Disputa entre gigantes: comparação entre Gemini 4 Carbon, Claude Fable 5.2 e GPT-6 Astra em capacidade geral, entrega profissional e custo por tarefa

Nota do autor: este artigo usa dois sistemas de avaliação, o índice composto AA e o MKA (avaliação de tarefas profissionais), para comparar desempenho, tempo de execução e custo do Gemini 4 Carbon, do Claude Fable 5.2 e do GPT-6 Astra. Também explica em que configurações os testes foram feitos e até onde vão as conclusões estatísticas.

Antes de ler: 7 termos usados na comparação entre os três modelos

• MKA (Multimodal Knowledge Agent): benchmark que avalia tarefas profissionais multimodais. Ele testa se o modelo consegue ler documentos complexos, como plantas, digitalizações e imagens, e entregar um resultado profissional completo.
• Climb WSR: taxa de atendimento ponderada calculada só sobre os itens de avaliação com maior poder de discriminação. Serve para separar os modelos de ponta entre si.
• Regression WSR: métrica ponderada que mede se os requisitos básicos foram cumpridos. Funciona como a nota de corte de uma entrega profissional.
• Nível de raciocínio: configuração de intensidade de raciocínio que o modelo pode usar. Por exemplo, LOW, MEDIUM e HIGH no Carbon, e configurações como Max e Xhigh no Fable e no Astra, conforme aparecem no ranking.
• Custo por tarefa: soma do custo de todas as invocações do modelo necessárias para concluir uma tarefa específica. Não é o preço fixo de uma única requisição de API.
• Leitura de cache: forma de reaproveitar conteúdo de entrada já armazenado em cache, cobrado a um preço unitário menor.
• Significância estatística: indicador de que a diferença de pontuação entre dois modelos tem evidência estatística suficiente. Se a diferença não atinge um nível significativo, não dá para tratá-la como vitória ou derrota certa.

Hoje já é difícil explicar a disputa entre os modelos de ponta com um único ranking geral. Este artigo compara o Gemini 4 Carbon, o Claude Fable 5.2 e o GPT-6 Astra em três dimensões: capacidade geral, entrega profissional e custo por tarefa. No final, dá recomendações de escolha por tipo de tarefa.

Isto não é uma leitura de ranking que mistura todas as notas numa classificação só. O índice composto e o MKA são dois sistemas de avaliação diferentes, e aqui eu os analiso separadamente. Também deixo claro quais diferenças têm respaldo estatístico e quais não têm evidência suficiente.

Valor central: ao terminar a leitura, você vai saber qual modelo priorizar conforme as exigências da sua tarefa em qualidade, velocidade e custo.

一、Gemini 4 Carbon、Claude Fable 5.2 e GPT-6 Astra entram na mesma arena

Essa rodada de competição aconteceu num intervalo de tempo bem curto. O Google anunciou o Gemini 4 Carbon pela primeira vez em 28 de outubro de 2026, e a Anthropic lançou o Claude Fable 5.2 em 9 de novembro. Em 10 de novembro, o Carbon foi liberado oficialmente para desenvolvedores, empresas e consumidores. No mesmo dia, o Google DeepMind e a Artificial Analysis lançaram a avaliação MKA. Em 11 de novembro, o Artificial Analysis Intelligence Index v5.0.1 foi atualizado e passou a incluir o Fable 5.2.

O posicionamento público dos três modelos é bem diferente. O Carbon é construído sobre o Gemini 4 Argon e mira Agents de longo prazo, engenharia de software complexa e pesquisa científica, com suporte a entradas de texto, imagem, áudio e vídeo. O Fable 5.2 usa Adaptive Thinking, tem janela de contexto de 1M de tokens e saída máxima de 128K tokens. O GPT-6 Astra aparece nas duas avaliações citadas neste artigo e costuma ser usado como referência de eficiência.

A coluna “Avaliação atual” vale apenas para cada indicador isolado. Nenhum dos modelos fica em primeiro lugar em todas as dimensões.

📊 Sobre os dados: os números da tabela vêm de fontes diferentes: o snapshot do ranking da AA e o artigo técnico do MKA. As duas metodologias não são conversíveis entre si. Se você quiser validar no seu próprio cenário de negócio, dá para usar o APIYI (apiyi.com) e rodar um teste comparativo em pequena escala com o mesmo comando, observando como os três modelos se comportam sob uma carga real.

Dois: Ranking geral da AA: Claude Fable 5.2 lidera por enquanto, com o Gemini 4 Carbon logo atrás

O Artificial Analysis Intelligence Index v5.0.1 é composto por 9 avaliações: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 e Terminal-Bench-Science 0.1. Elas cobrem trabalho de conhecimento, automação, código, raciocínio científico e confiabilidade factual. A pergunta que esse índice responde é: “qual é a força geral do modelo?”

Vale ficar de olho nas diferenças de configuração nessa tabela. Os três modelos usam os níveis Max, High e Max, respectivamente, e o orçamento de raciocínio não é o mesmo entre eles. Por isso, o resultado não pode ser lido como uma comparação pura de capacidade em condições iguais. Além disso, o mesmo modelo muda de pontuação quando troca de nível: no Fable 5.2, tanto o Xhigh quanto o High marcam 62 pontos; no Carbon, o Medium fica com 58 e o Low com 54.

Os dados dos níveis internos do Carbon merecem uma análise à parte. Na medição da AA, o Medium tem custo por tarefa de $6.59, que acaba sendo menor do que os $7.19 do Low. O High, apesar de ter a maior pontuação, chega a 67,54 segundos de latência até o primeiro Token da resposta. Ou seja, subir o nível de raciocínio nem sempre traz um ganho proporcional. Os $7.76 da tabela são o custo médio das tarefas da AA, calculado com base no preço padrão do Carbon de $4/$20, e não o preço de uma requisição comum.

Três: Entrega profissional no MKA — a capacidade dos três modelos de realmente concluir o trabalho

O índice AA mede a força geral, enquanto o MKA mede se o modelo consegue concluir trabalhos profissionais reais. Estas são as configurações descritas no artigo técnico do MKA:

• São 200 tarefas reais e privadas, cobrindo 10 setores e 83 profissões. Cada tarefa equivale a cerca de 3 a 8 horas de trabalho de um profissional.
• Cada tarefa tem cerca de 70 critérios de avaliação ponderados. Em 88% das tarefas, é preciso gerar arquivos independentes, como Word, Excel, PPT, PDF, HTML ou imagens.
• Todos os modelos rodam no mesmo Stirrup Agent Harness, com o mesmo ambiente de ferramentas e um orçamento unificado de 250 turnos. Cada tarefa é executada uma única vez.

Cada uma das três métricas tem um significado próprio. O Regression-WSR reflete o cumprimento dos requisitos básicos: os três ficam acima de 95%, com o Carbon um pouco à frente. O Climb-WSR conta apenas os itens de alta dificuldade e é o principal critério para separar os modelos de ponta. O Overall WSR é a taxa geral de atendimento ponderada, considerando todos os itens. Nenhum desses números é taxa de acerto em perguntas e respostas comuns, e eles também não podem ser comparados diretamente com os 65, 60 e 57 do índice AA.

Significância estatística entre Claude Fable 5.2 e Gemini 4 Carbon

A significância estatística é o ponto que mais exige atenção ao interpretar o MKA. Estes são os dados do artigo:

• Fable vs. Carbon: vantagem de 2,22 pontos percentuais, com intervalo de confiança de 95% de -0,94 a +5,49. O intervalo atravessa o zero, então a diferença não atinge significância estatística.
• Carbon vs. Astra: vantagem de 4,10 pontos percentuais, com intervalo de confiança de 95% de +1,00 a +7,11. O intervalo fica inteiramente acima de zero, então a diferença é estatisticamente significativa.

Portanto, o jeito correto de dizer é: no MKA, o Fable 5.2 e o Carbon estão em um patamar parecido, e as evidências atuais não bastam para afirmar que o Fable supera claramente o Carbon. A conclusão do artigo é que os dois modelos estão significativamente à frente do Astra.

Quatro: comparação de custo por tarefa — quanto cada um dos três modelos gasta para fazer a mesma coisa

A Tabela 4 do artigo do MKA traz o consumo médio de recursos por tarefa. O custo de API foi estimado com base nos preços de tabela de cada fornecedor, levando em conta a cobrança de cache de comandos.

Dá para tirar três conclusões dessa tabela:

1. O Fable é quem investe mais recursos: o total de tokens é 5,74 vezes o do Carbon, e o tempo de execução é cerca de 2,85 vezes maior. Os resultados de alta qualidade dele vêm de muitas rodadas de exploração e de um volume grande de chamadas.
2. O Carbon tem o melhor custo-benefício: o custo por tarefa é cerca de um sexto do Fable, e o Climb-WSR fica só 2,22 pontos percentuais abaixo, uma diferença que não é significativa.
3. O Astra é o mais rápido e o que menos gasta tokens: tem o menor tempo de execução e o menor consumo de tokens, mas o custo por tarefa ainda fica um pouco acima do Carbon, e o Climb-WSR também fica bem atrás.

Preço por token, consumo de tokens e conta da tarefa: qual é a diferença?

Esses três conceitos costumam ser confundidos. No preço por token, o Fable 5.2 cobra $8 por milhão de tokens de entrada e $40 por milhão de saída. O Carbon tem um preço de lançamento de $2/$10 até 30 de novembro, e a partir de 1º de dezembro passa a $4/$20. Só que preço unitário baixo não significa conta baixa. O Astra consome só cerca de um terço dos tokens do Carbon, mas o custo por tarefa dele é um pouco maior, o que mostra que a estrutura de preços de cada modelo e a taxa de acerto no cache influenciam o valor final.

A leitura de cache é uma variável que muita gente ignora em cenários de Agent. A cada rodada, o Agent reenvia uma grande quantidade de contexto. No caso do Carbon, o preço de entrada em cache é cerca de 5% do preço de entrada normal. O total de tokens do Fable chega a 40,48M, e boa parte disso é contexto lido repetidamente, então a forma de cobrança afeta diretamente a conta. Além disso, os tokens de raciocínio do Carbon entram na cobrança de saída, e, ao usar Grounding, as requisições de busca são cobradas à parte.

Os dados de custo vêm de três critérios diferentes e precisam ser citados separadamente: a Tabela 4 do artigo do MKA (Carbon $5,63, Fable $35,28), o ranking dinâmico do MKA (Carbon $6,29, Fable $31,97) e o custo por tarefa do índice AA ($7,76 e $26,54). O escopo estatístico de cada um é diferente, então não dá para misturá-los.

Cinco: onde aparece a vantagem multimodal do Gemini 4 Carbon

O artigo do MKA fez um estudo de ablação: removeram do Carbon a ferramenta de visualização de imagens view_image e deixaram o modelo trabalhar apenas com OCR, execução de código e métodos tradicionais de visão computacional. Os resultados foram estes:

• O Climb-WSR caiu 5,94 pontos percentuais, e o Overall WSR caiu 4,58 pontos percentuais.
• O número de turnos do Agent aumentou 28%, os Tokens de saída aumentaram 40% e os Tokens de entrada aumentaram 85%.
• O modelo tentou compensar com imagens ASCII, Unicode Braille e OpenCV, mas em fotos reais e imagens médicas ainda falhava com facilidade.

Esses números mostram que, no trabalho profissional, a compreensão visual dificilmente pode ser substituída por extração de texto. As relações espaciais de uma planta de arquitetura, a localização de uma lesão em um exame de imagem, a codificação visual de um gráfico: quase tudo isso se perde depois do OCR. O modelo acaba escrevendo código sem parar para tentar adivinhar o conteúdo da imagem, e o resultado é qualidade menor e custo maior.

Os resultados por setor no ranking do MKA seguem a mesma linha. O Carbon lidera na área de saúde e se destaca nas entregas baseadas em imagem, junto com o Argon. O Fable 5.2 lidera em software e dados, engenharia, logística e mapas, negócios e finanças, e leva vantagem em tipos de entrega como PDF, Word e planilhas (Spreadsheet). Nenhum modelo lidera nos 10 setores ao mesmo tempo, e Word e arquivos de texto puro continuam sendo os tipos de entrega mais difíceis: nenhum modelo passou de 52% nessas duas categorias.

Seis: Cenários recomendados — onde Gemini 4 Carbon, Claude Fable 5.2 e GPT-6 Astra funcionam melhor

Quando escolher o Claude Fable 5.2

• Entregas profissionais complexas, em que a qualidade do resultado é prioridade máxima: por exemplo, relatórios de análise financeira, projetos de engenharia e projetos de software e dados. Nessas tarefas, um erro custa caro, então vale aceitar um tempo de execução maior e uma fatura mais alta.
• Entregas centradas em documentos do Office: saídas em PDF, Word e planilhas são um ponto forte do Fable no MKA.

Quando escolher o Gemini 4 Carbon

• Trabalho complexo com Agents que precisa equilibrar qualidade e custo: no MKA, o Carbon chegou a um nível estatisticamente próximo ao do Fable com cerca de um sexto do custo.
• Tarefas que dependem de compreensão visual: por exemplo, interpretação de plantas e desenhos técnicos, análise auxiliar de imagens médicas e entregas baseadas em imagens. Recomendo começar com o nível de raciocínio MEDIUM, que, nos testes de confiabilidade factual do AA, inventa respostas com menos frequência.

Quando escolher o GPT-6 Astra

• Pipelines que valorizam velocidade de execução: no MKA, ele teve o menor tempo de execução e o menor número de rodadas de Agent, o que o torna ideal para tarefas que exigem feedback rápido.
• Cenários sensíveis ao orçamento de Tokens ou à pressão sobre a janela de contexto: o Astra tem o menor consumo total de Tokens, mas é preciso aceitar uma diferença na qualidade das entregas profissionais.

7. Como testar os três modelos na prática com uma interface unificada

Rankings públicos servem só como ponto de partida. No fim, o que importa é como o modelo se sai nas suas próprias tarefas. O exemplo abaixo usa a interface compatível com OpenAI: basta trocar o parâmetro model para chamar modelos diferentes com o mesmo código:

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Interface compatível com OpenAI da APIYI
)

resp = client.chat.completions.create(
    model="gemini-4-carbon",
    messages=[{"role": "user", "content": "用三点概括这份季度财报摘要的主要风险。"}]
)
print(resp.choices[0].message.content)
print(resp.usage)  # Registra o uso de tokens, para estimar o custo depois

import time
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

# Os nomes dos modelos seguem a lista de modelos da plataforma; GPT-6 Astra é só um nome de exemplo aqui
MODELS = ["claude-fable-5-2", "gemini-4-carbon", "gpt-6-astra"]

# Preço unitário (dólares por milhão de tokens): preencha conforme o canal real
# Exemplo: Fable 5.2 com preço de tabela oficial; Carbon com preço de lançamento válido até 30 de novembro
PRICES = {
    "claude-fable-5-2": {"input": 8.0, "output": 40.0},
    "gemini-4-carbon": {"input": 2.0, "output": 10.0},
    "gpt-6-astra": None,  # Preencha por conta própria
}

def build_messages(task, image_url=None):
    content = [{"type": "text", "text": task}]
    if image_url:
        content.append({"type": "image_url", "image_url": {"url": image_url}})
    return [{"role": "user", "content": content}]

def run_once(model, messages):
    start = time.time()
    resp = client.chat.completions.create(model=model, messages=messages)
    elapsed = time.time() - start
    usage = resp.usage
    cost = None
    price = PRICES.get(model)
    if price and usage:
        # Estimativa aproximada: não diferencia leitura de cache; tokens de raciocínio normalmente entram na saída
        cost = (usage.prompt_tokens * price["input"]
                + usage.completion_tokens * price["output"]) / 1_000_000
    return {
        "model": model,
        "seconds": round(elapsed, 1),
        "prompt_tokens": usage.prompt_tokens if usage else None,
        "completion_tokens": usage.completion_tokens if usage else None,
        "est_cost_usd": round(cost, 4) if cost is not None else None,
        "answer": resp.choices[0].message.content[:200],
    }

if __name__ == "__main__":
    task = "根据这张户型图，列出各房间面积估算和三条改造建议。"
    msgs = build_messages(task, image_url="https://example.com/floor-plan.png")
    for m in MODELS:
        try:
            print(run_once(m, msgs))
        except Exception as e:
            print(m, "调用失败：", e)

Esse código mede uma única chamada. Em tarefas reais de Agent, o custo precisa somar todas as rodadas, que é o que chamamos aqui de custo da tarefa. Além disso, o Carbon não suporta thinking_budget: se você enviar esse parâmetro, recebe um HTTP 400. Parâmetros de amostragem como temperature também são ignorados, então o nível de raciocínio deve ser definido da forma descrita na documentação da plataforma.

🚀 Dica para começar rápido: o ideal é pegar primeiro o crédito gratuito de teste para novos usuários no apiyi.com (APIYI) e rodar o script comparativo acima com 5 a 10 amostras reais do seu negócio. Registre tempo, tokens e nota de qualidade, e só depois decida qual será o modelo principal. A plataforma usa a mesma chave API para acessar OpenAI, Claude, Gemini e outros modelos populares, com cobrança por uso, e trocar de modelo exige mudar só um parâmetro.

Recomendações de decisão: como escolher entre os três modelos

Na hora de escolher, vale primeiro definir qual é a restrição mais importante da sua tarefa e só depois olhar a métrica correspondente:

• Qualidade é restrição rígida: use o Climb-WSR do MKA como principal referência e escolha entre o Fable 5.2 e o Carbon. Como a diferença entre os dois não é significativa, o ideal é validar com as suas próprias amostras.
• Orçamento é restrição rígida: olhe o custo por tarefa na Tabela 4 do MKA, e não o preço por Token. Nesse quesito, o Carbon tem uma vantagem clara.
• Tempo de resposta é restrição rígida: olhe o tempo de execução e o número de rodadas do Agent. O Astra é o mais rápido, mas é preciso aceitar a conclusão de que ele fica bem atrás em qualidade de entrega profissional.

💡 Dica de escolha: dá para se inspirar na abordagem do Google /swarm: coloque o modelo mais forte nas etapas de planejamento e revisão, e o modelo rápido na execução em lote. Com a interface unificada da APIYI (apiyi.com), você pode atribuir modelos diferentes a cada papel de Agent dentro do mesmo projeto, sem precisar manter vários SDKs.

Perguntas frequentes (FAQ)

Pontos-chave da comparação entre os três modelos

• Capacidade geral: no AA v5.0.1, o Fable 5.2 Max marcou 65 pontos, à frente do Carbon High (60) e do Astra Max (57).
• Entrega profissional: no MKA, a diferença entre Fable e Carbon não é significativa, e os dois ficam bem à frente do Astra.
• Custo por tarefa: pelo critério da Tabela 4 do artigo, o Carbon custa US$ 5,63 por tarefa, cerca de um sexto do custo do Fable.
• Velocidade e eficiência: o Astra leva 18,5 minutos por tarefa e consome 2,43M de tokens, o que o torna o melhor em velocidade e eficiência de tokens.
• Valor multimodal: sem a ferramenta de visualização de imagens, a qualidade do Carbon cai e o consumo de tokens de entrada aumenta 85%.
• Limites dos critérios: preço por token, consumo de tokens e custo da tarefa são três conceitos diferentes.
• Como começar: pelo APIYI (apiyi.com), você consegue fazer testes comparativos em pequena escala com os três modelos usando uma única chave.

Conclusão: nenhuma métrica isolada define o melhor modelo

Voltando à pergunta do início: o que diferencia esses três modelos de ponta é principalmente o equilíbrio que cada um faz entre qualidade, velocidade e custo:

1. Claude Fable 5.2: lidera tanto no índice geral quanto na entrega profissional, mas tem o maior tempo de execução e o maior custo por tarefa.
2. Gemini 4 Carbon: tem qualidade de entrega profissional estatisticamente próxima à do Fable, o menor custo por tarefa, e sua compreensão visual é o grande diferencial.
3. GPT-6 Astra: é o mais rápido e o que gasta menos tokens, mas a qualidade da entrega profissional fica bem atrás dos outros dois.

Capacidade geral, qualidade da tarefa, velocidade de resposta e custo por tarefa precisam ser avaliados separadamente. Em vez de olhar só a posição no ranking, o mais confiável é fazer um teste comparativo com as suas próprias tarefas. Recomendamos validar rapidamente o desempenho dos três modelos no seu caso de uso pelo APIYI (apiyi.com), que oferece crédito gratuito para testes e uma interface unificada para vários modelos.

📚 Referências

1. Artigo técnico do MKA: MKA: Evaluating Multimodal Knowledge Agents on end-to-end professional tasks
2. Link: storage.googleapis.com/deepmind-media/papers/mka_tech_paper.pdf

3. Descrição: dados originais do WSR dos três modelos, intervalos de confiança, custos da Tabela 4 e experimento de ablação visual

4. Ranking de modelos do Artificial Analysis: Intelligence Index v5.0.1

5. Link: artificialanalysis.ai/leaderboards/models

6. Descrição: snapshot dinâmico com pontuação geral, custo por tarefa e tempo de execução

7. Ranking de avaliação do MKA: classificação de agentes de conhecimento multimodal

8. Link: artificialanalysis.ai/zh/evaluations/mka

9. Descrição: resultados detalhados dos modelos líderes do setor e por tipo de arquivo entregue

10. Model card do Gemini 4 Carbon: material oficial do Google DeepMind

11. Link: deepmind.google/models/model-cards/gemini-4-carbon

12. Descrição: modalidades, janela de contexto, níveis de raciocínio e limitações conhecidas

13. Página de preços da Gemini API: preço padrão, preço com cache e preço Batch do Carbon

14. Link: ai.google.dev/gemini-api/docs/pricing

15. Descrição: preço de lançamento e ajuste de preços a partir de 1º de dezembro

16. Documentação da API do Claude Fable 5.2: descrição oficial do modelo pela Anthropic

17. Link: platform.claude.com/docs/en/models/fable-5-2/overview
18. Descrição: janela de contexto, saída máxima, preço por token e Fast Mode

Autor: equipe técnica da APIYI
Troca de experiências: fale com a gente na página inicial do site da APIYI; para mais materiais de integração, acesse a central de documentação em docs.apiyi.com

Artigos relacionados

• Fable 5.5 vs GPT-6.2 Astra: qual é mais poderoso e como escolher? 6 demonstrações e 3 pontos injustos: Fable 5.5 e GPT-6.2 Astra têm demonstrações públicas, mas não foram comparados na mesma tarefa; este artigo analisa os níveis de evidência de 6 demos, as especificações e preços oficiais dos atuais modelos de ponta Fable 5.1 e GPT-6 Astra e propõe um método reproduzível de avaliação para escolha.
• Claude Fable 5.2 vs. Claude Opus 5.5: como escolher: Claude Fable 5.2 versus Claude Opus 5.5: o preço padrão é o dobro, mas não vence em todos os quesitos; este artigo apresenta uma tabela para escolher o modelo por tarefa, comparando especificações, preços, nível de esforço padrão e resultados em benchmarks de lançamento.
• Dissecando 230 milhões de URLs jurídicas: a especialização do Astra for Law vem do modelo ou do índice de pesquisa jurídica?: Com base nas informações oficiais divulgadas, analise o índice de pesquisa jurídica de 230 milhões de URLs do Astra for Law, seu resultado de 54,0% nos testes e os preços da API, esclarecendo a origem de suas capacidades especializadas e o que ainda não foi comprovado.
• Quão poderoso é o Claude Fable 5.2? 4 limites em programação e tarefas longas: Com base nas pontuações e limitações oficiais do anúncio da Anthropic, explique claramente em que Claude Fable 5.2 se destaca, até onde vai sua capacidade e quando não se deve trocar o Opus 5.5 por ele.
• Claude Fable 5.2 foi lançado: high ou max? Vamos aos dados para avaliar a qualidade e o custo: Avaliações públicas mostram que elevar o nível de raciocínio do Claude Fable 5.2 de high para max pode aumentar a pontuação, mas também elevar o custo por tarefa; o nível deve ser escolhido considerando tanto os requisitos de qualidade da tarefa quanto o orçamento.
• Aprenda a analisar criticamente a divulgação das capacidades dos modelos com a controvérsia sobre a alteração dos pesos do Qwen pela Astra: lista de verificação em 6 passos: Usando como exemplo a controvérsia causada pela reescrita dos pesos do Qwen3.5-0.8B pelo GPT-6 Astra, analise em 6 etapas as alegações sobre as capacidades do modelo e entenda a linha de base, as permissões de ferramentas, a configuração da avaliação e as evidências de reprodução.
• Claude em primeiro, Gemini custa menos de um terço: análise das diferenças de custo-benefício entre 13 modelos no GDPx: Interprete a primeira classificação GDPx publicada pela SemiAnalysis, compare as pontuações e o “custo médio por tarefa” de Claude Opus 5.5, Gemini 4 Carbon, GPT-6 Astra, Sol, Luna e DeepSeek e distinga os custos de avaliação dos preços oficiais por token.
• Claude Fable 5.2, você mobilizou 1.000 agentes para criar um sistema — impressionante, mas como calcular os custos da API?: Com um fluxo de trabalho hipotético, discrimine os preços dos modelos, o cache, o Session Runtime, os custos das ferramentas e os requisitos de retenção de dados por 30 dias no sistema multiagente Claude Fable 5.2.
• Análise do lançamento do Gemini 4 Carbon: com 59 pontos, supera o Opus 5.5 e vence em 15 de 17 testes, mas não é possível invocá-lo: O Gemini 4 Carbon lidera o índice de inteligência da Artificial Analysis com 59 pontos e vence 15 de 17 comparações oficiais, mas não tem ID de modelo na API nem prazo de lançamento; este artigo explica a pontuação, por que ele ainda está indisponível e sugere o gemini-4-argon aos desenvolvedores chineses.