Google DeepMindは、これまでで最も高性能なモデルと位置づける「Gemini 4 Carbon」を発表した。 長期間にわたるエージェントコーディングとサイバーセキュリティ防御向けに設計され、Artificial Analysis Intelligence Index v5.0で59点を獲得し首位となった。ただしアクセスは制限されており、モデルはまず検証済みのサイバー防御担当者グループに開放され、パブリックAPIには対応していない。
Googleによると、Gemini 4 CarbonはGemini 4 Argonに続くGemini 4ファミリー第2のモデルだ。同社はこれを複雑で長期にわたるエンジニアリングタスク向けとしている。社内チームは、Carbonが単一タスクに数日間取り組み、大規模なコードベースや低レベルシステムにおける微妙なバグの原因を特定し修正する様子を観察したと報告している。Googleはまた、モデルをフルスタックWeb開発とマルチモーダル理解向けに調整したと述べている。WebDev Arenaでは89Eloポイントを獲得し、1769ポイントで4位にランクインした。
17のベンチマークテストで公開された結果
発表記事においてGoogleは、17の指標からなる表を公開し、Gemini 4 Carbonがそのうち15指標で、Gemini 4 Argon、GPT-6 Astra、Claude Opus 5.5、Claude Fable 5.1を上回り首位に立ったとしている。モデルは最高の推論設定で評価された。競合他社のスコアは、大半が各ベンダーによって報告されたものである。
エージェントコーディングでは、CarbonはTerminal-Bench 4.0 (AA)で65.2%を獲得し、Claude Opus 5.5の59.6%を上回った。一方、FrontierSWEではGPT-6 Astraが65.5%でモデルを61.2%でリードした。モデルはAgents’ Last Exam v1.1で77.4%を達成。256,000から100万トークンというコンテキスト長を扱うGraphWalksでは96.2%を記録し、GPT-6 Astraの71.8%を上回った。
サイバーセキュリティ分野は中心的な位置を占める。Googleはこのモデルが、脆弱性の発見、検証、修正という防御サイクル全体をカバーすると説明している。評価はガードレールなしで実施された。CarbonはSEC-bench Proで88.2%（GPT-6 Astraは85.4%）、ExploitGymで54.8%（GPT-6 Astraは42.4%、Opus 5.5は34.5%）、CollinearのCWE-benchで71.0%（ArgonとGPT-6 Astraは68.0%）を獲得した。Googleは、SEC-bench ProとExploitGymのスコアを自社の評価環境「Antigravity」を用いて独自に算出したと補足している。同社によれば、ChromeチームはCarbonが生成する修正パッチを、他研究所のモデルのものより10倍以上優れていると評価し、Wizは同モデルが自社のWeb侵入テストで首位に立ったと報告している。
Googleはまた、モデルの行動安全性における向上も主張している。Terminal-Bench 4.0での不正試行成功率は0.0%に低下し、社内コーディング環境における重大なミスアライメントアラートは約80%減少したとされる。Gray SwanのIndirect Prompt Injectionテストでは、攻撃成功率がArgonの0.7%から0.0%に低下した。Googleは、これらの数値は自社測定によるものであり、独立した再現検証はまだ行われていないと強調している。
段階的なアクセスと導入価格
Googleは米国政府が実施する自主的な事前公開テストプロセスに参加している。当初はサイバー防御担当者の一部サブセットのみがアクセス可能となる。その後、政府、重要インフラ事業者、大規模テクノロジープラットフォームを優先する「Fairwind」プログラムの枠組みで、他の信頼できるパートナーが続く。開発者、企業、一般個人は、発表された日付なしで待たなければならない。Googleは「可能な限り早期に」対応すると述べている。
価格は導入期のArgonと同様で、入力100万トークンあたり2ドル、出力100万トークンあたり10ドルとなる。この期間終了後、価格はそれぞれ4ドル、20ドルに変更される。キャッシュされた入力には95%の割引が適用される。
