Google DeepMind heeft Gemini 4 Carbon gepresenteerd, dat het beschrijft als zijn meest krachtige model tot nu toe. Ontworpen voor agentische codering over lange periodes en voor cybersecurityverdediging, staat het aan de top van de Artificial Analysis Intelligence Index v5.0 met een score van 59. De toegang blijft echter beperkt: het model wordt eerst opengesteld voor een groep geverifieerde cyberverdedigers, en niet voor de publieke API.
Volgens Google is Gemini 4 Carbon het tweede model in de Gemini 4-familie, na Gemini 4 Argon. De groep bestemt het voor complexe en langdurige engineeringtaken. Zijn interne teams geven aan dat ze Carbon dagenlang aan één taak hebben zien werken, bijvoorbeeld om de oorsprong van subtiele bugs in uitgebreide codebases en low-level systemen te identificeren en vervolgens te corrigeren. Google zegt ook het model te hebben verfijnd voor volledige webontwikkeling en multimodale begripsvorming. Op WebDev Arena wint het 89 Elo-punten en bereikt het de vierde plaats met 1769 punten.
Resultaten gepubliceerd over zeventien benchmarktests
In zijn lanceringartikel publiceert Google een tabel met zeventien indicatoren, waaruit blijkt dat Gemini 4 Carbon op vijftien daarvan aan de top staat, tegenover Gemini 4 Argon, GPT-6 Astra, Claude Opus 5.5 en Claude Fable 5.1. Het model is geëvalueerd op de hoogste redeneerinstelling. De scores van de concurrenten zijn grotendeels door elke uitgever opgegeven.
In agentische codering behaalt Carbon 65,2% op Terminal-Bench 4.0 (AA), tegen 59,6% voor Claude Opus 5.5. Op FrontierSWE is het echter GPT-6 Astra dat het model voorblijft, met 65,5% tegen 61,2%. Het model bereikt 77,4% op Agents’ Last Exam v1.1. Op GraphWalks, een test met contexten van 256.000 tot 1 miljoen tokens (teksteenheden verwerkt door het model), scoort het 96,2%, tegen 71,8% voor GPT-6 Astra.
Het cybersecurityaspect neemt een centrale plaats in. Google presenteert het model als zijnde het hele verdedigingscyclus dekkend: een kwetsbaarheid vinden, valideren en vervolgens corrigeren. De evaluaties zijn uitgevoerd zonder veiligheidsmaatregelen. Carbon behaalt 88,2% op SEC-bench Pro, tegen 85,4% voor GPT-6 Astra, 54,8% op ExploitGym, tegen 42,4% voor GPT-6 Astra en 34,5% voor Opus 5.5, en 71,0% op de CWE-bench van Collinear, tegen 68,0% voor Argon en GPT-6 Astra. Google preciseert zelf de scores van SEC-bench Pro en ExploitGym te hebben berekend, met zijn eigen evaluatieomgeving, Antigravity. Volgens het bedrijf vond het Chrome-team de door Carbon geproduceerde patches meer dan tien keer beter dan die van een model van een ander lab, en geeft Wiz aan dat het model aan de top staat van zijn webtests voor inbraak.
Google noemt ook verbeteringen op het gebied van gedragsveiligheid van het model. Het slagingspercentage van pogingen tot valsspelen op Terminal-Bench 4.0 daalt tot 0,0%, en ernstige misalignment-waarschuwingen zouden met ongeveer 80% zijn gedaald in interne codeeromgevingen. Op de Indirect Prompt Injection-test van Gray Swan daalt het succesvolle aanvalspercentage van 0,7% voor Argon naar 0,0%. Google benadrukt dat deze cijfers afkomstig zijn van eigen metingen en dat er nog geen onafhankelijke replicatie beschikbaar is.
Een gefaseerde toegang, introductieprijzen
Google neemt deel aan het vrijwillige voorpublicatietestproces dat door de Amerikaanse overheid is opgezet. In eerste instantie heeft alleen een subset van cyberverdedigers toegang. Andere vertrouwde partners volgen in het kader van het Fairwind-programma, dat voorrang geeft aan overheden, beheerders van kritieke infrastructuur en grote technologieplatforms. Ontwikkelaars, bedrijven en particulieren moeten wachten, zonder aangekondigde datum. Google geeft aan dat dit « zo snel mogelijk » zal zijn.
Het tarief volgt dat van Argon in de introductiefase: 2 dollar per miljoen tokens invoer en 10 dollar per miljoen uitvoer. Na deze periode gaan de prijzen naar 4 en 20 dollar. Ingevoerde gegevens in cache krijgen een korting van 95%.
