Gemini 4 Carbon lidera ranking de modelos de IA da Artificial Analysis com 59 pontos

A Artificial Analysis é um laboratório independente que submete modelos de linguagem aos mesmos testes e publica rankings consolidados. O principal deles é o Intelligence Index: nove avaliações que se combinam em uma única pontuação. Em 28 de outubro de 2026, o laboratório lançou a quinta versão do índice, e o Gemini 4 Carbon, do Google, assumiu o primeiro lugar com 59 pontos. Vale uma ressalva logo de saída: por enquanto, o modelo está disponível apenas para usuários selecionados, sem lançamento amplo. O Google oferece desconto de 50% no lançamento, sem data de término anunciada, mas o laboratório usa os preços normais em todos os gráficos.

Onde o Carbon vence e onde não vence

Das nove avaliações do índice, o Carbon ficou em primeiro lugar em quatro:

• HLE-Diamond: o conjunto mais difícil de perguntas de nível especialista sobre ciência e conhecimento;
• Terminal-Bench-Science: tarefas científicas que o modelo resolve diretamente na linha de comando;
• AA-Omniscience: verificação de conhecimento factual e da capacidade do modelo de não mentir;
• AutomationBench-AA: automação de fluxos de trabalho, em que é preciso conectar vários serviços.

Nas outras cinco avaliações, o Carbon evoluiu bastante, mas não lidera. Isso vale para programação e trabalho de escritório.

Agentes de programação: o

Google chega perto do líder pela primeira vez

Um ranking separado, o Coding Agent Index, mede não o modelo isolado, mas o conjunto "modelo mais agente". O Carbon rodou pelo Antigravity CLI, o agente de linha de comando do próprio Google, e fez 59 pontos. O líder é o Claude Code com o Claude Opus 5.5 no modo máximo de raciocínio, com 62 pontos. A diferença é de três pontos.

O Carbon também ficou em segundo lugar em dois testes específicos:

• Terminal-Bench 4.0: tarefas no terminal, em que o Carbon marcou 64%;
• FrontierCode v1.1: tarefas complexas de programação, em que o Carbon marcou 51%.

Nos dois, o Claude Opus 5.5 está à frente. Para o Google, é um avanço significativo: historicamente, a empresa ficava para trás em programação.

Tarefas de escritório: houve avanço, mas não a liderança

O AA-Briefcase avalia como o agente se sai em trabalhos de "escritório": análise, documentos e apresentações. O resultado é expresso em rating Elo, como no xadrez. O Carbon marcou 1609, 126 pontos a mais que o Gemini 4 Argon (1483). O maior salto foi em apresentações: +293, chegando a 1598. A qualidade da análise ganhou 120 pontos e chegou a 1671.

Isso não basta para o primeiro lugar. Três modelos estão à frente:

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

Custo por tarefa e honestidade das respostas

O laboratório calcula quanto custa rodar uma tarefa do índice. O custo depende do preço do token e de quantos tokens o modelo "falou" durante o raciocínio.

• Gemini 4 Carbon: $7,76 por tarefa, 123 mil tokens de saída;
• Claude Opus 5.5 (max): $10,04 e 173 mil tokens. O Carbon é cerca de 23% mais barato e gera 29% menos tokens;
• GPT-6 Astra (max): $6,25. Ele é mais barato que o Carbon, que custa cerca de 1,2 vez mais;
• Gemini 4 Argon: $7,68, com o mesmo preço de $4/$20 por milhão de tokens de entrada/saída. O Carbon custa quase o mesmo, mas faz 9 pontos a mais.

Na versão atualizada do teste, o AA-Omniscience v1.1, o Carbon obteve 54. O Claude Opus 5.5 fez 48, e o Argon, 46. A precisão das respostas subiu 10 pontos, para 58%. O preço disso é a taxa de respostas inventadas, ou seja, os casos em que o modelo responde com confiança em vez de admitir que não sabe: ela passou de 4% para 11%. Ainda assim, é o segundo melhor resultado entre os modelos testados; só o Argon se sai melhor. No Claude Opus 5.5 e no GPT-6 Astra, esse índice é de 50%.

Parâmetros técnicos

• Janela de contexto: 1 milhão de tokens.
• Aceita texto, imagens, vídeo e fala na entrada e gera apenas texto na saída.
• Preço: $4 por milhão de tokens de entrada e $20 por milhão de tokens de saída. Os tokens de entrada em cache são 95% mais baratos, ou seja, $0,20 por milhão.

O que isso significa para as equipes

Se você desenvolve agentes de programação, vale incluir o Carbon na lista de testes assim que ele estiver disponível: ele chega perto do Opus 5.5 em qualidade e é bem mais barato por tarefa. Em projetos em que fatos importam e invenções devem ser raras, a tendência também pesa: o Carbon é mais preciso, mas inventa respostas com frequência três vezes maior que o Argon. Para apresentações e automação de escritório, o Kimi K3.1 Pro e o Muse Wonder ainda parecem mais fortes. E não esqueça o desconto de 50%: ele é temporário, e o orçamento deve ser calculado com os preços normais.