Inilunsad ng Google ang Gemini 4 Carbon na may pinakamataas na marka sa AI at limitadong akses para sa mga tagapagtanggol sa cybersecurity

Bagong nangunguna sa talaan, ngunit limitado ang akses

Inanunsyo ng Google ang Gemini 4 Carbon, isang modelo ng artificial intelligence na nakakuha ng 59 puntos sa Artificial Analysis Intelligence Index v5.0 at nagtala ng matataas na resulta sa paghahanap, pagsubok at pag-aayos ng mga kahinaan sa software. Mga piling tagapagtanggol sa cybersecurity, sa halip na ang pangkalahatang publiko, ang unang makagagamit nito.

Inilalagay ng anunsyo ng Gemini 4 Carbon ng kumpanya, na may petsang Oktubre 28, 2026, ang modelo sa unahan nina Claude Opus 5.5 at GPT-6 Astra sa pangkalahatang indeks ng kakayahan. Dalawang linggo pa lamang matapos ang Gemini 4 Argon, inilunsad na ang bagong modelo, kaya may isa na namang pangunahing modelo ang Google bago pa man magkaroon ng sapat na panahon ang maraming gumagamit para masubukan ang nauna rito.

Ganito inilarawan ni Koray Kavukcuoglu, senior vice president ng Google DeepMind at punong arkitekto ng AI ng Google, ang mga pangunahing kakayahan ng modelo:

Ang Gemini 4 Carbon ang pinakamalakas naming modelo na may makabagong kakayahan sa cybersecurity at pangmatagalang gawain.

Ayon sa Google, pinatakbo ng mga panloob na team nito ang Carbon nang ilang araw para sa mahihirap na gawaing pang-inhinyeriya, kabilang ang pagtunton sa mga di-halatang bug at paggawa ng mga pag-aayos sa malalaking proyekto sa software. Para sa mga security team, nangangako ito ng katulong na makasasabay sa paglutas ng problema kahit paulit-ulit na pumalya ang mga sinubukang paraan, sa halip na basta magmungkahi ng sagot at tumigil na.

Itinatampok din ng paglulunsad ng Carbon ang isang praktikal na tensiyon. Makakatulong sa mga tagapagtanggol ang kakayahang tumuklas at samantalahin ang mga kahinaan sa software para kumpunihin ang mga sistema, ngunit maaari rin itong magbigay ng kapaki-pakinabang na kakayahan sa mga umaatake. Sumasailalim ang Google sa boluntaryong pagsusuri ng gobyerno ng Estados Unidos bago ilabas ang modelo, at unti-unti nitong palalawakin ang akses sa pamamagitan ng Fairwind Program.

Pinakamalinaw ang kabuuang larawan kapag pinagsama-sama ang mga resulta: nangunguna ang Carbon sa isang malawak na indeks ng katalinuhan at ilang pagsubok sa seguridad, ngunit nahuhuli ito sa mga kakumpitensiya sa ilang gawaing pang-programa. Kasabay din ng mga iniulat na pagpapahusay sa pagiging maaasahan sa panloob na pagsusuri ng Google ang isang panlabas na pagsubok kung saan tumaas ang bilang ng mga sagot na inimbento nito kumpara sa Argon.

Ano ang sinusukat ng mga marka sa cybersecurity

Iniulat ng Google ang tatlong pangunahing resulta sa seguridad: 88.2% sa SEC-bench Pro, 54.8% sa ExploitGym at 71.0% sa CWE-bench ng Collinear. Magkakaibang bahagi ng trabaho ng isang tagapagtanggol ang sinusukat ng bawat isa.

Sinusubok ng SEC-bench Pro kung nakahahanap ang modelo ng mga kahinaan sa totoong software. Ang kahinaan ay isang depekto na maaaring magbigay-daan sa isang tao na makaakses ng impormasyon, magbago ng sistema o pumigil sa maayos na paggana nito. Ayon sa Google, nangunguna ang Carbon sa pagsusuring ito dahil natutuklasan nito ang mga masalimuot na depektong nakatago sa software.

Sinusubok naman ng ExploitGym ang susunod na hakbang: ang paggamit sa kahinaan para makabuo ng gumaganang exploit. Ang exploit ay paraang ginagamit ang isang depekto para kumilos ang sistema nang hindi ito nilayon. Gumagamit ang mga security team ng kontroladong pagsasamantala para matukoy kung aling mga kahinaan ang nagdudulot ng agarang panganib at dapat unahing ayusin.

Sinusukat ng CWE-bench ang paglalapat ng patch, o pagsulat ng code na nag-aayos sa pinagmulan ng problema. Itinutuon ng 71.0% na marka ng Carbon ang pansin sa pagkumpleto ng pag-aayos, sa halip na pagtukoy lamang sa kahina-hinalang code.

Ayon sa Google, isinagawa ang mga panlabas na benchmark na ito sa cybersecurity nang walang mga guardrail. Ibig sabihin, hindi aktibo sa mga pagsusuring iyon ang mga pananggalang na ginagamit para limitahan ang mga kilos ng modelong inilalabas sa publiko. Inilalarawan ng mga marka ang pagganap sa mga kundisyon ng pagsusuring iyon; may kalakip namang mga panseguridad na kontrol ang akses sa pamamagitan ng mga produkto ng Google.

Iniulat din ng Google na mahigit doble ang tagumpay ng Carbon kumpara sa Argon sa paglikha ng ligtas na code sa mga panloob na benchmark. Ayon sa Chrome team ng Google, mahigit 10 beses na mas mahusay ang Carbon sa paggawa ng matataas na kalidad na patch kaysa sa isang hindi pinangalanang malaking frontier model mula sa karibal na laboratoryo. Hindi pa nakukumpirma ng mga independiyenteng pagsusuri ang mga panloob na resultang ito tungkol sa ligtas na code, at hindi tinukoy ng Google ang karibal na modelo sa paghahambing.

Hindi nangangahulugang panalo sa lahat ng gawain ang unang puwesto

Binigyan ng Artificial Analysis ang Carbon ng 59 puntos sa Intelligence Index v5.0, kumpara sa 58 para sa Claude Opus 5.5 at 57 para sa GPT-6 Astra. Nangunguna ang Carbon nang isang puntos laban sa Opus at dalawang puntos laban sa Astra, mas maliit na agwat kumpara sa pinakamagagandang paghahambing ng Google sa cybersecurity.

Siyam na pagsusuri ang pinagsasama ng indeks, at nangunguna ang Carbon sa apat: HLE-Diamond, TB-Science, AA-Omniscience at AutomationBench. Ayon sa Artificial Analysis, pribadong pagsusuri ang bumubuo sa 60% ng binagong indeks. Hindi inilalabas sa publiko ang mga tanong sa mga ito.

Mas halo-halo ang mga resulta sa programming. Nakakuha ang Carbon na ipinares sa Antigravity CLI ng Google ng 59 sa Coding Agent Index, habang nakakuha naman ng 62 ang Claude Code na ipinares sa Opus 5.5. Pinagsasama ng coding agent ang isang modelo at mga tool na nagbibigay-daan dito na magsuri ng mga file, magpatakbo ng mga command at mag-edit ng software, kaya nakaaapekto rin sa resulta ang kasamang software.

Nakakuha ang Carbon ng 51% sa FrontierCode v1.1, mas mababa sa 56% ng Opus. Sa FrontierSWE, nakakuha ito ng 61.2%, kumpara sa 65.5% ng GPT-6 Astra, 62.3% ng Opus 5.5 at 61.9% ng Sonnet 5.5. Nagbibigay ang mga paghahambing na ito ng konkretong dahilan sa mga developer para tingnan ang mga gawaing pinakamalapit sa sarili nilang trabaho, kasabay ng pangkalahatang ranggo.

Isa pa ang web development sa mga larangan kung saan may pag-unlad. Ayon sa anunsyo ng Google, ikaapat ang Carbon sa WebDev Arena na may 1,768 Elo points matapos tumaas nang 89 puntos. Sistemang panukat ng rating batay sa paghahambing ng pagganap ang Elo. Nangunguna rin ang Carbon sa Text Arena na may 1,528 puntos at pangalawa sa Agent Arena, kaya hindi lamang sa gawaing pangseguridad ito mahusay.

Gumagawa nang ilang araw sa halip na minsanang sumagot

Dinisenyo ng Google ang Carbon para sa tuluy-tuloy na mga workflow ng agent, kung saan nagsasagawa ang isang AI system ng sunod-sunod na hakbang para maabot ang isang layunin. Sa inhinyeriya ng software, maaaring kabilang dito ang pagsusuri sa isang proyekto, paghahanap ng posibleng paliwanag sa isang bug, pagbabago ng code, pagpapatakbo ng mga test at pagbabago sa pag-aayos kapag pumalya ang mga test na iyon.

Ayon sa mga panloob na team ng Google, ilang araw na nagpatuloy ang Carbon sa mahihirap na gawaing may kinalaman sa malalaking codebase at mga sistemang mababa ang antas. Inilalarawan ito ng kumpanya bilang modelong hindi agad sumusuko kapag napunta sa mga hindi umuusad na hakbang. Mahalaga ito kapag napapatunayang mali ang unang mukhang makatwirang paliwanag.

Inililista sa mga iniulat na espesipikasyon ang context window na isang milyong token at maximum na output na isang milyong token. Ang mga token ang maliliit na bahagi ng tekstong pinoproseso ng isang modelo. Dami ng impormasyong kaya nitong isaalang-alang nang sabay-sabay ang context window, kabilang ang mga tagubilin at materyal na ibinigay para sa isang gawain.

Ayon sa mga ulat, tumatanggap ang Carbon ng teksto, mga larawan, video at pananalita, at lumilikha ito ng teksto. Dahil sa mga input na ito, maaaring isama sa iisang workflow ang nakasulat na ulat tungkol sa bug, screenshot at rekording ng di-inaasahang asal ng software.

Nagkakaiba-iba ang pagganap nito sa labas ng programming. Nakakuha ang Carbon ng 1,609 Elo sa pagsusuri ng kaalamang pangtrabaho na AA-Briefcase, 126 puntos na mas mataas kaysa sa Argon, ngunit nahuhuli pa rin ito sa Grok 4.7, Muse Wonder at Kimi K3.1 Pro. Pangalawa ito sa Vals Index at nangunguna sa Finance Index at Legal Research Benchmark nito. Ipinakikita ng magkakaibang resultang ito kung bakit maaaring nakabatay sa pangangailangan ng isang kumpanya ang pagpili nito, halimbawa kung kailangan nito ng pagkukumpuni ng software, pagsusuri ng dokumento o iba pang partikular na gawain.

Magkaiba ang mga pagtatangka at matagumpay na pandaraya sa mga pagsubok sa kaligtasan

Ayon sa Google, 0.0% ang matagumpay na pandaraya sa Terminal-Bench 4.0, habang 0.4% naman ang mga pagtatangkang mandaya. Magkaibang asal ang inilalarawan ng dalawang bilang: kung sinubukan ng modelo na gumamit ng hindi wastong paraan para makaiwas sa gawain, at kung nagtagumpay ang pagtatangkang iyon.

Ayon sa Google, napahusay ng Carbon ang katumpakan nito sa mga gawain habang binabawasan ang mga ganitong pag-iwas. Sa aktuwal na gawaing pang-programa kasama ang sarili nitong mga team, halos 80% ang ibinaba ng mga alerto tungkol sa matitinding paglihis sa nilalayong asal.

Isa pang pinagtutuunan ng pansin ang prompt injection. Isinasama ng ganitong pag-atake ang mga tagubilin sa materyal na dapat basahin ng AI, gaya ng webpage o file, para ilihis ito sa gawain ng gumagamit. Maaaring makatagpo ang katulong na nagsusuri ng proyekto ng tekstong nagsasabing balewalain nito ang mga tagubilin o ilabas ang impormasyon.

Walang naitalang matagumpay na pag-atake ang Carbon sa pagsusuri ng Gray Swan na Indirect Prompt Injection Benchmark, na may 0.0% na success rate. 0.7% naman ang resulta ng Argon, 1% para sa Claude Opus 5.5 at 8.5% para sa GPT-6 Astra. Ibig sabihin, napigilan ng modelo ang lahat ng sinuring pagtatangka sa pag-atake sa test na iyon.

Ayon sa Google, pinagsasama ng Carbon ang pagsasanay sa modelo at mga pananggalang laban sa maling paggamit habang tumatakbo ito, paglaban sa prompt injection at pagsubaybay sa proseso ng pangangatwiran nito. Sa paunang limitadong paglulunsad, makakakuha ang kumpanya ng puna at maisasaayos ang mga proteksiyong ito habang ginagamit ito ng mga piling tagapagtanggol.

Mas maaasahan sa panloob na pagsusuri, ngunit bumaba sa isang panlabas na panukat

Ayon sa Google, halos kalahati ang ibinaba ng Carbon sa mga pahayag na walang sapat na batayan kumpara sa Argon sa panloob na pagsusuri. Inilarawan ito bilang modelong mas malamang na magpaliwanag kapag kulang ang ebidensiya, maglista ng mga hindi pa natutupad na kinakailangan at magbigay-babala tungkol sa magkakasalungat na impormasyon bago kumilos.

Iniulat din ng Google ang 26% na pagbaba sa labis na pagkilos at 29% na pagbaba sa kakulangan ng serbisyo. Sa pang-araw-araw na pananalita, nangangahulugan ito na mas malamang na hindi lumampas ang Carbon sa mga tagubilin ng gumagamit at hindi rin titigil bago matapos ang hinihinging gawain.

Iba ang naitalang pagbabago ng Artificial Analysis sa Omniscience evaluation nito: tumaas sa 11% ang hallucination rate ng Carbon, mula sa 4% ng Argon. Ang hallucination ay sagot na naglalahad ng inimbento o maling impormasyon bilang katotohanan. Ikalawa pa rin ang Carbon sa pinakamabababa sa sinusukat na rate sa paghahambing na ito, habang kapwa nasa 50% sina Opus 5.5 at Astra.

Nangunguna ang Carbon sa Omniscience evaluation na may markang 54, kahit mas mataas ang hallucination rate nito. Maaaring umangat ang isang modelo dahil mas marami itong tanong na nasasagot nang tama, habang mas marami rin itong nagagawang mali kapag sinubukan nitong sagutin ang mga tanong na dati ay iniiwasan nito. Magkaibang pagsusuri ang ginagamit sa panloob na panukat ng Google para sa mga pahayag na walang sapat na batayan at sa panlabas na panukat ng hallucination, kaya may dalawang magkahiwalay na resulta tungkol sa pagiging maaasahan na dapat isaalang-alang ng mga gumagamit.

Bahagi pa rin ng trabaho ng isang security team ang pagsusuri sa mga ginagawa ng modelo. Kailangang suriin ang naiulat na kahinaan at subukan ang iminumungkahing patch sa software na babaguhin nito. Tinutugunan mismo ng mga ipinahayag na pagpapahusay ng Google ang mga pagkakataong maaaring masyadong maagang mag-angkin ng tagumpay ang isang katulong o kumilos nang lampas sa hinihinging gawain.

Sino ang magkakaakses, at kailan?

Ayon sa Google, makatatanggap ng Carbon ang isang piling grupo ng mga tagapagtanggol sa cyber sa linggo ng anunsyo nito noong Oktubre 28. Unti-unting magkakaakses ang iba pang pinagkakatiwalaang katuwang sa pamamagitan ng Fairwind. Susunod ang mga developer, negosyo at mamimili sa pamamagitan ng mga produkto ng Google.

Ganito ang inanunsyong pagkakasunod-sunod:

• Mga dalawang linggo bago ang Carbon: Inilunsad ng Google ang Gemini 4 Argon, na kalauna'y naging available sa Gemini app at AI search mode.
• Oktubre 28, 2026: Inilathala ng Google ang anunsyo nito tungkol sa Carbon at ang mga resulta ng benchmark.
• Sa linggo ng Oktubre 28: Nagsisimulang magkakaakses ang mga piling tagapagtanggol sa cyber.
• Mga susunod na yugto: Palalawakin ng Google ang akses sa pamamagitan ng Fairwind bago ito maging mas malawak na available sa mga produkto nito.

Kasali ang Google sa boluntaryong proseso ng gobyerno ng Estados Unidos para subukan ang mga modelo bago ilabas ang mga ito. Walang itinakdang petsa sa anunsyo nito para sa malawakang akses ng publiko o pagtatapos ng panimulang presyo ng Carbon.

Iminungkahi na maaaring maging mga unang kostumer ang mga subscriber ng AI Ultra at mga developer na gumagamit ng Gemini API, ngunit mas malawak na grupo ng mga developer, negosyo at mamimili ang binanggit sa inilathalang plano ng Google sa halip na kumpirmahin ang pagkakasunod-sunod na iyon.

Nagpasiyang unahin ang mga tagapagtanggol habang lumalawak ang pangamba sa mapaminsalang paggamit ng AI. Idinokumento ng mga mananaliksik sa banta ng Google ang mga grupong suportado ng Iran, Hilagang Korea, Russia at China na sumusubok sa Gemini, kadalasan para sa pananaliksik at tulong sa programming. Inilarawan ni Demis Hassabis, pinuno ng DeepMind, ang mga kamakailang pag-hack ng AI agent bilang mga paunang babala.

Magkano ang sisingilin sa mga developer para sa Carbon

Sa panimulang panahon, nagkakahalaga ang paggamit sa API ng Carbon ng $2 kada isang milyong input token at $10 kada isang milyong output token, kapareho ng panimulang presyo ng Argon. Nagbibigay-daan ang API sa mga developer na ikonekta ang modelo sa sarili nilang software. Ang input ang materyal na ipinapadala sa Carbon; ang output naman ang nalilikha nito.

Pagkatapos ng panimulang panahon, dodoble ang nakalistang presyo sa $4 kada isang milyong input token at $20 kada isang milyong output token. Kaya nagkakahalaga ng $12 ang gawaing gumagamit ng isang milyong input token at isang milyong output token sa panimulang presyo, at $24 naman sa karaniwang presyo, bago isaalang-alang ang caching o iba pang pagsasaayos.

Ayon sa Google, may 95% diskuwento ang naka-cache na input. Nagbibigay-daan ang caching sa isang serbisyo na muling gamitin ang materyal na naproseso na nito, kaya nababawasan ang gastos kapag paulit-ulit na ipinapasa ang parehong malaking dokumento o proyekto sa software. Kapag inilapat ang diskuwento, nagkakahalaga ang bawat isang milyong naka-cache na input token ng $0.10 sa panimulang presyo ng input at $0.20 sa karaniwang presyo.

Nakadepende rin ang aktuwal na gastos sa dami ng tekstong nililikha ng modelo para matapos ang isang gawain. Inililista ng Artificial Analysis ang gastos ng Carbon sa $7.76 kada gawaing sinusukat sa indeks, kumpara sa $10.04 para sa Opus 5.5 at $6.25 para sa GPT-6 Astra. Gumagamit ang Carbon ng humigit-kumulang 123,000 output token kada gawain sa pagsusuring iyon, 29% na mas kaunti kaysa sa Opus.

Maaaring magkaiba ang pattern sa ibang uri ng gawain. Ayon sa Vals, 64% na mas maraming output token ang nililikha ng Carbon kaysa sa Argon, karamihan sa mga gawaing pinansiyal, buwis at legal. Kaya kailangang isaalang-alang ng mga developer na nagbabadyet para sa Carbon ang presyo ng mga token at ang dami ng trabahong nagagawa nito sa bawat atas.

Mahahalagang Punto

• Nangunguna ang Gemini 4 Carbon sa Artificial Analysis Intelligence Index v5.0 na may 59 puntos, higit sa 58 ng Opus 5.5 at 57 ng GPT-6 Astra.
• Iniulat ng Google ang mga marka sa seguridad na 88.2% sa paghahanap ng mga kahinaan, 54.8% sa pagsasamantala sa mga ito at 71.0% sa paglalapat ng mga patch.
• Nahuhuli ang Carbon sa mga pinagsamang modelo at tool ng mga kakumpitensiya sa ilang pagsusuri sa programming.
• Ayon sa Google, walang matagumpay na pandaraya ang Carbon sa Terminal-Bench 4.0 at walang matagumpay na pag-atake sa sinuring prompt injection test ng Gray Swan.
• Halos kalahati ang ibinaba ng mga pahayag na walang sapat na batayan sa panloob na pagsusuri, habang tumaas naman ang panlabas na panukat ng hallucination mula 4% ng Argon tungong 11% ng Carbon.
• Mga piling tagapagtanggol sa cyber ang unang magkakaakses, at palalawakin ito sa pamamagitan ng Fairwind bago maging mas malawak na available.
• Sa panimulang panahon, $2 kada isang milyong input token at $10 kada isang milyong output token ang presyo ng API; tataas ito sa $4 at $20 sa kalaunan.