Naar de inhoud
trending

AI-tools

Gemini 4 Carbon getest: 50+ taken tegen Argon, Claude Fable 5.2 en GPT-6.1 Sol

Ik legde Gemini 4 Carbon en drie rivalen meer dan 50 dezelfde taken voor. Carbon verzint geen bronnen en analyseert zorgvuldig, maar is traag en kan zijn hele tokenbudget aan nadenken besteden.

Tekst: 4 min leestijd
Gemini 4 Carbon getest: 50+ taken tegen Argon, Claude Fable 5.2 en GPT-6.1 Sol

👁 111 keer gelezen

Op de dag dat Gemini 4 Carbon voor iedereen beschikbaar kwam (10 november 2026), legde ik het meer dan 50 taken voor. Claude Fable 5.2, GPT-6.1 Sol en Gemini 4 Argon kregen dezelfde opdrachten. Alle API-aanroepen liepen via OpenRouter met dezelfde instellingen. Elk antwoord werd beoordeeld met unittests, een antwoordmodel of een automatische controle - niet op basis van mijn indruk. Dit kan Carbon, dit kost het en hier gaat het mis.

Eerst de prijzen

Gemini 4 Carbon Gemini 4 Argon Claude Fable 5.2 GPT-6.1 Sol
API-prijs per 1M tokens (in / uit) 2 / 10 USD t/m 30 nov, daarna 4 / 20 2 / 10 USD t/m 30 nov, daarna 4 / 20 8 / 40 USD 2 / 10 USD
Contextvenster 1,048,576 1,048,576 1,000,000 1,050,000

Resultaten op dezelfde taken

Taak Carbon Argon Fable 5.2 GPT-6.1 Sol
23 praktijktaken (lage redeneerinspanning) 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
Agent: 6 documenten met een valstrik, tabel, Python-controle 10/10, 54 s 10/10, 38 s 10/10, 31 s 10/10, 20 s
Spreadsheet-engine vanaf nul, 34 unittests 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
Beveiligingscontrole van een Flask-app, 8 ingebouwde kwetsbaarheden 8/8 8/8 8/8 8/8
Webserverlog na een inbraak (SOC-analyse) 7/7 7/7 7/7 7/7
Kwetsbare module repareren, 14 tests (gemiddelde redeneerinspanning) 0/14 (inspringfout) 14/14 14/14 3/14 (probleem dat alleen op Windows speelt)
6 programmeertaken, 76 unittests (gemiddelde redeneerinspanning) 63/76 76/76 76/76 76/76
Verzonnen bronnen: 16 wetenschappelijke publicaties 0 verzonnen, 2 kleine fouten 2 verzonnen 0 verzonnen, 0 fouten 0 verzonnen, 1 fout
Beeldherkenning: 10 vragen over een grafiek, een tabel en een kassabon 10/10 10/10 10/10 10/10

* De beoordelaar trok een punt af voor een correcte grammaticale vorm - een eigen fout, bij beide Gemini-modellen dezelfde.

Wat Carbon goed deed

Het verzon geen bronnen. Ik vroeg voor twee onderwerpen elk om 8 peerreviewde publicaties met DOI’s. Alle 16 publicaties van Carbon bestaan; ik controleerde ze in Crossref, OpenAlex en bibliotheekcatalogi. Eén DOI werkte niet en bij één rapport stond het verkeerde jaar. Argon verzon in oktober bij dezelfde prompt 2 van de 16 publicaties.

Het leest documenten selectief. Bij de agenttaak had Carbon drie tools (documenten opvragen, een document lezen, Python uitvoeren) en zes documenten, waaronder een verouderde prijslijst uit 2025. Alleen al op basis van de titel sloeg het dat bestand over. Het las de vier actuele documenten, schreef een kostenfunctie, voerde die één keer uit en antwoordde in precies het gevraagde formaat. 54 seconden, 0,03 USD.

Het denkt als een analist. Uit 92 regels toegangslog haalde het het IP-adres van de brute-forceaanval, het overgenomen account, de exacte seconde van de geslaagde login, een CSV-export 20 seconden later en een path-traversalaanval die werkte via het URL-gecodeerde ..%2f. Het verwarde de geblokkeerde poging om /etc/shadow te lezen niet met een datalek. Een gewone gebruiker met één typefout in zijn wachtwoord bestempelde het terecht als vals alarm.

Het schrijft zorgvuldige code. De spreadsheet-engine (formules, bereiken, SUM/MIN/MAX/AVG/IF, vijf foutcodes, cyclusdetectie en een keten van 900 cellen zonder de recursielimiet van Python te raken) telde 639 regels, met een eigen parser en evaluatie via generators in plaats van recursie. Alle 34 tests slaagden.

Waar het misgaat

Het kan de hele tokenlimiet aan nadenken besteden. Bij een taak met reguliere expressies gebruikte Carbon op gemiddelde redeneerinspanning alle 16,000 tokens voor zijn redenering en leverde het geen code op (0,16 USD). Met een limiet van 64,000 loste het de taak na 248 seconden op voor 0,17 USD. Op lage redeneerinspanning lukte dezelfde taak in 13 seconden voor 0,007 USD - 25 keer goedkoper, met hetzelfde resultaat van 13/13. Bij de spreadsheet besteedde het op hoge redeneerinspanning 47,997 tokens aan nadenken en leverde het niets op.

Geen zelfcontrole via de gewone API. Bij het repareren van een kwetsbare module op gemiddelde redeneerinspanning waren de oplossingen juist (geparametriseerde SQL, PBKDF2 met 600,000 iteraties, een willekeurige salt, vergelijking in constante tijd). Maar één regel had een spatie te veel, waardoor Python het bestand weigerde en alle 14 tests mislukten. Op hoge redeneerinspanning haalde het 14/14, in 308 seconden voor 0,31 USD.

Het is traag. Op dezelfde taken was Argon tussen de 1,4 en 8 keer sneller, bij een vergelijkbare nauwkeurigheid.

Google · Jouw bronnenHoger in Google - met één klikToevoegen aan voorkeursbronnen →

Welk model kies je?

  • Gemini 4 Carbon voor werk waarbij fouten zwaarder wegen dan tijd: beveiligingscontroles, onderzoek met verplichte bronvermelding, een lastige bug opsporen en andere agents aansturen. Begin met lage of gemiddelde redeneerinspanning en houd de uitvoerlimiet hoog.
  • Gemini 4 Argon voor dagelijks schrijfwerk, samenvattingen en routinecode. Dezelfde prijs per token, maar veel sneller.
  • GPT-6.1 Sol als je op de kosten let: in de praktijk het goedkoopst, en snel.
  • Claude Fable 5.2 als je code nodig hebt die zonder controle werkt: geen misstap in alle taken, maar wel vier keer zo duur per token.

Prijzen, toegang en Googles eigen benchmarks staan in mijn gids over Gemini 4 Carbon.

Kinetyra

// read next

More on this from HELDER

Piotr Olszewski

Piotr Olszewski

ADMINISTRATOR
lees ookAI-prompts voor spionagescènes in James Bond-stijl: AmsterdamhandleidingenAI-prompts voor spionagescènes in James Bond-stijl: AmsterdamVijf Engelse prompts voor originele spionagescènes in Amsterdam en Rotterdam, met uitleg over camera, licht en variaties.

Meest gelezen

  1. 1Hotel Lobby AI maken: kosten, tools en prompts
  2. 2Gemini Omni 1.2 vs 1.1: zelfde prompts vergeleken
  3. 3GPT-6.1 Sol: prijs, beschikbaarheid en test resultaten
// sitemap
helder in cijfers 0teksten in archief0nieuwsberichten van de afgelopen 7 dagen0videomodellen in observatorium
× ‹ vergroting ›