В пользовательском задании с пиксельным тираннозавром Carbon получила 9,5 из 10, а Opus 5.5 – 9,3, но это личные оценки одного автора. Официальная таблица Google охватывает 17 тестов: Carbon улучшает результаты Argon, однако уступает конкурентам в FrontierSWE 2 и OSWorld-2.1. Качество интерфейсов всё ещё критикуют