Google DeepMind представил Gemini 4 Carbon, который компания называет своей самой мощной моделью на сегодняшний день. Разработанный для агентного программирования в течение длительных периодов и для кибербезопасности, он возглавляет Artificial Analysis Intelligence Index v5.0 с результатом 59. Однако доступ остаётся ограниченным: модель сначала открыта для проверенной группы специалистов по кибербезопасности, а не для публичного API.
По данным Google, Gemini 4 Carbon является второй моделью в семействе Gemini 4 после Gemini 4 Argon. Компания предназначила её для сложных и длительных инженерных задач. Внутренние команды Google сообщают, что видели, как Carbon работал в течение нескольких дней над одной задачей, в частности, для выявления источника незаметных багов в обширных кодовых базах и низкоуровневых системах с последующим их исправлением. Google также сообщает, что доработал модель для полной веб-разработки и мультимодального понимания. На WebDev Arena она набирает 89 очков Эло и занимает четвёртое место с 1769 баллами.
Опубликованные результаты по семнадцати бенчмаркам
В своей анонсирующей статье Google публикует таблицу из семнадцати показателей, согласно которой Gemini 4 Carbon лидирует по пятнадцати из них, опережая Gemini 4 Argon, GPT-6 Astra, Claude Opus 5.5 и Claude Fable 5.1. Модель оценивалась с настройками рассуждений самого высокого уровня. Результаты конкурентов в большинстве случаев объявлены самими разработчиками.
В агентном программировании Carbon набирает 65,2% на Terminal-Bench 4.0 (AA) против 59,6% у Claude Opus 5.5. На FrontierSWE, однако, GPT-6 Astra опережает модель с результатом 65,5% против 61,2%. Модель достигает 77,4% на Agents’ Last Exam v1.1. На GraphWalks, тесте с контекстом от 256 000 до 1 миллиона токенов (единиц текста, обрабатываемых моделью), она показывает 96,2% против 71,8% у GPT-6 Astra.
Аспект кибербезопасности занимает центральное место. Google представляет модель как охватывающую весь цикл защиты: поиск уязвимости, её проверку и последующее исправление. Оценки проводились без защитных ограничений. Carbon набирает 88,2% на SEC-bench Pro против 85,4% у GPT-6 Astra, 54,8% на ExploitGym против 42,4% у GPT-6 Astra и 34,5% у Opus 5.5, а также 71,0% на CWE-bench от Collinear против 68,0% у Argon и GPT-6 Astra. Google уточняет, что самостоятельно рассчитал результаты для SEC-bench Pro и ExploitGym, используя собственную среду оценки Antigravity. По словам компании, команда Chrome сочла исправления, созданные Carbon, более чем в десять раз лучше, чем у модели из другой лаборатории, а Wiz сообщает, что модель лидирует в их тестах на веб-проникновение.
Google также заявляет об улучшениях в области безопасности поведения модели. Уровень успешных попыток обмана на Terminal-Bench 4.0 упал до 0,0%, а серьёзные предупреждения о смещении целей, по сообщениям, сократились примерно на 80% во внутренних средах программирования. На тесте Indirect Prompt Injection от Gray Swan уровень успешных атак снизился с 0,7% для Argon до 0,0%. Google подчёркивает, что эти цифры получены из собственных измерений компании и независимого воспроизведения пока нет.
Постепенный доступ, вводные цены
Google участвует в добровольном процессе предрелизного тестирования, установленном правительством США. На первом этапе доступ есть только у подмножества специалистов по кибербезопасности. Другие доверенные партнёры присоединятся позже в рамках программы Fairwind, которая отдаёт приоритет правительствам, операторам критической инфраструктуры и крупным технологическим платформам. Разработчикам, компаниям и частным лицам придётся подождать без объявленных сроков. Google заявляет, что это произойдёт «как можно скорее».
Цены соответствуют вводным ценам для Argon: 2 доллара за миллион входных токенов и 10 долларов за миллион выходных. После этого периода цены вырастут до 4 и 20 долларов соответственно. Кэшированные входные данные получают скидку 95%.
