Teste do Gemini 4 Carbon: mais de 50 tarefas contra Argon, Claude Fable 5.2 e GPT-6.1 Sol
Submeti o Gemini 4 Carbon a mais de 50 tarefas e comparei os resultados com Argon, Claude Fable 5.2 e GPT-6.1 Sol. Ele não inventou fontes, mas tropeçou no código e levou mais tempo.

👁 112 leituras
No dia em que o Gemini 4 Carbon ficou disponível para todos (10 de novembro de 2026), eu o submeti a mais de 50 tarefas e apliquei as mesmas ao Claude Fable 5.2, ao GPT-6.1 Sol e ao Gemini 4 Argon. Todas as chamadas passaram pelo OpenRouter com as mesmas configurações, e cada resposta foi avaliada por testes unitários, um gabarito ou um verificador automático - não pela minha impressão. Veja o que o Carbon consegue fazer, quanto custa e onde tropeça.
Primeiro, os preços
| Gemini 4 Carbon | Gemini 4 Argon | Claude Fable 5.2 | GPT-6.1 Sol | |
|---|---|---|---|---|
| Preço da API por 1M de tokens (entrada / saída) | 2 / 10 USD até 30 de nov., depois 4 / 20 | 2 / 10 USD até 30 de nov., depois 4 / 20 | 8 / 40 USD | 2 / 10 USD |
| Janela de contexto | 1,048,576 | 1,048,576 | 1,000,000 | 1,050,000 |
Resultados nas mesmas tarefas
| Tarefa | Carbon | Argon | Fable 5.2 | GPT-6.1 Sol | |
|---|---|---|---|---|---|
| 23 tarefas práticas (esforço baixo) | 99,5%*, 0,23 USD, 264 s | 99,5%*, 0,22 USD, 135 s | 100%, 1,37 USD, 190 s | 100%, 0,22 USD, 180 s | |
| Agente: 6 documentos com uma armadilha, tabela e verificação em Python | 10/10, 54 s | 10/10, 38 s | 10/10, 31 s | 10/10, 20 s | |
| Motor de planilha do zero, 34 testes unitários | 34/34, 0,47 USD, 518 s | 34/34, 0,05 USD, 64 s | 34/34, 0,82 USD, 201 s | 34/34, 0,05 USD, 77 s | |
| Revisão de segurança de um app Flask, 8 falhas inseridas de propósito | 8/8 | 8/8 | 8/8 | 8/8 | |
| Log de servidor web após uma invasão (análise de SOC) | 7/7 | 7/7 | 7/7 | 7/7 | 7/7 |
| Correção de um módulo vulnerável, 14 testes (esforço médio) | 0/14 (erro de indentação) | 14/14 | 14/14 | 3/14 (problema exclusivo do Windows) | |
| 6 tarefas de programação, 76 testes unitários (esforço médio) | 63/76 | 76/76 | 76/76 | 76/76 | |
| Fontes inventadas: 16 artigos científicos | 0 inventados, 2 erros menores | 2 inventados | 0 inventados, 0 erros | 0 inventados, 1 erro | |
| Visão: 10 perguntas sobre um gráfico, uma tabela e um recibo | 10/10 | 10/10 | 10/10 | 10/10 |
* O avaliador descontou um ponto por uma forma gramatical correta - um erro do próprio avaliador, que afetou os dois modelos Gemini da mesma maneira.
Onde o Carbon foi bem
Não inventou fontes. Pedi 8 publicações revisadas por pares com DOIs sobre dois temas. Todos os 16 trabalhos citados pelo Carbon existem; eu os conferi no Crossref, no OpenAlex e em catálogos de bibliotecas. Um DOI não levava ao documento e um relatório estava com o ano errado. Em outubro, o Argon inventou 2 de 16 com o mesmo prompt.
Lê documentos de forma seletiva. Na tarefa de agente, o Carbon tinha três ferramentas (listar documentos, ler um documento e executar Python) e seis documentos, entre eles uma tabela de preços desatualizada de 2025. Ele descartou o arquivo antigo só pelo título, leu os quatro documentos atuais, escreveu uma função de custo, executou-a uma vez e respondeu exatamente no formato solicitado. Foram 54 segundos e 0,03 USD.
Pensa como um analista. Em 92 linhas de log de acesso, encontrou o IP do ataque de força bruta, a conta comprometida, o segundo exato do login bem-sucedido, uma exportação CSV 20 segundos depois e um ataque de path traversal que funcionou com ..%2f codificado em URL. Não confundiu a tentativa bloqueada de acessar /etc/shadow com um vazamento e identificou como falso alarme o caso de um usuário comum que apenas digitou a senha com um erro.
Escreve código com cuidado. O motor de planilha (fórmulas, intervalos, SUM/MIN/MAX/AVG/IF, cinco códigos de erro, detecção de ciclos e uma cadeia de 900 células sem atingir o limite de recursão do Python) ficou com 639 linhas, um parser próprio e avaliação baseada em geradores no lugar de recursão. Passou nos 34 testes.
Onde ele tropeça
Pode gastar todo o limite de tokens pensando. Em uma tarefa de expressão regular com esforço médio, o Carbon consumiu todos os 16,000 tokens no raciocínio e não retornou código (0,16 USD). Com um limite de 64,000, resolveu a tarefa em 248 segundos por 0,17 USD. Com esforço baixo, resolveu a mesma tarefa em 13 segundos por 0,007 USD - 25 vezes mais barato, com o mesmo resultado de 13/13. Na planilha, com esforço alto, gastou 47,997 tokens pensando e não retornou nada.
Não faz uma autoverificação na API pura. Ao corrigir um módulo vulnerável com esforço médio, propôs as correções certas (SQL parametrizado, PBKDF2 com 600,000 iterações, salt aleatório e comparação em tempo constante), mas deixou um espaço extra em uma linha. O Python rejeitou o arquivo, e os 14 testes falharam. Com esforço alto, passou em 14/14, em 308 segundos, por 0,31 USD.
É lento. Nas mesmas tarefas, o Argon foi de 1,4 a 8 vezes mais rápido, com precisão semelhante.
Google · Suas fontesBrilhe mais no seu Google com um cliqueAdicionar às fontes preferidas →Qual escolher
- Gemini 4 Carbon para trabalhos em que errar custa mais do que esperar: revisões de segurança, pesquisas que exigem fontes, investigação de bugs difíceis e coordenação de outros agentes. Comece com esforço baixo ou médio e mantenha alto o limite de saída.
- Gemini 4 Argon para textos do dia a dia, resumos e código de rotina. Mesmo preço por token, muito mais rápido.
- GPT-6.1 Sol para quem controla os custos: foi o mais barato na prática e é rápido.
- Claude Fable 5.2 para quem precisa de código que funcione sem conferência: não cometeu nenhum deslize nas tarefas, mas custa quatro vezes mais por token.
Os preços, as formas de acesso e os benchmarks do próprio Google estão no meu guia do Gemini 4 Carbon.
Tópicos relacionados no Centelharm
notícias·História da Rockstar Games: de DMA Design a GTA 6, Hot Coffee e vazamentoDa DMA Design em Dundee à Rockstar de GTA 6: aquisições, Hot Coffee, processo de Benzies, crunch e o vazamento de 2022, com valores de documentos oficiais.

