Model AI terbaru Google, Gemini 4 Carbon, finis di posisi kedua dalam benchmark baru SemiAnalysis yang bernama GDPx. Skornya 10,9 persen, hanya 1,1 poin di bawah Claude Opus 5.5 dari Anthropic yang memimpin dengan 12,0 persen. Perbedaan yang jauh lebih besar ada di biaya: Carbon menghabiskan sekitar 16,29 dolar AS per tugas, sementara Opus 5.5 menghabiskan 51,41 dolar AS per tugas.
GDPx bukan benchmark tanya-jawab biasa. SemiAnalysis merancangnya untuk menguji pekerjaan agen AI, yaitu sistem yang menjalankan banyak langkah menuju satu tujuan, bukan sekadar menjawab satu pertanyaan. Versi pertamanya berisi 206 tugas di 11 bidang, mulai dari desain chip, keamanan siber, biologi, keuangan, hukum, perdagangan kuantitatif, rekayasa perangkat lunak, hingga sains material. Setiap tugas punya batas waktu default delapan jam, dan model dijalankan lewat harness aslinya masing-masing, misalnya Antigravity untuk Carbon, Claude Code untuk Opus 5.5, dan Codex untuk GPT-6 Astra.
Papan skornya: Claude menang tipis, Carbon menang soal biaya
Tiga besar GDPx versi 1.0 adalah Claude Opus 5.5 di 12,0 persen, Gemini 4 Carbon di 10,9 persen, dan GPT-6 Astra dari OpenAI di 9,6 persen. Muse Wonder Full dari Meta ada di posisi keempat dengan 9,0 persen. Gemini 4 Argon, model Google sebelumnya, berada di peringkat kedelapan.
Angka biaya membuat hasil ini menarik. Opus 5.5 menghabiskan 51,41 dolar AS per tugas dan GPT-6 Astra 53,99 dolar AS per tugas, sementara Carbon hanya 16,29 dolar AS per tugas. Dengan kata lain, Carbon memberi skor yang hampir setara dengan biaya sekitar sepertiga dari dua pesaing teratasnya. Untuk perusahaan yang menjalankan ribuan tugas agen, selisih seperti itu bisa menentukan apakah sebuah model layak dipakai, bukan sekadar siapa yang paling pintar di atas kertas.
Skor 12 persen di puncak juga perlu dibaca dengan benar. Angka itu bukan bukti model-model ini tidak berguna. Tugas GDPx sengaja dibuat sangat sulit, dinilai dengan metode pass@1 dalam tiga percobaan, dan setiap bidang diberi bobot yang sama. SemiAnalysis sendiri menyebut GDPx sebagai benchmark level frontier justru karena skor tertingginya masih rendah.
Carbon unggul di biologi dan software, tapi bukan di semua bidang
Tidak ada satu model pun yang memenangi semua bidang. SemiAnalysis melaporkan Carbon sebagai model biologi terbaik dan menang tipis di rekayasa perangkat lunak. Opus 5.5 memenangi perdagangan kuantitatif, desain perangkat keras, dan desain chip. GPT-6 Astra memenangi bidang recursive self-improvement dan sains material, sementara Muse Wonder Full disebut sebagai model keamanan siber terbaik dengan selisih yang berarti.
Ada satu catatan penting dari SemiAnalysis: skor keseluruhan Opus 5.5 dan GPT-6 Astra disebut tertekan oleh pengaman atau safety classifier mereka sendiri di bidang keamanan siber, biologi, dan alignment. Ketika ketiga bidang itu dikeluarkan dari perhitungan, papan skornya berubah. GPT-6 Astra menyalip tipis Opus 5.5, dan Carbon turun dari posisi kedua ke posisi kelima. Jadi, peringkat tunggal GDPx tidak boleh dibaca sebagai vonis akhir tentang model mana yang “terbaik” untuk semua pekerjaan.
Bidang keuangan dan hukum juga memberi gambaran yang jujur tentang batas model saat ini. SemiAnalysis melaporkan bahwa pada dasarnya semua model mencetak nol di tugas-tugas tersebut dengan penilaian biner yang dimaksudkan, sehingga skor parsial rata-rata dilaporkan untuk kedua bidang itu. Ini pengingat bahwa tugas profesional yang panjang, dengan ribuan berkas dan konteks yang berantakan, masih jauh dari otomatisasi penuh.
Yang masih belum terkonfirmasi: kapan publik bisa memakai Carbon
Google mengumumkan Gemini 4 Carbon pada 28 Oktober 2026, dua minggu setelah Gemini 4 Argon. Google menyebutnya model terkuatnya, dengan kemampuan keamanan siber dan tugas jangka panjang. Namun, akses pertama hanya diberikan kepada sebagian pembela siber terpilih, lalu diperluas ke mitra tepercaya lewat program Fairwind.
Sampai artikel ini ditulis, Google belum mengumumkan tanggal rilis publik untuk pengembang, bisnis, maupun konsumen. Carbon juga belum tersedia di aplikasi Gemini atau API Gemini untuk umum. Harga API perkenalan yang diumumkan Google, 2 dolar AS per juta token input dan 10 dolar AS per juta token output, berlaku untuk masa perkenalan yang akhir periodenya tidak disebutkan untuk Carbon, dengan tarif berikutnya 4 dolar AS dan 20 dolar AS. Angka-angka biaya per tugas di GDPx adalah biaya pengujian benchmark SemiAnalysis, bukan harga langganan konsumen.
Untuk pembaca di Indonesia, implikasinya bersifat tidak langsung untuk saat ini. Carbon belum bisa dicoba, sehingga tidak ada rekomendasi “pakai sekarang”. Yang layak dicatat adalah arahnya: kalau Google akhirnya merilis Carbon dengan efisiensi biaya seperti di GDPx, model ini bisa menjadi pilihan menarik untuk perusahaan dan pengembang yang menjalankan agen AI dalam skala besar, terutama untuk tugas biologi dan rekayasa perangkat lunak. Sampai tanggal rilis dan harga resminya diumumkan, klaim apa pun soal ketersediaan di Indonesia masih belum terkonfirmasi.
Penutup
GDPx memberi kabar baik sekaligus kabar yang menenangkan. Kabar baiknya, Google punya model yang hampir menyamai yang terbaik dengan biaya jauh lebih rendah. Kabar yang menenangkannya, model terbaik dunia pun baru menyelesaikan sekitar satu dari delapan tugas profesional yang sangat sulit ini. Bagi pengguna biasa, itu artinya agen AI masih asisten yang perlu diawasi, bukan pengganti pekerja profesional. Bagi perusahaan, pelajaran praktisnya adalah membandingkan skor per bidang dan biaya per tugas, bukan hanya peringkat keseluruhan, sebelum memilih model.
Tanya jawab singkat
Apakah Gemini 4 Carbon sudah bisa dipakai? Belum untuk publik; akses awal hanya untuk sebagian pembela siber lewat program Fairwind, dan Google belum mengumumkan tanggal rilis umum.
Apakah Carbon lebih baik dari Claude Opus 5.5? Di skor keseluruhan GDPx, tidak — Opus 5.5 memimpin 12,0 persen berbanding 10,9 persen, tapi Carbon jauh lebih murah per tugas.
Apakah skor 12 persen berarti AI tidak berguna? Tidak; tugas GDPx sengaja sangat sulit dan panjang, sehingga skor rendah mencerminkan kesulitan tugas, bukan ketidakbergunaan model untuk pekerjaan sehari-hari.
Sumber: 9to5Google, “Gemini 4 Carbon lags just behind Claude in benchmark, but wins in value”, 2 November 2026; Unite.AI, “SemiAnalysis Launches GDPx Benchmark Spanning 11 Agentic Domains”, 2 November 2026; Google announcement context via TechRepublic, “Google Unveils Gemini 4 Carbon With Advanced Cybersecurity Skills — Who Gets Access First?”.
