Claude Opus 5.5（max）和 GPT-6 Astra（max）均为 50%

关键模型详情：

➤ 上下文窗口：1M tokens

➤ 多模态：文本、图像、视频和语音输入，文本输出

➤ 定价：每 1M 输入/输出 tokens 4/20 美元，与 Gemini 4 Argon 的标准定价相同，并提供 50% 折扣。缓存输入 tokens 享受 95% 折扣（标准定价下每 1M 0.20 美元）

GitHub Copilot Fusion 编排 Anthropic 和 OpenAI 模型，以平衡性能与成本

GitHub 已在 GitHub Copilot 中发布 Copilot Fusion，它在 Anthropic 和 OpenAI 模型之间进行编排。在 Coding Agent Index 上，它在 Claude Code 中比 Opus 5.5 低 2 分，而每任务成本仅为其一半

2026年10月28日

Index v5 包含 2 项新基准和 3 项升级。这是 Index 首次大部分基于私有数据集构建

2026年10月27日

Code2Video-AA：AI 模型用代码设计视频的能力如何？

Artificial Analysis 对 HeyGen 的 Code2Video Bench 的实现，评估模型使用 HyperFrames HTML 从 114 份设计简报中创建简短产品和品牌视频的能力。

2026年10月26日