Gemini 4 Carbon: Google заявляет о лидерстве в бенчмарках и многодневной работе над задачами

Пока это звучит как серьёзная заявка на лидерство, но одних итоговых мест в таблицах недостаточно для сравнения. Важно знать, какие именно тесты использовались, какие версии моделей проверяли и на каких условиях: с инструментами или без, с каким лимитом вычислений и числом попыток. Без этих деталей фраза «лучше почти во всём» остаётся скорее заголовком, чем полной картиной.

Долгие задачи и работа с кодом

Отдельный акцент сделан на инженерных сценариях. Как утверждается в описании, Gemini 4 Carbon может работать над задачами часами и даже днями, а код исправляет в десять раз эффективнее других передовых моделей.

Здесь тоже важна методика. «В десять раз эффективнее» может означать меньше времени на решение, больше успешно исправленных ошибок или снижение стоимости вычислений. Пока не определены метрика, набор задач и модель для сравнения, цифру трудно интерпретировать.

Многодневная работа также не обязательно означает один непрерывный сеанс генерации. На практике такие системы обычно используют циклы планирования и проверки, инструменты, сохранение состояния и промежуточные результаты. Поэтому для оценки возможностей важно понимать, как именно устроен рабочий процесс и какую роль в нём играет сама модель.

Доступ будут открывать поэтапно

Согласно представленному описанию, сначала Gemini 4 Carbon получат специалисты по кибербезопасности, затем — проверенные партнёры Google, а позднее доступ могут открыть обычным пользователям.

Такой запуск позволяет постепенно проверять модель в контролируемых условиях. Но пока остаётся неясным, кто будет участвовать в тестировании и по каким критериям компания решит расширять доступ.

Если заявленные результаты подтвердятся независимыми проверками, Gemini 4 Carbon может стать заметным конкурентом OpenAI и Anthropic в задачах программирования и инженерной разработки. До публикации подробной методики и воспроизводимых оценок корректнее воспринимать характеристики модели как заявления, требующие проверки.