Gemini 4 Carboni ülesandekulu on kolm korda väiksem

Google'i Gemini 4 Carboni ühe ülesande täitmise kulu on SemiAnalysisi GDPx-i võrdlusaluse järgi veidi üle 16 USA dollari ehk vähem kui kolmandik Anthropicu Claude Opus 5.5 ligikaudu 51-dollarilisest kulust.

GDPx-i üldedetabelis saavutab kõrgeima tulemuse Claude Opus 5.5 ning Gemini 4 Carbon jääb sellele punktisummas napilt alla. Google'i uus mudel pakub turuliidrile lähedast jõudlust märgatavalt väiksema ülesandekuluga.

GDPx võrdleb Google'i, OpenAI, Anthropicu ja Meta tipptasemel mudeleid, võttes arvesse nii mudeli tulemust kui ka ühe ülesande täitmise hinda. Võrdlusalus hõlmab 206 ülesannet finantsi, materjaliteaduse, küberturvalisuse, tarkvaraarenduse, õiguse ja bioloogia valdkonnast.

SemiAnalysisi andmetel maksab Claude Opus 5.5 ühe ülesande täitmisel ligikaudu 51 dollarit, Gemini 4 Carbon aga veidi üle 16 dollari. Tabelis järgnev OpenAI GPT-6 Astra sai Gemini 4 Carbonist madalama tulemuse, kuid selle keskmine ülesandekulu oli suurem, umbes 54 dollarit.

Seega juhib Opus 5.5 punktisummas, Gemini 4 Carbon pakub sellele lähedast tulemust oluliselt väiksema kuluga ning GPT-6 Astra jääb Google'i mudelile alla mõlemas arvestuses.

Korrigeeritud edetabel ja turvafiltrite mõju

SemiAnalysis avaldas ka korrigeeritud edetabeli, millest jäeti välja küberturvalisuse, bioloogia ja mudelite joondamise ülesanded. Pärast nende kolme valdkonna eemaldamist tõusis esikohale GPT-6 Astra ning GPT 6.1 Sol ja Opus 5.5 paigutusid samuti Gemini 4 Carbonist ettepoole.

Uurijate sõnul vastab korrigeeritud järjestus paremini nende subjektiivsele hinnangule mudelite võimekuse kohta. Raportis märgitakse, et Claude'i ja mõne GPT variandi turvapiirangud võivad takistada küberturvalisuse, bioloogia või joondamisega seotud tundlike päringute täitmist.

Seetõttu võib GDPx-i toorskoor peegeldada lisaks tehnilisele võimekusele ka seda, millistele tundlikele päringutele mudelil vastata lubatakse.

Google'i eelmine tippmudel Gemini 4 Argon oli nii täielikus kui ka korrigeeritud edetabelis kaheksandal kohal. See paiknes Meta Muse Wonderist eespool ja Wonder Fullist tagapool. Argoni ülesandekulu oli GDPx-is Gemini 4 Carboni omast vaid veidi väiksem, kuid Carboni kõrgem koht viitab paremale jõudluse ja hinna suhtele.

Ainult küberturvalisuse ülesandeid vaadates edestasid mõlemad Google'i mudelid OpenAI ja Anthropicu süsteeme, kuid jäid alla Meta Muse'i mudeliperele. GDPx-i järgi on Meta Muse küberturvalisuses selge edumaaga tugevaim. SemiAnalysis lisab, et kulude erinevus võib suuremahulise kordustestimise ja ettevõtete kasutuse puhul avaldada märkimisväärset rahalist mõju.