Đánh giá: Khả năng lập trình của Gemini 4 Carbon vượt trội so với khả năng phán đoán của nó

Bài đánh giá thực tế của Every cho thấy Gemini 4 Carbon, được Google DeepMind phát hành hôm nay, là một lập trình viên mạnh hơn nhiều so với Gemini 4 Argon và có thể tạo ra các đối tượng 3D tốt hơn và làm việc hàng giờ với ít sự giám sát. Các nhà thử nghiệm không đồng ý về mức độ giám sát mà nó cần, và bài đánh giá nói rằng Fable 5.2 của Anthropic, được phát hành một ngày trước đó, đã nâng cao kỳ vọng rằng một tác nhân hàng đầu cũng phải chọn đúng công việc, tôn trọng giới hạn và biết khi nào nó hoàn thành. Google đã cấp cho Every quyền truy cập sớm và không có ý kiến đóng góp nào cho bài đánh giá.