Gemini 4 Carbon يتصدر تصنيف Artificial Analysis لنماذج الذكاء الاصطناعي بـ 59 نقطة

Artificial Analysis مختبر مستقل يختبر النماذج اللغوية عبر اختبارات موحدة وينشر تصنيفات مجمّعة. وأهم هذه التصنيفات Intelligence Index: تسعة تقييمات تُجمع في درجة واحدة. وفي 28 أكتوبر 2026 صدر الإصدار الخامس من المؤشر، واحتل المركز الأول فيه Gemini 4 Carbon من Google بنتيجة 59. ويجب التنبيه هنا إلى أن النموذج لا يتوفر حتى الآن إلا لمستخدمين مختارين، ولم يُطلق على نطاق واسع. وتقدّم Google خصمًا بنسبة 50% عند الإطلاق دون تاريخ انتهاء معلن، لكن المختبر يعتمد الأسعار العادية في جميع رسومه البيانية.

أين يتفوق Carbon وأين لا يتفوق

من بين تقييمات المؤشر التسعة، احتل Carbon المركز الأول في أربعة:

• HLE-Diamond — أصعب مجموعة من الأسئلة الخبيرة في العلوم والمعرفة؛
• Terminal-Bench-Science — مهام علمية يحلّها النموذج مباشرة في سطر الأوامر؛
• AA-Omniscience — اختبار للمعرفة الواقعية ولقدرة النموذج على تجنّب الاختلاق؛
• AutomationBench-AA — أتمتة سير العمل التي تتطلب ربط عدة خدمات.

أما في التقييمات الخمسة الأخرى فقد تحسّن Carbon كثيرًا، لكنه لا يتصدر. ويشمل ذلك البرمجة والعمل المكتبي.

وكلاء البرمجة: Google إلى جانب المتصدر لأول مرة

لا يقيس تصنيف Coding Agent Index النموذج نفسه، بل الثنائي «النموذج + برنامج الوكيل». وقد عمل Carbon عبر Antigravity CLI، وهو وكيل Google الخاص العامل في سطر الأوامر، وحصل على 59. والمتصدر هو Claude Code مع Claude Opus 5.5 بأقصى وضع للاستدلال، بـ 62 نقطة. أي بفارق ثلاث نقاط.

وجاء Carbon ثانيًا أيضًا في اختبارين فرعيين:

• Terminal-Bench 4.0 — مهام في الطرفية، ونتيجة Carbon فيه 64%؛
• FrontierCode v1.1 — مهام برمجية معقدة، ونتيجة Carbon فيه 51%.

وفي كليهما يتقدم Claude Opus 5.5. وهذا تحوّل ملحوظ بالنسبة لـ Google، فقد كانت الشركة متأخرة تاريخيًا في البرمجة.

المهام المكتبية: هناك تحسّن، لكن لا صدارة

يقيّم AA-Briefcase أداء الوكيل في العمل «المكتبي»: التحليل والمستندات والعروض التقديمية. وتُعرض النتيجة بتصنيف Elo كما في الشطرنج. وسجّل Carbon 1609، أي أعلى بـ 126 نقطة من Gemini 4 Argon (1483). وكان النمو الأكبر في العروض التقديمية: +293 لتصل إلى 1598. وأضافت جودة التحليل 120 نقطة وبلغت 1671.

لكن هذا لا يكفي للمركز الأول. فهناك ثلاثة نماذج متقدمة عليه:

• Kimi K3.1 Pro — 1678؛
• Muse Wonder (max) — 1659؛
• Grok 4.7 (xhigh) — 1638.

كلفة المهمة وصدق الإجابات

يحسب المختبر كلفة تشغيل مهمة واحدة من مهام المؤشر. وتتوقف الكلفة على سعر التوكن وعلى عدد التوكنات التي «أنتجها» النموذج أثناء الاستدلال.

• Gemini 4 Carbon: 7.76$ للمهمة، و123 ألف توكن إخراج؛
• Claude Opus 5.5 (max): 10.04$ و173 ألف توكن. فـ Carbon أرخص بنحو 23% ويكتب أقل بنسبة 29%؛
• GPT-6 Astra (max): 6.25$. فهو أرخص من Carbon، الذي تبلغ كلفته نحو 1.2 مرة قدر كلفته؛
• Gemini 4 Argon: 7.68$ بالسعر نفسه 4$/20$ لكل مليون توكن إدخال/إخراج. وتكلفة Carbon شبه مماثلة، لكنه يحقق نتيجة أعلى بـ 9 نقاط.

وفي اختبار AA-Omniscience v1.1 المحدَّث حصل Carbon على 54. أما Claude Opus 5.5 فحصل على 48، وArgon على 46. وارتفعت دقة الإجابات بمقدار 10 نقاط إلى 58%. لكن الثمن كان في نسبة الإجابات المختلقة، أي الحالات التي يجيب فيها النموذج بثقة بدلًا من الإقرار بأنه لا يعرف: فقد ارتفعت من 4% إلى 11%. ولا يزال هذا ثاني أفضل مؤشر بين النماذج المختبرة، ولا يتفوق عليه إلا Argon. أما لدى Claude Opus 5.5 وGPT-6 Astra فيبلغ هذا المؤشر 50%.

المواصفات التقنية

• نافذة السياق — 1 مليون توكن.
• يقبل في الإدخال النص والصور والفيديو والكلام، ولا يُخرج إلا النص.
• السعر: 4$ لكل مليون توكن إدخال و20$ لكل مليون توكن إخراج. وتوكنات الإدخال المخزّنة مؤقتًا أرخص بنسبة 95%، أي 0,20$ لكل مليون.

ماذا يعني ذلك للفرق

إذا كنتم تبنون وكلاء برمجة، فمن المستحسن إدراج Carbon في قائمة الاختبار فور توفره: فهو قريب من Opus 5.5 في الجودة وأرخص بوضوح من حيث كلفة المهمة. أما في المشاريع التي تهم فيها الوقائع وقلة الاختلاق، فالاتجاه العام مهم أيضًا: دقة Carbon أعلى، لكنه يختلق إجاباته أكثر من Argon بثلاثة أضعاف. وفي العروض التقديمية وأتمتة العمل المكتبي، يبدو Kimi K3.1 Pro وMuse Wonder أقوى حتى الآن. ولا تنسوا كذلك خصم 50%: فهو مؤقت، والأفضل احتساب الميزانية وفق الأسعار العادية.