出来事の日付：2026年10月29日

独立系のモデル評価会社Artificial Analysisが公表した結果によると、GoogleのGemini 4 Carbonが、Artificial Analysis Intelligence Indexのバージョン5で首位に立った。総合スコアは59で、難度の高い推論、科学、幅広い知識、自動化タスクを対象とする指数の9つの構成評価のうち、4つでトップとなった。

ただし、この結果はCarbonがすべての分野で首位であることを意味しない。Artificial AnalysisのCoding Agent Indexでは、それぞれのコーディングツールを通じてモデルを使用した場合、CarbonはClaude Opus 5.5を3ポイント下回る2位だった。Terminal-Bench 4.0とFrontierCode v1.1でも2位となった。それでも、これらの結果は、エージェント型のソフトウェア作業におけるGoogleのモデル群の顕著な改善を示した。

Artificial Analysisは、知識労働のテストでも改善が見られたと報告した。CarbonはAA-BriefcaseでEloレーティング1,609を記録し、Gemini 4 Argonを126ポイント上回ったが、複数の競合システムには及ばなかった。下位分類の中で改善幅が最大だったのは、プレゼンテーションの作業だった。評価会社によると、Carbonはテキスト、画像、動画、音声の入力に対応し、テキストを出力する。

費用とトークン使用量も比較の対象となった。Artificial Analysisは、通常料金に基づくCarbonのIntelligence Indexの1タスク当たり費用を7.76ドルと算出した。これは、テストした構成のClaude Opus 5.5より約23％低い一方、GPT-6 Astraよりは高かった。このテストでCarbonが1タスク当たりに使用した出力トークンは12万3,000で、Opusは17万3,000だった。こうした数値はベンチマークの実行環境、推論設定、提供事業者の料金に左右されるため、運用費用の普遍的な指標ではなく、この評価での結果として読む必要がある。

更新されたAA-Omniscienceの評価では、Carbonは54を獲得した。Artificial Analysisが測定した正答率は58％、ハルシネーション率は11％だった。このハルシネーション率はGemini 4 Argonの4％より高いものの、比較対象に含まれた他のシステムの大半で測定された値よりは低かった。

利用できる範囲は依然として限られている。Artificial Analysisによると、Googleは選ばれた利用者にCarbonを順次提供しており、まだ一般提供には至っていない。通常料金は入力100万トークン当たり4ドル、出力100万トークン当たり20ドルとされ、Argonと同額だった。提供開始に伴う50％割引があり、終了日は発表されていない。キャッシュされた入力トークンには、さらに大きな割引が適用される。

このランキングは、定義された一連のテストにおける性能の一時点の姿を示すものであり、信頼性や特定の導入用途への適合性を全面的に評価するものではない。Carbonが総合で首位に立つ一方、コーディングの個別評価では2位にとどまり、エージェント型の知識労働でもなお差が残ることは、購入を検討する側や開発者が、総合指数の順位だけでなくタスク別のスコアも確認する必要がある理由を示している。