Gemini 4 Carbon tarjoaa suorituskykyä edullisempaan hintaan

Googlen Gemini 4 Carbon laskee yksittäisen tehtävän suorittamisen kustannuksen hieman yli 16 dollariin. Se on alle kolmasosa Anthropicin Claude Opus 5.5:n noin 51 dollarin tehtäväkohtaisesta kustannuksesta SemiAnalysisin GDPx-vertailun mukaan. Kustannustehokkuus tekee mallista houkuttelevan erityisesti yritys- ja laajamittaisessa käytössä.

GDPx-johtotaulukossa Opus 5.5 on kärjessä, ja Gemini 4 Carbon jää siitä pistemäärässä vain niukasti. Gemini 4 Carbon ei noussut ykköseksi, mutta se yhdistää markkinajohtajaa lähestyvän suorituskyvyn selvästi pienempiin tehtäväkohtaisiin kustannuksiin, mikä antaa uudelle Google-mallille selvän arvoedun.

GDPx vertailee Googlen, OpenAI:n, Anthropicin ja Metan johtavia malleja painottaen mallien pistemääriä ja tehtäväkohtaisia suorittamiskustannuksia. Mittari sisältää 206 tehtävää rahoituksen, materiaalitieteen, kyberturvallisuuden, ohjelmistosuunnittelun, oikeustieteen ja biologian aloilta, joten tulokset eivät rajoitu pelkkään tekstin tuottamiseen tai yleisiin kysymyksiin vastaamiseen.

GDPx:n kokonaisluokituksessa Opus 5.5 saavuttaa korkeimman kokonaispistemäärän, ja Gemini 4 Carbon seuraa suhteellisen pienellä piste-erolla. Kustannusero on kuitenkin huomattavasti suurempi: SemiAnalysis arvioi Opus 5.5:n kustannukseksi noin 51 dollaria tehtävää kohden, kun Gemini 4 Carbonin kustannus on hieman yli 16 dollaria. OpenAI:n GPT-6 Astra sijoittuu taulukossa seuraavaksi, mutta raportin mukaan sen pistemäärä jäi Gemini 4 Carbonia pienemmäksi ja keskimääräinen kustannus oli suurempi, noin 54 dollaria tehtävää kohden.

Kolmiosainen vertailu havainnollistaa eroa suorituskykyjohtajan ja taloudellisesti houkuttelevimman mallin välillä: Opus 5.5 johtaa raakapisteissä, Gemini 4 Carbon yltää lähelle sen suorituskykyä huomattavasti pienemmillä kustannuksilla, ja GPT-6 Astra jää molemmista jälkeen, vaikka sen tehtäväkohtaiset ajokustannukset ovat suuremmat.

Säädetty järjestys ja turvallisuussuodattimet

SemiAnalysis julkaisi myös säädetyn rankingin, josta on jätetty pois kyberturvallisuus-, biologian- ja alignointitehtävät. Näiden kolmen alueen poistaminen muutti kärkisijoja ja nosti GPT-6 Astran ensimmäiseksi. Myös GPT 6.1 Sol ja Opus 5.5 sijoittuivat säädetyssä listassa Gemini 4 Carbonin edelle. Tutkijoiden mukaan toinen järjestys vastaa paremmin heidän subjektiivisia käsityksiään mallien kyvykkyydestä.

Raportin mukaan Claude- ja joidenkin GPT-varianttien turvallisuusrajoitukset voivat estää tiettyjen kyberturvallisuuteen, biologiaan tai alignointiin liittyvien tehtävien suorittamisen. Tällaiset suojaukset voivat vaikuttaa GDPx:n raakapisteisiin, joten mallin pistemäärä kuvastaa toisinaan sekä sen teknisiä kykyjä että sitä, kuinka laajasti sen sallitaan vastata arkaluonteisiin pyyntöihin.

Googlen edellinen huippumalli Gemini 4 Argon sijoittui kahdeksanneksi sekä kokonais- että säädetyssä rankingissa. Se oli Metan Muse Wonderin edellä mutta Wonder Fullin takana. Argonin tehtäväkohtainen kustannus GDPx:ssä oli vain hieman Gemini 4 Carbonia pienempi. Pieni kustannusero yhdessä Carbonin paremman sijoituksen kanssa viittaa siihen, että uuden Google-mallin pistemäärän ja kustannusten suhde on parantunut.

Pelkästään kyberturvallisuustehtäviä tarkasteltaessa järjestys muuttuu: molemmat Google-mallit saivat tällä osa-alueella korkeammat pisteet kuin OpenAI:n ja Anthropicin mallit, mutta jäivät Metan Muse-perheen taakse. GDPx:n mukaan Muse on kyberturvallisuudessa selvästi vahvin suorittaja. SemiAnalysis lisää, että raportoidut kustannuserot voivat olla taloudellisesti merkittäviä suurivolyymisissa, toistuvissa testeissä ja yrityskäyttöönotossa.