Суть сравнения: логика против визуализации
В то время как большинство бенчмарков (например, Artificial Analysis Intelligence Index) ставят Gemini 4 Carbon впереди Argon за счет кода и SQL (60 против 50), реальная работа с документами выявила иную картину. На задаче длинного контекста (long-context reasoning) модели практически равны: 79.3% у Carbon против 79.0% у Argon.
Ключевое отличие обнаружилось на финальном этапе: если Argon отлично справляется с извлечением данных и проверкой фактов, то Carbon значительно лучше справляется с превращением анализа в готовый визуальный артефакт для презентаций.
Методология: тест на «ловушке» в 60-страничном отчете
Для проверки использовался отчет Stanford AI Index 2026 (глава «Экономика»). Сценарий: проверка утверждения босса о сокращении штата отдела маркетинга и продаж на 32%. В тексте есть намеренная ловушка: 32% — это доля компаний, ожидающих *любое* сокращение, а не конкретный процент увольнений.
Тест проводился в среде HaloMate, где можно переключать модели без потери контекста. Оба ИИ-ассистента успешно выявили ошибку в интерпретации данных босса, указав, что большинство ожидает сокращений в диапазоне 3–10%, а не массовых увольнений.
Результаты по этапам
- Извлечение данных (Chart Extraction): Argon без ошибок выгрузил все 11 функций из графика McKinsey, включая ту, что пропущена в текстовом описании («strategy and corporate finance»). Кодовая обработка векторных баров дала точный результат.
- Логический анализ: Обе модели корректно интерпретировали оси графиков и нашли контекст во вспомогательных диаграммах (Figure 4.4.33).
- Финальный вывод: Carbon превзошел Argon в генерации готового визуального отчета, который можно сразу показать на встрече.
Итоговая таблица характеристик
| Критерий | Gemini 4 Argon (AI Pro) | Gemini 4 Carbon (AI Ultra) |
|---|---|---|
| Цена подписки | Включено в Google AI Pro | $99.99/мес (Google AI Ultra) |
| Индекс интеллекта (Artificial Analysis) | 50 | 60 |
| Длинный контекст (Long-context) | 79.0% | 79.3% |
| Точность чтения графиков | Высокая (выявил скрытые данные) | Высокая |
| Генерация финальных визуалов | Средняя | Высокая (преимущество модели) |
Вывод
Если ваша задача — «грязная работа» с данными, проверка фактов и логика, Argon работает так же хорошо, как и Carbon, но быстрее. Переплата за Ultra-версию оправдана только если вам критически важна автоматическая генерация готовых визуальных материалов для презентаций.
Источник: Towards AI pub ↗
