Gemini 4 Carbon 模型测评导航
汇总 Gemini 4 Carbon 的官方基准、媒体分析和社区实测,不把第三方观点包装成 Tabbit 自测。
官方
1 条已核对来源的资料媒体
6 条已核对来源的资料Gemini 4 Carbon:Artificial Analysis 推理档位与指数成本
本次页面快照中,Gemini 4 Carbon 的 High、Medium、Low 档 Intelligence Index 分别为 60、58、54;High 得分最高,但每项指数任务耗时最长(32.1 分钟),其每任务加权成本为 $5.48。
Gemini 4 Carbon 在 Zapier AutomationBench 的业务流程结果
在 Zapier AutomationBench 1.0.6 的 657 个任务上,Gemini 4 Carbon 的严格通过率为 Low 31.5%、Medium 53.0%、High 53.9%;测试衡量的是模拟业务系统中的端到端状态是否完全正确,不等同于一般办公任务成功率。
Gemini 4 Carbon 在 AI IQ 的综合评分与基准覆盖率
截至 2026-11-16,AI IQ 给 Gemini 4 Carbon 的 Composite IQ 为 142,排名 2/180;其 39 项基准中有 13 项公开结果,覆盖 6/7 个维度。142 是经校准和估算后七维等权得到的站内指标,不是模型实测的人类 IQ。
CursorBench 4.0:Gemini 4 Carbon 多文件工程任务表现
在 2026-11-16 访问的 CursorBench 4.0 榜单快照中,Gemini 4 Carbon High 得分 60.4%,列第 1;Medium 为 60.1%,列第 2;Low 为 58.6%,列第 4。该榜单针对 Cursor 会话中的歧义、多文件工程任务,不能代表所有软件开发任务。
FrontierCode 2.0:Gemini 4 Carbon 得分与单次运行成本
Cognition 在 2026-11-10 的 Devin 公告中报告 Gemini 4 Carbon 的 FrontierCode 2.0 得分为 40.0%,高于 Gemini 4 Argon 的 26.3% 和 GPT-6.1 Sol 的 39.0%;公告称 Carbon 低推理档已超过 Argon 的最佳结果,Carbon 最高分每个任务成本低于 Argon 的三分之二。方法文章另列 Carbon 42.6%,两处得分不一致,应按各自发布日期看作不同结果快照。
Gemini 4 Carbon 在 Epoch AI 的能力指数与基准覆盖
截至 2026-11-16,Epoch AI 页面给 Gemini 4 Carbon 的 ECI 为 170,当前排名第 2/240;发布时排名第 1/238。分项显示它在所列棋类和游戏任务、数学基准及 SimpleQA Verified 上均有较强成绩,但不同基准测量的是不同能力,ECI 则是跨 50 多项基准拟合出的综合尺度,不能替代分项结果或代表所有任务表现。
社区
4 条已核对来源的资料Arena 首发帖:Gemini 4 Carbon 的文本、Agent 与网页开发排名
Arena 在首发公告中称 Gemini 4 Carbon (High) 当时位列 Text Arena 第 1、Agent Arena 第 2、Code Arena: WebDev 第 4;这是 2026-10-28 发布时的榜单快照,帖子没有提供足以独立复现这些名次的评测方法。
Reddit 自测:Gemini 4 Carbon 与 Argon 的同单价任务成本
作者报告称,在其办公室类和数学任务中,默认 thinking 下 Carbon 与 Argon 的每百万 token 标价相同,但 Carbon 的任务总费用分别约为 Argon 的 4.5 倍和 3 倍;将 Carbon 设为 thinkinglevel low 后,作者报告的准确率不变且费用下降。原帖未提供原始调用记录、完整评分规则或逐项费用,因此结果是个人 API 自测,不能视为独立复现的成本基准。
Reddit 个案:Gemini 4 Carbon 高档审阅大输入后空输出
作者报告称,Python 脚本通过 Gemini API 调用 gemini-4-carbon 并设为 high thinking,以单次请求审阅 13 个文件、约 682 KB、输入 252,465 tokens;模型运行 44 分 54 秒后用尽 262,144-token 总生成额度,其中 262,141 为 thinking、仅 3 为 reply,保存的审阅结果为 0 字节。该记录是单次个人体验,不能据此判断此行为是否普遍。
Gemini 4 Carbon 与 Claude Fable 5.2:MKA 单项幻灯片任务对比
Artificial Analysis 公布的一个 MKA 幻灯片任务示例中,Gemini 4 Carbon(high)约用 1 小时、76 轮、花费约 $8,得分 72%;Claude Fable 5.2(max)约用 3 小时、224 轮、花费约 $68,得分 87%。这是单项任务记录,不是模型总体排名。
Gemini 4 Carbon
在 Tabbit 中使用并对比模型
汇总 Gemini 4 Carbon 的官方基准、媒体分析和社区实测,不把第三方观点包装成 Tabbit 自测。