Android Bench güncellendi: Gemini 4 Argon beşinci sırada kaldı

Claude Sonnet 5.5, yüzde 40 başarı ve yüzde 80,9 tamamlanma oranıyla listenin ilk sırasında bulunuyor. Ekim ayının başında listeye eklenen Claude Opus 5.5 ise ikinci sıradaki yerini koruyor. OpenAI’ın GPT-6.1 Sol modeli yüzde 29,3 başarı ve yüzde 82,8 tamamlanma oranına ulaştı. Modelin ortalama 99,50 dolarlık maliyeti, Claude’un 1.574,90 dolarlık maliyetine kıyasla önemli bir fark oluşturuyor.

Google’ın Gemini 4 Argon modeli testlere yüzde 21,3 başarı ve yüzde 81,8 tamamlanma oranıyla başladı ve beşinci sırada yer aldı. Modelin ortalama maliyeti 267,70 dolar olarak belirlendi. Bu sonuç, Gemini 4 Argon’un Claude Fable 5.1 dahil olmak üzere listedeki bazı rakiplerinin gerisinde kaldığını gösterdi. Modelin duyurulmasından kısa süre sonra yayımlanan raporlarda, bazı kodlama görevlerinde zorlandığına ilişkin iddialar gündeme gelmiş; Google ise modelin yeteneklerini savunmayı sürdürmüştü.

Maliyet bilgilerinin de listeye eklenmesi, geliştiricilerin performans ile bütçe arasında daha bilinçli bir tercih yapmasına imkân tanıyor. Android Bench sonuçları, yapay zeka modellerinin farklı kodlama görevlerinde aynı düzeyde performans göstermediğine işaret ediyor. Gelecek güncellemelerde Gemini 4 Argon’un sıralamadaki konumunu değiştirip değiştiremeyeceği ise merak konusu olmaya devam ediyor.

Kaynak: ShiftDelete