Gemini 4 Carbon Intelligence Index v5 リリースノート

Gemini 4 Carbon パフォーマンス概要

GoogleのGemini 4 Carbonは、Artificial Analysis Intelligence Index v5で1位を獲得し、スコア59を達成しました。このモデルは、従来のGeminiの反復と比較して、複雑な推論、科学的タスク、および知識ベースの作業において大幅な向上を示しています。9つのインデックス評価のうち4つ（HLE-DiamondやTerminal-Bench-Scienceを含む）で首位に立っていますが、Artificial Analysis Coding Agent Indexでは現在Claude Opus 5.5に次ぐ2位となっています。

技術的能力とベンチマーク

Gemini 4 Carbonは、エージェント的なナレッジワークにおいて顕著な改善を見せており、特にAA-Briefcase評価ではGemini 4 Argonモデルと比較して126ポイントのElo向上を達成しました。これらの向上にもかかわらず、特定の知識集約型タスクではGrok 4.7やMuse Wonderといったモデルに後れを取っています。

コーディングベンチマークにおいて、CarbonはArtificial Analysis Coding Agent Indexで59を記録し、62を記録したClaude Opus 5.5 (max) に次ぐ結果となりました。しかし、Googleはこれまでコーディング特化型のエージェントタスクで低迷していた歴史があるため、これは同社にとって注目すべき改善と言えます。このモデルは1Mトークンのコンテキストウィンドウを備え、テキスト、画像、動画、音声を含むマルチモーダル入力をサポートしています。

コストと可用性

Gemini 4 Carbonは現在、一部のユーザー向けに段階的なロールアウトが行われており、一般公開はされていません。Googleは、入力100万トークンあたり4ドル、出力100万トークンあたり20ドルという標準価格に対し、50%のローンチ割引を適用しています。Claude Opus 5.5と比較すると、Carbonは同等のインテリジェンス指標を維持しつつ、タスクあたりのコストが10.04ドルに対して推定7.76ドルと、より低コストを実現しています。

コミュニティの反応と懸念

この発表は、主にモデルの可用性が限定的であることから、開発者コミュニティから懐疑的な反応を受けています。多くのユーザーは、モデルを独自にテストできないことに不満を表明しており、過去のGoogleモデルがリリース直後にパフォーマンスの低下や「ロボトミー化」に苦しんだことを指摘する声もあります。

Artificial Analysisインデックスの評価手法に関する議論も浮上しており、主要なモデルリリースに対するインデックス更新のタイミングを疑問視する観測筋もいます。批判的な人々は、評価の大部分が非公開であり一般ユーザーが再現できないことを指摘し、ベンチマークの透明性について懸念を表明しています。

"このインデックスには、多くのモデルがモデル選択画面には表示されているのに、インデックスからは欠落しているという問題があります。そのため、時間の経過に伴う改善を確認するのが少し難しくなっています。" — @terhechte

"まだリリースされていないモデルのベンチマークは間違いなく疑わしいです。また、Googleは実際には利用できないモデルを『リリース』するのをやめるべきだと思います。" — @tlogan

"最新の更新を見る限り、私は彼らのインデックスを信頼しにくく、少し怪しいと感じています。AAインデックスに寄与するベンチマークの60%が現在非公開であり、誰もそれらを再現できません。" — @GodelNumbering