Ir para o conteúdo
em alta

Ferramentas de IA

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.

Texto: 4 min de leitura
Teste do Gemini 4 Carbon: mais de 50 tarefas contra Argon, Claude Fable 5.2 e GPT-6.1 Sol

👁 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.

// leia também

Tópicos relacionados no Centelharm

Piotr Olszewski

Piotr Olszewski

AUTOR E EDITOR
leia tambémHistória da Rockstar Games: de DMA Design a GTA 6, Hot Coffee e vazamentonotíciasHistória 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.

Mais lidos

  1. 1Claude Opus 5.5: low, medium ou high? Testei a diferença
  2. 2Vídeos de Halloween no ZWID: 10 ideias de cenas
  3. 3d1-ultra da Liquid AI lidera ranking de modelos de decisão

// mapa do site

centelhar em números 0artigos no arquivo0notícias dos últimos 7 dias
× ‹ ampliar ›