Gemini 4 Carbon của Google dẫn đầu bảng xếp hạng APEX-Agents của Mercor với điểm trung bình trên 90%

Gemini 4 Carbon của Google đứng số 1 trên bảng xếp hạng APEX-Agents của Mercor với điểm Pass@1 là 84,2% và điểm trung bình 90,4%, trở thành mô hình được đánh giá duy nhất có điểm trung bình trên 90% qua các tác vụ nhiều bước trong lĩnh vực ngân hàng đầu tư, tư vấn quản lý và luật doanh nghiệp. Carbon vượt qua Gemini 4 Argon ở vị trí thứ hai với Pass@1 là 82,4% và điểm trung bình 87,4%, và Claude Sonnet 5.5 ở vị trí thứ ba với Pass@1 là 75,5% và điểm trung bình 83,7%, giành vị trí đầu tiên trong tư vấn quản lý với 91,9% và ngân hàng đầu tư với 86,9%, trong khi xếp thứ hai về luật doanh nghiệp với 73,8%, kém Argon 76,7% là 2,9 điểm phần trăm. CEO Perplexity Aravind Srinivas cũng cho biết các đánh giá ban đầu cho thấy Gemini 4 Carbon đạt điểm state-of-the-art trên benchmark Wide-And-Deep-Research (WANDR) và gọi đây là mô hình mạnh nhất được thử nghiệm cho nghiên cứu dài và chất lượng câu trả lời. Ông nói Perplexity sẽ rollout Carbon cho tất cả người dùng Pro và Max trong Computer khi có đủ token capacity. Trong khi đó, TestingCatalog báo cáo Google đã thử nghiệm bản Carbon-H trên Arena dưới bí danh Argon 4 từ ngày 31 tháng 10, còn kỹ sư Google Sumit Bagri ghi nhận Carbon đạt 64,8% trên Terminal-Bench-Science và cắt các nỗ lực gian lận.