Google DeepMind ha presentato Gemini 4 Carbon, che descrive come il suo modello più performante fino ad oggi. Progettato per la codifica agentica di lunga durata e per la difesa nella cybersecurity, si colloca al primo posto dell’Artificial Analysis Intelligence Index v5.0, con un punteggio di 59. L’accesso rimane tuttavia limitato: il modello viene inizialmente aperto a un gruppo verificato di difensori cyber, e non all’API pubblica.
Secondo Google, Gemini 4 Carbon è il secondo modello della famiglia Gemini 4, dopo Gemini 4 Argon. Il gruppo lo destina a compiti di ingegneria complessi e di lunga durata. I suoi team interni indicano di aver visto Carbon lavorare per diversi giorni su un singolo compito, in particolare per identificare l’origine di bug sottili in vaste basi di codice e in sistemi di basso livello, per poi correggerli. Google indica anche di aver affinato il modello per lo sviluppo web completo e la comprensione multimodale. Su WebDev Arena, guadagna 89 punti Elo e raggiunge la quarta posizione con 1769 punti.
Risultati pubblicati su diciassette benchmark
Nel suo articolo di lancio, Google pubblica una tabella di diciassette indicatori, secondo la quale Gemini 4 Carbon si colloca al primo posto su quindici di essi, confrontandosi con Gemini 4 Argon, GPT-6 Astra, Claude Opus 5.5 e Claude Fable 5.1. Il modello è stato valutato con l’impostazione di ragionamento più elevata. I punteggi dei concorrenti sono, per la maggior parte, dichiarati da ciascun editore.
Nella codifica agentica, Carbon ottiene il 65,2% su Terminal-Bench 4.0 (AA), contro il 59,6% di Claude Opus 5.5. Su FrontierSWE, è invece GPT-6 Astra a superare il modello, con il 65,5% contro il 61,2%. Il modello raggiunge il 77,4% su Agents’ Last Exam v1.1. Su GraphWalks, test che riguarda contesti da 256.000 a 1 milione di token (unità di testo elaborate dal modello), registra il 96,2%, contro il 71,8% di GPT-6 Astra.
La componente cybersecurity occupa un posto centrale. Google presenta il modello come in grado di coprire l’intero ciclo di difesa: trovare una vulnerabilità, convalidarla e poi correggerla. Le valutazioni sono state condotte senza protezioni. Carbon ottiene l’88,2% su SEC-bench Pro, contro l’85,4% di GPT-6 Astra, il 54,8% su ExploitGym, contro il 42,4% di GPT-6 Astra e il 34,5% di Opus 5.5, e il 71,0% sul CWE-bench di Collinear, contro il 68,0% di Argon e GPT-6 Astra. Google precisa di aver calcolato personalmente i punteggi di SEC-bench Pro e ExploitGym, con il proprio ambiente di valutazione, Antigravity. Secondo l’azienda, il team Chrome ha giudicato le correzioni prodotte da Carbon oltre dieci volte migliori di quelle di un modello di un altro laboratorio, e Wiz indica che il modello è al primo posto nei suoi test di intrusione web.
Google avanza anche miglioramenti nella sicurezza comportamentale del modello. Il tasso di successo dei tentativi di inganno su Terminal-Bench 4.0 scende allo 0,0%, e gli allarmi per disallineamenti di alta gravità sarebbero diminuiti di circa l’80% negli ambienti di codifica interni. Sul test Indirect Prompt Injection di Gray Swan, il tasso di attacco riuscito passa dallo 0,7% di Argon allo 0,0%. Google sottolinea che queste cifre provengono dalle sue misurazioni e che non sono ancora disponibili repliche indipendenti.
Un accesso graduale, prezzi di lancio
Google partecipa al processo volontario di test prima della pubblicazione istituito dal governo statunitense. Inizialmente, solo un sottoinsieme di difensori cyber vi ha accesso. Altri partner fidati seguiranno nell’ambito del programma Fairwind, che privilegia governi, operatori di infrastrutture critiche e grandi piattaforme tecnologiche. Sviluppatori, aziende e privati dovranno attendere, senza una data annunciata. Google indica che ciò avverrà «il prima possibile».
La tariffa riprende quella di Argon nella fase di lancio: 2 dollari per milione di token in ingresso e 10 dollari per milione in uscita. Dopo questo periodo, i prezzi passeranno a 4 e 20 dollari. Gli input memorizzati nella cache beneficiano di uno sconto del 95%.
