Gemini 4 Carbon pentru rapoarte, Excel și prezentări: testul MKA

Gemini 4 Carbon pentru rapoarte, Excel și prezentări este una dintre promisiunile lansării publice din 10 noiembrie 2026. Cifra cea mai utilă pentru cine lucrează cu exporturi, PDF-uri și slide-uri nu e în tabelul de lansare, ci într-un benchmark nou, MKA, unde Carbon iese pe locul 2 din 21 de modele, cu 54%. Mai jos: ce măsoară MKA pe înțelesul unui analist sau contabil, pe ce funcții de business câștigă Carbon, trei fluxuri de lucru pas cu pas și ce verifici înainte să trimiți ceva generat de AI.

Ce promite Google pentru munca de birou

În anunțul de lansare, Google descrie partea de „knowledge work” (munca bazată pe cunoștințe: analize, rapoarte, documente, corespondență) astfel: Carbon combină înțelegerea vizuală, raționamentul și căutarea în domenii ca juridic, finanțe și operațiuni și produce foi de calcul, prezentări și rapoarte care respectă scheme și formatări stricte. Model card-ul (fișa oficială a modelului) îl declară potrivit, printre altele, pentru „muncă de cunoaștere de înaltă precizie, generare de artefacte și analiză de date” (traducerea noastră, ca la toate citatele de mai jos).

Două precizări înainte de cifre:

• Argon rămâne recomandarea implicită. Chiar Google scrie că Gemini 4 Argon „rămâne alegerea ideală” pentru majoritatea sarcinilor de knowledge work. Carbon e gândit pentru sarcinile care testează limitele și folosește mai mulți tokeni (unitățile de text după care se facturează) ca să exploreze și să-și verifice munca.
• Intră documente, iese text. Potrivit model card-ului, Carbon primește text, imagini, audio, PDF-uri și clipuri, dar răspunde în text. Un .xlsx sau un deck finalizat apare doar când modelul lucrează într-un mediu care îi permite să ruleze cod și să scrie fișiere, cum e cel din testul MKA. Ce primești concret depinde de aplicația pe care o folosești.

Ce este Carbon în ansamblu, cu tabelul complet de rezultate, e în ghidul despre Gemini 4 Carbon.

MKA, explicat pentru un om de business

MKA (Multimodal Knowledge Agent) este un benchmark construit de Google DeepMind împreună cu Artificial Analysis, o firmă care evaluează independent modelele de AI. „Multimodal” înseamnă că sarcinile nu se pot rezolva doar citind text: modelul trebuie să se uite la planșe, scheme, grafice, prezentări și foi de calcul. Argumentul Google, din articolul despre MKA: majoritatea testelor de knowledge work se pot rezolva doar cu text, pe când munca reală din multe industrii e „profund vizuală”, de la planșe de arhitectură la rapoarte și deck-uri finale.

Cum arată o sarcină MKA

• 200 de sarcini, fiecare un proiect în mai mulți pași care îi ia unui profesionist experimentat între 3 și 8 ore.
• Fiecare sarcină are un prompt realist (cererea, cum ar formula-o un șef sau un client) și un pachet de fișiere de intrare.
• Rezultatul se notează pe o grilă scrisă de experți, cu aproximativ 70 de verificări da/nu, ponderate 75% pe acuratețea faptelor și 25% pe designul vizual.
• Sarcinile acoperă 10 verticale (Business, Construction, Education, Engineering, Finance, Healthcare, Law & government, Logistics & mapping, Science, Software & data) și vin de la experți din 83 de ocupații.

Ponderea 75/25 spune mult: un raport frumos cu cifre greșite pierde trei sferturi din punctaj, unul corect, dar greu de citit, pierde un sfert. E ordinea de priorități a unui controller.

Cine dă nota și de ce contează pentru tine

Notarea o face un „autorater agentic”: un alt model AI, care lucrează ca un evaluator. Potrivit Google, el deschide fiecare fișier, randează paginile, inspectează formulele din foile de calcul și verifică livrabilul pe grila experților. Autoraterul e construit pe un model din afara Google, iar când experții au notat ei înșiși rezultatele, au fost de acord cu el în 96% din cazuri.

Toate modelele rulează în același cadru de lucru open-source, Stirrup, cu aceleași unelte, același sandbox și același număr maxim de pași: pe pagina Artificial Analysis, 250 de ture, din care modelele au folosit în medie între 30 și 130. Setul de 200 de sarcini e privat, ca să nu ajungă în datele de antrenare; un set public de 10 sarcini e pe Hugging Face (google/multimodal-knowledge-agent).

Detaliul cu formulele e cel mai important pentru tine: un evaluator care verifică formula, nu doar cifra afișată, face ce ar trebui să facă oricine primește un Excel generat de AI. Exact acest reflex îl construiește cursul Analiză de Date cu AI fără Cod: lecția „Anatomia unei halucinații pe date” arată, pe un tabel sintetic, cum apar coloanele inexistente și totalurile estimate în loc de calculate, iar „Protocolul de verificare în 5 pași” transformă verificarea în procedură: ceri formula, verifici ordinul de mărime, recalculezi un eșantion, pui contra-întrebarea și reconciliezi cu sursa.

Clasamentul MKA: Carbon pe locul 2

Metrica principală afișată de Artificial Analysis pe pagina MKA este Climb WSR: rata ponderată de satisfacere a verificărilor din grilă, pe criteriile grele. Pe scurt, ce procent din ce conta cu adevărat a ieșit corect. La 10 noiembrie 2026, din 21 de modele, primele trei sunt:

Cum citești clasamentul:

• Diferențele sunt mici: trei puncte între locurile 1 și 2, unul între 2 și 3. Pe sarcinile tale, ordinea se poate schimba.
• Nimeni nu trece de 60%. Pe proiecte de 3–8 ore, livrabilul e o primă versiune serioasă, nu un document gata de trimis.
• Costul e afirmația Google. Google spune că Carbon termină sarcinile la un cost „de 6 ori mai mic în medie” decât modelul de pe primul loc și că e pe frontiera calitate–preț (niciun alt model testat nu e simultan mai bun și mai ieftin). Costul per sarcină al lui Carbon nu apare însă în textul paginii Artificial Analysis, deci raportul nu l-am putut recalcula. Cele mai mici costuri afișate de AA sunt la modele mai mici: GPT-6 Luna (Max) 0,18 $, Claude Haiku 5.5 (Max) și MiMo-V2.6-Pro câte 0,32 $ per sarcină. MKA e construit de Google, unul dintre furnizorii evaluați. Notarea cu un model non-Google și setul privat rulat de Artificial Analysis reduc riscul de conflict de interese, fără să îl elimine. Comparația pe furnizori, cu prețurile, e în Claude Fable 5.2 vs GPT-6 Astra vs Gemini 4 Carbon.

AutomationBench: pe ce funcții de business câștigă Carbon

MKA notează un livrabil: un raport, o foaie, un deck. AutomationBench, construit de Zapier, notează altceva: dacă modelul duce la capăt un flux de lucru între aplicații. Versiunea 1.0.6 are peste 600 de sarcini private, 47 de unelte reale și circa 500 de endpointuri (punctele prin care o aplicație primește comenzi), pe șase funcții de business. Nota e deterministă: se verifică starea finală a sistemelor, fără un model AI care să dea nota, iar varianța dintre rulări e „de obicei sub 1%”.

Selecție din clasamentul general, la 10 noiembrie 2026 (nivelul de raționament în paranteză):

* Zapier notează că Argon are preț promoțional, iar clasamentul folosește prețul de listă; la prețul promoțional, Argon ar costa 0,85 $ (High) și 0,77 $ (Medium). Pentru Carbon, nota nu spune nimic.

Google afirmă că Carbon e pe primul loc „la un cost per sarcină de peste 2 ori mai mic decât următorul cel mai bun model extern”: în tabelul Zapier, 2,12 $ față de 4,64 $ la Fable 5.2.

Pe funcții: unde câștigă Carbon și unde câștigă Argon

Ce reții:

• Carbon câștigă patru din șase funcții, de trei ori la Medium, nu la High. Nivelul maxim de raționament nu e automat cel mai bun.
• Argon câștigă Sales și HR. Pe vânzări și resurse umane, modelul mai puțin scump e cel puțin la fel de bun în acest test; calculul pe cost per sarcină e în Gemini 4 Carbon vs Gemini 4 Argon.
• Support și HR rămân sub 50%. Pe tichete de clienți și dosare de angajați, AI-ul pregătește, omul decide.

Finanțe: ce afirmă Google despre testele dinainte de lansare

Anunțul citează două evaluări din finanțe, rulate înainte de lansare de firme din domeniu:

• pe evaluarea E2E Financial Agentic a Hebbia, Carbon „a egalat performanța celui mai bun model testat”;
• pe General Financial Intelligence, evaluarea Balyasny Asset Management, Carbon a ieșit „pe primul loc din 23 de configurații de modele de frontieră”.

Sunt afirmații ale Google despre evaluări interne ale acestor firme; anunțul nu publică scorurile, sarcinile sau modelele comparate, iar noi nu le-am putut verifica. Semnal de direcție, nu dovadă.

Onestitatea: argumentul cel mai important pentru munca cu cifre

Pentru un contabil, cel mai periculos comportament al unui model nu e eroarea evidentă, ci cifra plauzibilă inventată ca să umple un gol. Pe un benchmark agentic de onestitate cu 375 de sarcini, potrivit anunțului Google:

• Carbon a trecut 92% din sarcini, față de 70% pentru Argon;
• a refuzat să completeze date experimentale lipsă în 98% din cazuri;
• a semnalat defecte metodologice în 68% din cazuri.

Traducerea pentru biroul tău: dacă îi dai un export cu o lună lipsă, comportamentul raportat este să-ți spună că lipsește, nu să-ți „estimeze” luna. O greșeală de metodă are șanse bune să fie semnalată, nu certitudine: 68% înseamnă că aproape o treime din defectele din test au trecut nesemnalate. Și testul vorbește despre date „experimentale”, din context științific; transferul la date contabile e plauzibil, nu demonstrat.

Limitele declarate în model card

Model card-ul Gemini 4 Carbon enumeră limitările cunoscute:

• Halucinații. Sunt pe lista limitărilor; onestitatea mai bună le reduce, nu le elimină.
• Cunoștințe până în martie 2026, în unele domenii mai puțin la zi. Modificările fiscale, cursurile valutare sau formularele apărute după aceea nu sunt în „memoria” modelului: le dai tu, în document, sau le verifici pe sursa oficială.
• Lentoare și timeout-uri ocazionale, plus mai mulți tokeni consumați la nivelurile mari de thinking (raționamentul dinaintea răspunsului).

Pe citirea graficelor (Chartography), model card-ul dă 72,5% pentru Carbon și 71,6% pentru Argon: practic egalitate. Diferența dintre ele apare la sarcinile lungi, cu mulți pași.

Trei fluxuri de lucru, pas cu pas

Cele trei fluxuri de mai jos sunt scenarii pedagogice: descriu cum organizezi munca, nu rezultate măsurate de noi. Carbon devine relevant când sarcina are multe fișiere, conținut vizual și mulți pași. Principiul comun: ceri calculul și sursa, nu doar rezultatul.

Fluxul 1: raportul lunar de management din export Excel și facturi PDF

Ce îi dai: exportul lunar din programul de contabilitate sau din ERP (.xlsx sau CSV), facturile PDF relevante (de exemplu cele peste un prag), raportul de luna trecută ca model de structură și câteva definiții: ce înseamnă „marjă” la voi, ce centre de cost există. Dacă interfața nu primește direct fișierul Excel, exporți foaia în CSV și copiezi formulele ca text (în Excel, fila Formule, „Afișare formule”).

Ce ceri:

Construiește raportul de management pentru octombrie 2026 pe structura
raportului atașat din septembrie. Folosește doar datele din fișierele atașate.
Pentru fiecare cifră, indică foaia și intervalul de celule sau factura din
care provine. Unde lipsesc date, scrie „lipsă” și nu estima. La final,
listează diferențele dintre totalul facturilor PDF și totalul din export.

Ce verifici tu:

• totalurile pe categorii, reconciliate cu balanța sau cu exportul original;
• trei–cinci cifre luate la întâmplare, urmărite până la sursa indicată;
• lista de diferențe export–facturi: o diferență zero pe sute de facturi e suspectă, nu liniștitoare;
• comentariile narative de tipul „creștere datorată…”: o explicație de cauză e o ipoteză a modelului, nu un fapt.

Refuzul raportat de a completa date lipsă contează aici, pentru că un raport lunar are aproape mereu ceva lipsă: o factură neînregistrată, o corecție venită târziu. Cum scrii partea narativă a unui raport financiar fără să-i lași modelului concluziile e subiectul lecției „Rapoarte Financiare Narative și Prezentări Automate cu AI” din cursul AI în Finanțe și Contabilitate.

Fluxul 2: un deck de 10 slide-uri din trei rapoarte

Ce îi dai: trei rapoarte PDF (vânzări, operațiuni, financiar pe trimestru), șablonul firmei sau captura unui slide-model, publicul și durata prezentării.

Ce ceri:

Propune o structură de 10 slide-uri pentru board, cu un singur mesaj pe slide.
Pentru fiecare slide: titlul formulat ca concluzie, cel mult trei puncte,
cifra-cheie cu sursa (raportul și pagina) și graficul recomandat.
Nu combina cifre din rapoarte diferite dacă perioadele nu coincid;
semnalează-mi unde nu coincid.

Ce verifici tu:

• fiecare cifră de pe slide, pe pagina indicată din raportul-sursă;
• perioadele: „T3” și „ultimele trei luni” nu sunt neapărat același lucru;
• graficele: axa care nu pornește de la zero, unitatea, legenda;
• titlurile-concluzie: sunt susținute de cifre sau doar sună bine?

Structura unei prezentări executive, de la mesajul principal la anexă, e tratată în lecția „Comunicare și Prezentări Executive cu AI” din cursul AI pentru Lideri de Business.

Fluxul 3: verificarea unei analize primite de la un furnizor

Situația: un consultant sau un furnizor îți trimite o analiză (un studiu de piață, un business case, o estimare de economii) cu un Excel de suport. Trebuie să decizi dacă te bazezi pe ea.

Ce îi dai: analiza în PDF, Excelul de suport și, dacă există, oferta comercială la care se referă.

Ce ceri:

Joacă rolul unui auditor sceptic. (1) Verifică dacă cifrele din PDF se
regăsesc în Excel și listează neconcordanțele. (2) Verifică formulele:
referințe greșite, intervale incomplete, valori scrise manual peste formule.
(3) Listează ipotezele nespuse și posibilele defecte de metodă (eșantion,
perioadă, comparații între lucruri diferite). (4) Formulează cinci întrebări
pentru furnizor. Nu corecta analiza; doar semnalează.

Ce verifici tu: fiecare neconcordanță semnalată, deschizând tu celula; apoi zonele unde modelul n-a semnalat nimic, pentru că, la 68%, o parte din defecte trec. Întrebările către furnizor le trimiți tu, după ce ai scos ce nu se susține. Cheia fluxului: îi ceri explicit să caute probleme, nu să confirme concluzia.

Checklistul înainte să trimiți ceva generat de AI

Indiferent de model, nimic nu pleacă fără lista de mai jos:

Regula simplă: dacă nu ai timp să faci verificarea, nu ai timp nici să trimiți documentul.

Unde îl folosești dacă nu ești developer

Aplicația Gemini și AI Mode în Search. Carbon e doar pentru abonații Google AI Ultra, cu lansare treptată de pe 10 noiembrie 2026. Pagina de planuri precizează „disponibil pentru abonații Google AI Ultra în anumite țări”; lista nu am putut-o verifica pentru România. Google AI Pro include Gemini 4 Argon, nu Carbon. Ce conține Ultra și dacă merită e în Google AI Ultra cu Gemini 4 Carbon: ce primești.

În firmă. Accesul trece prin Gemini for business (API sau meniul de modele) și prin Google Cloud. Documentația Google Cloud listează Carbon ca model disponibil general, în locația global și în multi-regiunile us și eu, cu controale pentru rezidența datelor, chei de criptare gestionate de client (CMEK) și perimetre de securitate (VPC-SC). Unde sunt procesate efectiv datele depinde de configurarea făcută de IT și de contract; nu presupune nimic implicit.

Gmail, Docs și Sheets. Anunțul Carbon nu enumeră Google Workspace printre canale. Cum funcționează Gemini acolo e în ghidul Gemini în Google Workspace.

Regula pentru date

Nu pui date de clienți, date personale (nume, coduri numerice personale, salarii, date medicale) sau informații confidențiale ale firmei într-un cont personal de consum, chiar dacă abonamentul Ultra e plătit: e un raport între tine și Google, nu între firmă și Google. Ordinea corectă: politica firmei întâi (ce unelte sunt aprobate, cu ce date), apoi contul de firmă configurat de IT, abia apoi alegerea modelului. Pentru teste lucrezi pe date anonimizate sau sintetice. Diferența dintre un cont de consum și unul enterprise, cu acordul de prelucrare a datelor și păstrarea lor, e tratată în lecția „Tier public vs Enterprise” din cursul de analiză de date amintit mai sus.

Întrebări frecvente

Ce este benchmark-ul MKA? Multimodal Knowledge Agent este un test construit de Google DeepMind cu Artificial Analysis: 200 de sarcini de 3–8 ore pe fișiere vizual complexe, fiecare notată pe aproximativ 70 de verificări da/nu (75% acuratețe, 25% design) de un evaluator automat cu care experții au fost de acord în 96% din cazuri.

Este Gemini 4 Carbon cel mai bun model pentru rapoarte și Excel? Nu pe toate testele. Pe MKA e pe locul 2 cu 54%, după Claude Fable 5.2 (57%) și înaintea lui Claude Opus 5.5 (53%); pe AutomationBench e primul, cu 53,88%. Diferențele sunt de câteva puncte, deci decide o probă pe sarcinile tale.

Pot folosi Gemini 4 Carbon în aplicația Gemini pentru munca de birou? Da, cu Google AI Ultra; lansarea e treptată, iar disponibilitatea depinde de țară. Google AI Pro include Gemini 4 Argon. În firmă, accesul trece prin Gemini for business sau Google Cloud.

Inventează Gemini 4 Carbon cifre când lipsesc date? Pe benchmark-ul de onestitate raportat de Google, a refuzat să completeze date lipsă în 98% din cazuri, nu în toate. Model card-ul trece halucinațiile printre limitări, iar cunoștințele se opresc în martie 2026. Orice cifră se reconciliază cu sursa.

Pot pune datele firmei în Gemini 4 Carbon? Nu într-un cont personal de consum. Datele de clienți și cele personale merg doar în uneltele aprobate de firmă, pe contul de business. Google Cloud oferă Carbon și în multi-regiunea eu, dar configurarea și contractul decid unde sunt procesate datele.

Concluzie

Gemini 4 Carbon e unul dintre cele mai bune modele de azi pentru munca de birou cu multe fișiere: locul 2 pe MKA, aproape de Claude Fable 5.2 și, după Google, la un cost mediu de 6 ori mai mic; locul 1 pe AutomationBench, cu patru din șase funcții câștigate. Pentru cine lucrează cu cifre, argumentul cel mai solid e onestitatea raportată: refuzul de a inventa date lipsă.

Limitele sunt la fel de clare: niciun model nu trece de 60% pe MKA, Argon câștigă vânzările și HR-ul, halucinațiile rămân, iar accesul de consum e doar pe Ultra. Modelul îți dă o primă versiune bună; verificarea cifrelor, a formulelor și a surselor rămâne a ta.

Surse

• Google, „Gemini 4 Carbon is now available”: https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/
• Google, articolul despre benchmark-ul Multimodal Knowledge Agent: https://blog.google/innovation-and-ai/models-and-research/gemini-models/multimodal-knowledge-agent-benchmark/
• Artificial Analysis, „MKA”: https://artificialanalysis.ai/evaluations/mka
• Hugging Face, setul public MKA: https://huggingface.co/datasets/google/multimodal-knowledge-agent
• Zapier, „AutomationBench”: https://zapier.com/benchmarks
• Google DeepMind, „Gemini 4 Carbon Model Card”: https://storage.googleapis.com/deepmind-media/Model-Cards/Gemini-4-Carbon-Model-Card.pdf
• Google Cloud, „Gemini 4 Carbon”: https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/gemini/4-carbon
• Google One, „Planuri Google AI”: https://one.google.com/about/google-ai-plans

Verificat la 10 noiembrie 2026 pe anunțul Google, model card-ul Gemini 4 Carbon, paginile MKA ale Google și Artificial Analysis, clasamentul AutomationBench al Zapier, documentația Google Cloud și pagina planurilor Google AI. Evaluările Hebbia și Balyasny și benchmark-ul de onestitate sunt raportate de Google, nereproduse independent; fluxurile de lucru sunt scenarii pedagogice. Conținutul are caracter informativ.