01
Uzun Soluklu Ajan Tabanlı Kodlama
Google, Gemini 4 Carbon'u hataların kök nedenini bulup yamalamak, çoklu ajanla kodlama ve geçişler gibi uzun süreli ajan tabanlı iş akışları için geliştirdi. Google'ın benchmark tablosunda Carbon, Terminal-Bench 4.0 (AA) testinde %65,2 (Argon: %57,1) ve SWE-sweep'te %9,6 (Argon: %4,3) puan alıyor. Google ayrıca modelin CursorBench 4.0'da 1 numara olduğunu bildiriyor.
- Terminal-Bench 4.0 (AA) testinde %65,2 (Argon: %57,1)
- SWE-sweep'te %9,6 (Argon: %4,3)
- FrontierSWE 2'de %61,2 (Argon: %55,0)
















