Gemini 4 Carbon otomatik etiketleme: VLM Sıralama Tablomuzun yeni lideri

Gemini 4 Carbon, 11 Kasım 2026 tarihli Ultralytics VLM Sıralama Tablosu anlık görüntüsünde, UL37'de otomatik etiketleme için 45 model arasından ilk sırada yer alıyor. UL37, 36 veri kümeli nesne algılama kıyaslamamızdır. Model 0.584 mAP₅₀ ve 0.371 mAP_50-95 puanı alıyor; ayrıca artık hem precision hem recall sütunlarında zirvede. Ekim sonuçlarımızda bu sütunlarda iki farklı model öndeydi. Önceki lider GPT-6.1 Terra, görüntü başına Carbon'un sağlayıcı maliyetinin yaklaşık üçte birine 0.560 mAP₅₀ puanıyla ikinci sırada yer alıyor.

Dolayısıyla veri kümesi etiketleyen biri için soru, genel olarak en yüksek puanı hangi modelin aldığı değil. Asıl soru, Carbon'un üç katı fiyatı ne zaman haklı çıkardığı. Aşağıda Carbon'un hangi alanlarda yeni en yüksek puanları aldığı, Terra'nın nerelerde hâlâ kazandığı, Google'ın aralık ayındaki fiyat değişikliğinden önce ve sonra modellerin maliyetleri ve Carbon'u kendi verilerinde Ultralytics Platform üzerinden nasıl çalıştırabileceğin yer alıyor.

Gemini 4 Carbon artık ödeme yapan tüm geliştiricilere açık#

Google, Carbon'u ilk olarak ekim sonunda küçük bir siber güvenlik savunucusu grubuna sundu. 10 Kasım 2026'da modeli ödeme yapan tüm geliştiricilere ve kurumlara açtı ve Google AI Ultra abonelerine sunmaya başladı. Google'ın kullanılabilirlik duyurusuna göre Carbon; Google AI Studio ve işletmelere yönelik Gemini'de API üzerinden, Ultra aboneleri içinse Gemini uygulamasında, AI Mode'da ve Antigravity'de kullanılabiliyor. Savunucular, Google'ın Fairwind Programı üzerinden özel erişimlerini koruyor.

Google, Carbon'u siber güvenlik ve uzun süreli agentic işler için tasarlanmış en güçlü modeli olarak tanımlıyor. Gemini 4 Carbon model kartında, modelin Gemini 4 Argon'u temel aldığı ve Argon'dan daha fazla düşünme token'ı kullanarak "hipotezleri kapsamlı biçimde incelemek, derinlemesine akıl yürütmek ve uzun doğrulama döngüleri yürütmek" üzere tasarlandığı belirtiliyor. Model metin, görüntü, ses ve video okuyor; 1M tokene kadar bağlam penceresine sahip ve yanıtlarını metin olarak veriyor.

Google'ın tanıtımında Carbon hiçbir şekilde algılayıcı olarak sunulmuyor. Veri etiketleme açısından önemli olan, bu ek akıl yürütmenin sınırlayıcı kutuları nasıl etkilediği; UL37 de bunu ölçüyor. Tüm sonuçları Gemini 4 Carbon model sayfasında inceleyebilirsin.

Ultralytics Platform'daki Gemini 4 Carbon model sayfasında UL37 puanları ve bir veri kümesini otomatik etiketleme bağlantısı yer alıyor.

Gemini 4 Carbon nesne algılama: tüm doğruluk metriklerinde ilk sırada#

UL37, bir modelin kutularının her veri kümesinin referans etiketleriyle ne kadar örtüştüğünü 360 görüntü üzerinde puanlıyor: gerçek nesne algılama veri kümelerinin her birinden 10 görüntü; tıbbi taramalardan hava ve termal görüntülere, perakende raflarından spora, belgelere, devre kartlarına ve daha fazlasına kadar uzanıyor. Her görüntü, Platform kullanıcılarının eriştiği üretim hattından, veri kümesinin kendi sınıf adlarıyla geçiriliyor; SAM 3.1 de kullanıcılarda olduğu gibi, SAM 3 dışındaki tüm modellerin kutularını iyileştiriyor. Her veri kümesi eşit ağırlığa sahip; UL37 kıyaslama metodolojisine göz at.

Carbon'un sonraki dört modele karşı durumu şöyle:

Carbon, mAP₅₀ değerinde GPT-6.1 Terra'yı 0.024 puanla geride bırakıyor. Nesne kenarlarını daha iyi izleyen kutuları ödüllendiren daha katı mAP_50-95 metriğinde de benzer bir fark var: Carbon 0.371 puan alırken, önceki en iyi model olan Claude Fable 5.2 0.347, Terra ise 0.345 puan alıyor.

Carbon, temel aldığı modeli de geride bırakıyor. Gemini 4 Argon 0.537 mAP₅₀ ve 0.343 mAP_50-95 puanı alıyor; dolayısıyla aynı kıyaslama ve etiketleme hattında Carbon'un puanları sırasıyla 0.047 ve 0.028 daha yüksek.

Gemini 4 Carbon, UL37'de en yüksek precision ve recall değerlerine sahip#

Ekim sonuçlarımızda sıralama tablosunun üst sıralarındaki modeller iki gruba ayrılıyordu; precision ve recall değerlerine göre VLM seçme rehberimizde bunu açıklıyoruz. Gemini 4 Argon, 0.667 ile en yüksek precision değerine sahipti: kutularının büyük bir kısmı eşleşiyordu ancak etiketlenmiş bazı nesneleri kaçırıyordu. GPT-6 Astra ise 0.627 ile en yüksek recall değerine sahipti: etiketlenmiş nesnelerin daha fazlasını eşleştirirken kutularının daha küçük bir kısmı doğruydu.

11 Kasım 2026 tarihli sıralama tablosu anlık görüntüsünde Carbon, 0.685 precision ve 0.642 recall değerleriyle 45 model arasında en yüksek ortalamalara ulaşıyor; Argon'un precision ve Astra'nın recall değerlerini geride bırakıyor.

Bir incelemeci için bu, kıyaslamanın gösterebileceği en iyi birleşim. Daha yüksek precision, taslak kutuların daha büyük bir kısmının doğru olduğu; daha yüksek recall ise gerçek nesnelerin daha büyük bir kısmının zaten kutuyla işaretlendiği anlamına geliyor. Düşük precision, silinmesi gereken kutular; düşük recall ise çizilmesi gereken nesneler bırakıyor. Bu nedenle Carbon'un ilk taslaklarında bu iki düzeltme türünden birine daha az ihtiyaç duyuluyor.

SKU110K, bunun kalabalık görüntülerde neden önemli olduğunu gösteriyor. Süpermarket raflarında, kıyaslamanın 10 görüntüsünde tek bir sınıfta etiketlenmiş toplam 1.666 ürün bulunuyor. Carbon burada 0.671 mAP₅₀ puanıyla tüm modellerin önünde; Terra'nın önceki en yüksek puanı olan 0.619'u geride bırakıyor. Böyle bir rafta, her fazladan kutu incelemecinin düzinelerce doğru kutu arasından bulması gereken bir kutu demek.

Ultralytics Platform'daki SKU110K Yoğun Perakende Rafı Algılama 2 veri kümesinde Carbon, 0.671 mAP₅₀ ile en iyi UL37 puanını alıyor.

Gemini 4 Carbon dokuz alanda en yüksek puanları alıyor#

Platform'daki model sayfalarının veri kümesi bazındaki sonuçlarına göre Carbon, artık uzun bir UL37 veri kümesi listesinde tüm modeller arasında en yüksek puana sahip. Önceki en yüksek puanlarla birlikte sonuçlar şöyle:

Üç örüntü öne çıkıyor. Carbon, Argon'un termal, hava ve sualtı görüntülerindeki güçlü yanlarını koruyup daha da ileri taşıyor; en büyük artış HIT-UAV termal drone görüntülerinde. Kat planlarında GPT-6 Astra'yı neredeyse 0.1 puanla geride bırakıyor. Sınıfları menenjiyom, gliyom ve hipofiz tümörü olan beyin tümörü MR görüntülerinde ise Terra'yı az farkla geçiyor.

Her veri kümesi 10 görüntü içeriyor; bu nedenle tek bir puan kesin hüküm değil, incelemeye değer bir işaret. Carbon, RPC ve CeyMo'da mevcut rekoru yakalıyor, DDR'de ise 0.001 puan önde; modelleri birbirinden ayırmak için bu farklar çok küçük.

Model sayfasında Carbon'un kaydedilmiş UL37 kutuları, her kıyaslama veri kümesi ve COCO için beklenen anotasyonlarla birlikte yeniden oynatılıyor.

Gemini 4 Carbon ve GPT-6.1 Terra: Terra'nın hâlâ önde olduğu alanlar#

Terra, iki tıbbi alanda en yüksek puanı koruyor. Sıralama tablosunun veri kümesi tablosunda, tiroid ultrasonu TN5000 için 0.935 puanla ve kan hücresi mikroskopisi TXL-PBC için 0.889 puanla hâlâ en iyi model olarak listeleniyor. Verilerin bu veri kümelerinden birine benziyorsa, seçim yapmadan önce her iki modelin model sayfalarındaki satırlarını karşılaştır.

Terra'nın daha büyük avantajı fiyatı. UL37'deki doğrudan karşılaştırma şöyle:

Maliyet, liste fiyatları üzerinden, başarıyla etiketlenen her 1.000 kıyaslama görüntüsü başına sağlayıcının bildirdiği token kullanımından tahmin ediliyor. Terra, Carbon'un mAP₅₀ puanının yaklaşık %96'sını yaklaşık üçte bir maliyetle sunuyor, daha hızlı yanıt veriyor ve hiçbir isteği başarısız olmadı. Her iki model de sıralama tablosunun "En iyi değer" çizgisinde yer alıyor; bu çizgi maliyet ve doğruluk açısından başka hiçbir modelin geride bırakamadığı modelleri birleştiriyor.

UL37'deki ücretli modellerin güncel liste fiyatlarıyla oluşturulmuş mAP₅₀-maliyet grafiği.

Fiyat farkı daha da artacak. Google, kullanılabilirlik duyurusuna göre Carbon'u 30 Kasım 2026'ya kadar giriş fiyatı olarak bir milyon girdi token'ı için $2, bir milyon çıktı token'ı için $10 üzerinden sunuyor; bu tarihten sonra fiyatlar sırasıyla $4 ve $20 olacak. Aynı token kullanımıyla, 1.000 görüntü başına $12.93 olan Carbon maliyeti 1 Aralık'ta yaklaşık $26'ya çıkıyor.

Pratik seçim şöyle:

• Etiket kalitesi maliyete değiyorsa Carbon'u tercih et: perakende rafları gibi kalabalık sahneler, termal ve hava görüntüleri, kat planları ve CAD çizimleri; ayrıca model sayfasında Carbon'un açık ara önde göründüğü tüm veri kümeleri.
• Bütçenin 0.024 mAP₅₀ farkından daha önemli olduğu büyük ve genel amaçlı toplu işler için Terra'yı seç; TN5000 tiroid ultrasonu ve TXL-PBC kan hücresi veri kümeleri gibi verilerde de Terra'yı tercih et.
• Carbon'u kullanmayı planlıyorsan, giriş fiyatı geçerliyken 1 Aralık'tan önce büyük bir Carbon işi çalıştır.

Hangisini seçersen seç, Toplu Etiketleme, işlenen her 1.000 görüntü için Ultralytics Platform'un $1.00 işlem ücretini; her çalıştırma içinse en az $0.01 ücreti ekler ve sağlayıcı ücreti doğrudan kendi anahtarından tahsil eder. Ultralytics token'lara ek ücret koymaz. Daha kapsamlı bir döküm için görüntü anotasyonu yazılımı maliyet rehberimize göz at. Daha ucuz, ücretli bir model olan Claude Haiku 5.5, 1.000 görüntü başına $0.37 maliyetle 0.429 puan alıyor; Qwen3.8 27B ve SAM 3.1 Text gibi barındırılan modeller içinse anahtar gerekmiyor.

Veri kümesinde Gemini 4 Carbon ile otomatik etiketleme nasıl çalıştırılır#

Carbon, 1 ila 200 sınıf içeren algılama veri kümeleri için sınıf istemleriyle çalışan bir modeldir. Veri kümenin kendi sınıf adları için sınırlayıcı kutular döndürür; Platform, Gemini'nin y-first biçiminde istediği sınırlayıcı kutuları SAM 3.1 ile iyileştirir.

1. Google AI Studio üzerinden bir Gemini API anahtarı oluştur. Carbon ücretli API katmanında çalıştığından anahtar için faturalandırmanın etkinleştirilmiş olması gerekir.
2. Anahtarı, veri kümenin bulunduğu Platform çalışma alanında Ayarlar > API Anahtarları bölümüne ekle. Ayrıntılar için sağlayıcı anahtarı belgelerine bak.
3. Anotasyon düzenleyicide bir görüntü aç, Akıllı moda geç ve model seçicisinde Google başlığı altından Gemini 4 Carbon'u seç.
4. Geçerli görüntüyü etiketlemek için Tahmin Et düğmesine veya P komutuna bas. Ölçeği büyütmeden önce verilerini temsil eden birkaç görüntüde dene.
5. Veri kümesi sayfasında, etiketlenmemiş tüm görüntüleri tek seferde etiketlemek için Diğer işlemler > Toplu Etiketleme seçeneğini belirle. Platform önce bir veri kümesi sürümü kaydeder; böylece geri alabilirsin.
6. Düzenleyicinin otomatik olarak kaydettiği kutuları gözden geçirip düzelt; ardından aynı çalışma alanında sonuç üzerinde bir Ultralytics YOLO26 modeli eğit.

Geliştiriciler Carbon'u kod üzerinden de çağırabilir: Platform SDK v0.1.109 sürümü, gemini-4-carbon öğesini görüntü tahmin modeli olarak ekledi. Genel bir bakış için Ultralytics Platform'un anotasyonu otomatikleştirmek üzere yapay zekâyı nasıl kullandığına ve insan denetimli incelemenin iş akışının neden bir parçası olmaya devam ettiğine bak. Tıbbi görüntü analizinde herhangi bir modelin kutularını, klinik uzmanların kontrol edip onaylayacağı taslaklar olarak değerlendir; tanı olarak asla kullanma.

Gemini 4 Carbon'u kimler kullanmalı?#

Sağlayıcı ücretinden çok etiket kalitesine önem veriyorsan Gemini 4 Carbon'u kullan. Kıyasladığımız en doğru otomatik etiketleme modeli ve şu anda hem precision hem recall alanında lider; termal, hava, sualtı, perakende rafı, kat planı ve beyin MR veri kümelerinde de en yüksek puanı alıyor.

Argon'u zaten kullanan ekipler, aynı giriş token fiyatıyla genel olarak daha yüksek puan ve Argon'un en güçlü olduğu alanlarda yeni en yüksek puanlar elde ediyor; ancak bu fiyatta bile Carbon'un görüntü başına maliyeti daha yüksek. Bütçeyle büyük ve genel amaçlı grupları etiketleyen ekipler varsayılan model olarak GPT-6.1 Terra'yı kullanmaya devam etmeli, model sayfasında açık bir üstünlük gördükleri veri kümelerinde Carbon'a geçmeli. Argon'un performansını öğrenmek için Gemini 4 Argon otomatik etiketleme sonuçlarımıza göz at.