Gemini ۴ Carbon چیست؟ نگاهی مستقل به هوش، قیمت و هزینه‌ی واقعی تازه‌ترین مدل گوگل

Gemini ۴ Carbon تازه‌ترین و قوی‌ترین مدل هوش مصنوعی گوگل است که ۲۸ اکتبر ۲۰۲۶ معرفی شد. سایت Artificial Analysis، که مدل‌ها را مستقل می‌سنجد، به آن در شاخص هوش خود امتیاز ۵۹ داده و آن را در رتبه‌ی اول میان مدل‌های مشابهش گذاشته است (Artificial Analysis, 2026). اما همین صفحه نشان می‌دهد این مدل گران است و برای رسیدن به جواب، متن بسیار زیادی تولید می‌کند.

در این مقاله، عددها را کنار هم می‌گذاریم و ساده توضیح می‌دهیم که این مدل به درد چه کاری می‌خورد و پیش از انتخابش چه چیزهایی را باید بسنجید.

خلاصه‌ی سریع

• امتیاز ۵۹ در شاخص هوش Artificial Analysis (نسخه‌ی ۵٫۰). میانه‌ی مدل‌های مشابه ۴۲ است.
• قیمت: هر یک میلیون توکن ورودی ۴ دلار و هر یک میلیون توکن خروجی ۲۰ دلار. یعنی دو برابر میانه‌ی مدل‌های مشابه.
• پرحرفی: برای اجرای کامل آزمون، ۲۰۰ میلیون توکن خروجی تولید کرد. میانه ۶۴ میلیون است.
• هزینه‌ی هر آزمون: حدود ۷٫۷۶ دلار. از نظر ارزانی، رتبه‌ی ۴۵ از ۵۱ را دارد.
• دسترسی: هنوز برای عموم باز نشده. گوگل ابتدا آن را در اختیار تیم‌های دفاع سایبری و چند شریک منتخب گذاشته است.

Gemini ۴ Carbon چیست؟

Gemini ۴ Carbon یک مدلِ بسته از گوگل است، یعنی وزن‌های آن منتشر نشده است. گوگل دو هفته پیش از آن، مدل Gemini ۴ Argon را (۱۳ اکتبر) عرضه کرده بود و Carbon در ادامه‌ی همان راه آمد (Li, 2026). مشخصات اصلی طبق صفحه‌ی Artificial Analysis:

گوگل می‌گوید Carbon در کدنویسی، کارهایی که مدل خودش چند مرحله پیش می‌برد (agentic) و دفاع سایبری «پیشرفت چشمگیر» (significant gains) داشته است (Li, 2026). این ادعا از خود گوگل است و باید با آزمون مستقل سنجیده شود.

عرضه‌ی Gemini ۴ Carbon: چه کسانی زودتر به آن می‌رسند؟

Argon همان روزِ معرفی برای همه در دسترس بود، اما Carbon مرحله‌به‌مرحله عرضه می‌شود. گوگل می‌گوید سریعاً آن را به گروهی از متخصصان دفاع سایبری می‌دهد و سپس از طریق «برنامه‌ی Fairwind» به شرکای مورد اعتماد. بعد از جمع‌کردن بازخورد و اصلاح تدابیر ایمنی، نوبت توسعه‌دهندگان، شرکت‌ها و کاربران عادی می‌رسد (Digg, 2026).

تاریخ عرضه‌ی عمومی هنوز اعلام نشده است. پس اگر می‌خواهید همین الان در پروژه‌تان از آن استفاده کنید، احتمالاً هنوز چنین کاری امکان‌پذیر نیست.

امتیاز Gemini ۴ Carbon در آزمون Artificial Analysis

شاخص هوش این سایت، میانگین وزنی نُه آزمون است (Artificial Analysis, 2026):

نتیجه: Carbon امتیاز ۵۹ گرفته و در میان ۵۲ مدل مشابه اول شده است. این یعنی ۱۷ امتیاز بالاتر از میانه‌ی ۴۲، یا حدود ۴۰ درصد بیشتر (محاسبه‌ی من). «مشابه» یعنی مدل‌هایی در همان بازه‌ی قیمتی؛ پس رتبه‌ی اول به معنای برتری مطلق نیست.

بر اساس شاخص وب‌سایت Vals AI، مدل Carbon با ۷۰٫۳۶ درصد در جایگاه دوم قرار گرفته است. همچنین در آزمون Legal Research Bench که به پژوهش حقوقی اختصاص دارد، این مدل رتبه نخست را کسب کرده است (Vals AI, ۲۰۲۶). جهت‌گیری کلی هر دو ارزیابی یکسان است، هرچند رتبه‌ها کاملاً با هم مطابقت ندارند (Vals AI, 2026).

قیمت Gemini ۴ Carbon و هزینه‌ی واقعی آن

قیمت ترکیبی بر این فرض محاسبه شده است که از هر ده توکن، هفت توکن از کش خوانده شود، دو توکن ورودی تازه باشد و یک توکن خروجی. اگر ۹۵ درصد تخفیف را روی قیمت ۴ دلار اعمال کنیم، هزینه ورودی کش‌شده حدود ۰٫۲۰ دلار می‌شود (بر اساس محاسبه من). برای کارهایی که بخش بزرگی از ورودی در هر درخواست ثابت است، این تخفیف کمک قابل توجهی می‌کند.

اما یک ناهماهنگی وجود دارد که باید از آن مطلع باشید: وب‌سایت Artificial Analysis قیمت را ۴ و ۲۰ دلار گزارش کرده و ادعا می‌کند آن را از API گوگل دریافت کرده است. در حالی که گزارش دیگری می‌گوید گوگل «قیمت مقدماتی» مدل Carbon را معادل قیمت Argon، یعنی ۲ و ۱۰ دلار، اعلام کرده است (Constellation Research, 2026).

مشکل پرحرفی

مدل Carbon برای اجرای آزمون‌های شاخص، ۲۰۰ میلیون توکن خروجی تولید کرده است. این در حالی است که میانه مدل‌های مشابه ۶۴ میلیون توکن است و Carbon از نظر پرحرفی در رتبه ۴۹ از ۵۱ قرار می‌گیرد (Artificial Analysis, ۲۰۲۶). یعنی حدود ۳٫۱ برابر میانه (Artificial Analysis, 2026).

این مشکل دو پیامد دارد:

1. هزینه بیشتر: هم قیمت هر توکن خروجی دو برابر میانه است و هم تعداد توکن‌ها حدود سه برابر. فقط برای درک ابعاد موضوع: ۲۰۰ میلیون توکن با نرخ ۲۰ دلار، دست‌کم ۴٬۰۰۰ دلار بابت خروجی می‌شود. این برآورد خود من است و هزینه واقعی اجرای شاخص محسوب نمی‌شود.
2. پاسخ دیرتر: مدلی که زیاد فکر می‌کند و زیاد می‌نویسد، دیرتر جواب می‌دهد. سرعت Carbon در صفحه مربوطه «نامعلوم» ثبت شده است، چون هنوز در دسترس نبوده که اندازه‌گیری شود.

این عددها را چطور باید خواند؟

چند اصل ساده به شما کمک می‌کند اسیر عددها نشوید:

• فقط یک عدد کافی نیست. پژوهش HELM پیشنهاد می‌کند مدل‌ها را با معیارهای متعدد، مثل دقت و کارایی و پایداری، بسنجیم، نه فقط یک شاخص (Liang et al., 2023).
• هزینه را کنار دقت ببینید. کاپور و همکارانش نشان داده‌اند ارزیابی ایجنت‌ها بدون در نظر گرفتن هزینه گمراه‌کننده است (Kapoor et al., 2024). نمودار «هوش در برابر هزینه» در Artificial Analysis برای همین مهم است.
• بدانید هر آزمون چه می‌سنجد. مثلاً HLE مجموعه‌ای از پرسش‌های بسیار سخت برای سنجش دانش و استدلال است (Phan et al., 2025). نمره‌ی بالا در آن لزوماً به معنای کارایی در پروژه‌ی شما نیست.
• به نسخه‌ی شاخص دقت کنید. نسخه‌ی ۵٫۰ آزمون‌های تازه‌ای دارد و مقایسه‌ی مستقیم آن با نسخه‌های قبلی درست نیست.
• به گوینده‌ی ادعا نگاه کنید. گوگل خودش رتبه‌ی اول Artificial Analysis را در معرفی مدل آورده است (Li, 2026). عدد از یک ارزیاب مستقل است، اما این گوگل است که تصمیم گرفته آن را برجسته کند.

Gemini ۴ Carbon به کار چه کسی می‌آید؟

پنج گام برای انتخاب درست

1. مدل را روی ۲۰ تا ۵۰ نمونه واقعی از کار خودتان آزمایش کنید.
2. هزینه کل هر مسئله را اندازه بگیرید، نه فقط قیمت هر توکن را.
3. اگر امکان دارد، میزان تفکر مدل و طول پاسخ را محدود کنید.
4. یک مدل ارزان‌تر را نیز در کنار آن قرار دهید و نسبت هزینه به کیفیت را بسنجید.
5. قیمت و زمان دسترسی را از منبع رسمی دریافت کنید.

محدودیت‌های این مقاله

• این مدل هنوز به‌طور عمومی عرضه نشده است و داده‌هایی مانند سرعت ممکن است بعداً تغییر کند.
  اطلاعات رسمی گوگل از گزارش‌های رسانه‌ای استخراج شده است.
  ناهماهنگی دو قیمت (۴ و ۲۰ دلار در برابر ۲ و ۱۰ دلار) را نباید نادیده گرفت.
  شاخص هوش یک امتیاز ترکیبی است و جایگزین آزمودن مدل نمی‌شود.

جمع‌بندی

مدل Gemini ۴ Carbon در آزمون Artificial Analysis بالاترین امتیاز را در میان مدل‌های هم‌رده خود کسب کرده است، اما قیمت آن دو برابر میانه است و حدود سه برابر بیشتر نیز متن تولید می‌کند. اگر برای کار شما بیشترین توان استدلال و کدنویسی اهمیت دارد و هزینه دغدغه اصلی نیست، این مدل گزینه جدی‌ای است. اما اگر حجم کارتان زیاد و بودجه‌تان محدود است، پیش از تصمیم‌گیری باید هزینه هر مسئله را بر اساس داده‌های خودتان محاسبه کنید. در حال حاضر نیز باید منتظر باز شدن دسترسی عمومی بمانیم.

سؤالات متداول

Gemini ۴ Carbon چیست؟

این مدل، تازه‌ترین مدل فکرکن و چندرسانه‌ای گوگل است که در ۲۸ اکتبر ۲۰۲۶ معرفی شد و تمرکز اصلی آن بر کدنویسی، کارهای چندمرحله‌ای و دفاع سایبری است.

آیا همین حالا می‌شود از آن استفاده کرد؟

نه برای عموم. گوگل ابتدا به گروهی از متخصصان دفاع سایبری و شرکای منتخب دسترسی می‌دهد و تاریخ عرضه‌ی عمومی را هنوز اعلام نکرده است.

امتیازش در Artificial Analysis چند است؟

۵۹ در شاخص هوش نسخه‌ی ۵٫۰ و رتبه‌ی اول از ۵۲ مدل مشابه. میانه ۴۲ است.

قیمت آن چقدر است؟

Artificial Analysis ۴ دلار برای ورودی و ۲۰ دلار برای خروجی (به ازای هر میلیون توکن) نوشته است. گزارشی دیگر از قیمت مقدماتی ۲ و ۱۰ دلار خبر داده. قیمت دقیق را از گوگل بپرسید.

آیا متن‌باز است؟

نه. وزن‌ها و تعداد پارامترهایش منتشر نشده است.

ظرفیت ورودی‌اش چقدر است؟

یک میلیون توکن، حدود ۱۵۰۰ صفحه‌ی A4.

منابع

Artificial Analysis. (2026). Gemini 4 Carbon (high): Intelligence, performance & price analysis. https://artificialanalysis.ai/models/gemini-4-carbon

Constellation Research. (2026, October 28). Google rolls out Gemini 4 Carbon. https://www.constellationr.com/insights/news/google-rolls-out-gemini-4-carbon

Digg. (2026, October 28). Google announces Gemini 4 Carbon with a cybersecurity focus and phased rollout. https://digg.com/tech/srk1hfds

Kapoor, S., Stroebl, B., Siegel, Z. S., Nadgir, N., & Narayanan, A. (2024). AI agents that matter. arXiv. https://arxiv.org/abs/2407.01502

Li, A. (2026, October 28). Google announces Gemini 4 Carbon with ‘significant gains across coding and agentic tasks.’ 9to5Google. https://9to5google.com/2026/10/28/gemini-4-carbon-announcement/

Liang, P., Bommasani, R., Lee, T., Tsipras, D., Soylu, D., Yasunaga, M., Zhang, Y., Narayanan, D., Wu, Y., Kumar, A., Newman, B., Yuan, B., Yan, B., Zhang, C., Cosgrove, C., Manning, C. D., Ré, C., Acosta-Navas, D., Hudson, D. A., … Koreeda, Y. (2023). Holistic evaluation of language models. Transactions on Machine Learning Research. https://arxiv.org/abs/2211.09110

Nerds Chalk. (2026, October 28). Gemini 4 Carbon public release date: What Google has announced. https://nerdschalk.com/gemini-4-carbon-public-release-date-what-google-has-announced/

Phan, L., Gatti, A., Han, Z., Li, N., Hu, J., Zhang, H., et al. (2025). Humanity’s last exam. arXiv. https://arxiv.org/abs/2501.14249

Vals AI. (2026, October 28). Gemini 4 Carbon benchmarks, cost and capabilities. https://www.vals.ai/models/google_gemini-4-carbon