Google DeepMind випускає Gemini 4 Carbon лише через два тижні після Argon із покращеннями за всіма напрямами

Google Deepmind випустила Gemini 4 Carbon лише через два тижні після Argon, і нова модель посіла перше місце в Artificial Analysis Intelligence Index.

Carbon набрала 59 балів у нещодавно оновленій версії 5.0 Artificial Analysis Intelligence Index, тоді як попередниця Argon відстає з 50 балами. Окрім загального покращення в агентних завданнях і програмуванні, Google відзначає можливості, що охоплюють увесь життєвий цикл кіберзахисту — від виявлення та перевірки вразливостей до їхнього виправлення.

Створена для багатоденних сесій програмування

У Google Deepmind заявляють, що розробили Carbon для «значно складніших інженерних завдань із довгим горизонтом», які потребують тривалих агентних робочих процесів. Внутрішні команди запускали модель безперервно протягом кількох днів: за цей час вона самостійно проходила через глухі кути та виконувала складні багатоетапні завдання, як-от аналіз першопричин і виправлення малопомітних помилок у великих кодових базах і низькорівневому програмному забезпеченні, стверджують у Google.

Google також повідомляє про покращення в науковому міркуванні, мультимодальному розумінні та повностековій веброзробці на основі відгуків користувачів. Вищоякісні результати й артефакти у веброзробці підняли Carbon на 89 балів Elo у WebDev Arena, де вона посідає четверте місце з результатом 1 769.

У бенчмарку непрямої ін’єкції промптів Gray Swan Carbon знизила показник успішності атак із 0,7 відсотка в Argon до 0,0 відсотка, заблокувавши кожну перевірену спробу маніпуляції, згідно з даними Google. Це не означає, що проблему ін’єкції промптів вирішено, але, схоже, тест досяг насичення.

Незалежні оцінювання підтверджують показники Google

За даними Artificial Analysis, Carbon на найвищому рівні міркування («high») очолює Intelligence Index v5 головним чином завдяки найвищим результатам у складному міркуванні, пошуку знань і наукових завданнях, посідаючи перше місце у чотирьох із дев’яти окремих оцінювань індексу.

В агентному програмуванні в Antigravity Carbon усе ще поступається Claude Code з Opus 5.5 на три бали, хоча порівняно з Argon піднялася з 53 до 59 балів. В агентній роботі зі знаннями в AA-Briefcase Carbon (high) отримує 126 балів порівняно з Argon (high, 1 483 Elo) і досягає 1 609 Elo завдяки якості презентацій (+293 Elo до 1 598) та аналітичній якості (+120 Elo до 1 671). Вона все ще відстає від Kimi K3.1 Pro (1 678 Elo), Muse Wonder (max, 1 659 Elo) і Grok 4.7 (xhigh, 1 638 Elo).

Точність відповідей зростає з 48 до 58 відсотків порівняно з Argon, тоді як рівень галюцинацій підвищується з чотирьох до 11 відсотків. Це вище, але все ще другий найнижчий показник у рейтингу. Claude Opus 5.5 (max) і GPT-6 Astra (max) мають по 50 відсотків.

Оціночна платформа Vals AI ставить Carbon на друге місце з точністю 70,36 відсотка — після Claude Sonnet 5.5 (70,85 відсотка) і перед Claude Opus 5.5 (70,18 відсотка) та Argon на четвертому місці (69,24 відсотка), причому всі вони мають нижчу вартість.

На Vals.ai Carbon також очолює Finance Index і бенчмарк Legal Research. У юридичних дослідженнях Vals AI зафіксувала приблизно на 45 відсотків більше цитованих джерел, частіші виклики інструментів і довші відповіді, ніж у Argon.

Однак виконання завдань у бенчмарку Finance and Tax Agent займає більш ніж удвічі більше часу, ніж у Argon, а в Legal Research Carbon у середньому витрачає понад 50 хвилин на завдання. Модель генерує у 2,3 раза більше токенів міркування і на 64 відсотки більше вихідних токенів, ніж Argon, хоча це все ще менше половини кількості вихідних токенів Sonnet 5.5 і Opus 5.5.

На Arena.ai Gemini 4 Carbon (High) очолює Text Arena з 1 528 балами, випереджаючи Argon (1 520). В Agent Arena модель посідає друге місце за результатами понад 21 900 реальних сесій, випереджаючи GPT-6 Astra і Fable-5.1, із чистим покращенням на 16,2 відсотка та найвищим показником керованості (+18,6 відсотка). Медіанна вартість завдання в розмірі 1,80 долара на 72 відсотки нижча, ніж у Claude Opus 5.5 (Max), що посідає перше місце.

У категорії WebDev Code Arena Carbon набирає 1 768 балів (на 89 більше, ніж Argon, що посідає одинадцяте місце) і посідає четверте місце в загальному заліку, лише на два бали відстаючи від Claude Sonnet 5.5 (xHigh, 1 770). Це ставить її на криву Парето в усіх трьох дисциплінах.

Carbon очолює бенчмарки безпеки без захисних обмежень

Для кількох тестів безпеки Google запускав модель без захисних обмежень. У SEC-bench Pro, який вимірює автономне виявлення вразливостей у програмному забезпеченні реального світу, Carbon набирає 88,2 відсотка й очолює всі протестовані моделі. У ExploitGym, що перевіряє здатність системи перетворювати виявлені вразливості на робочі експлойти, модель досягає 54,8 відсотка. Carbon також із великим відривом посідає перше місце у написанні виправлень у CWE-Bench.

Google також наводить внутрішні результати, які неможливо незалежно перевірити. За внутрішніми бенчмарками Carbon нібито створює безпечний код більш ніж удвічі частіше за Argon, а в тестах команди Google Chrome вона показала більш ніж удесятеро кращий результат у написанні патчів безпеки, ніж передова модель неназваного конкурента.

Експерти з безпеки отримають доступ першими

Google поступово впроваджує модель і бере участь у процесі попереднього тестування уряду США, посилаючись на розширені можливості Carbon у сфері безпеки. Від цього тижня першими доступ отримають обрані експерти з кібербезпеки. Через програму Fairwind Google Deepmind доступ згодом розширять для інших надійних партнерів.

Компанія планує відкрити модель для розробників, підприємств і споживачів через свої продуктові інтерфейси після збору додаткових відгуків і коригування захисних обмежень.

Gemini 4 Carbon виходить за тією самою початковою ціною, що й Argon: 2 долари за мільйон вхідних токенів і 10 доларів за мільйон вихідних токенів, а кешовані вхідні токени отримують знижку 95 відсотків від звичайної ціни на вхідні токени.

У Artificial Analysis Intelligence Index вартість Carbon становить 7,76 долара за завдання — приблизно на 23 відсотки менше, ніж у Claude Opus 5.5 (max, 10,04 долара), і приблизно в 1,2 раза більше, ніж у GPT-6 Astra (max, 6,25 долара). У середньому вона генерує 123 000 вихідних токенів на завдання, що на 29 відсотків менше, ніж антропікова модель (173 000 токенів), і майже точно відповідає ціні Argon (7,68 долара).

Artificial Analysis базує свої розрахунки на звичайній прейскурантній ціні 4 долари за мільйон вхідних токенів і 20 доларів за мільйон вихідних токенів (плюс 0,20 долара за кешовані вхідні токени), не враховуючи чинну вступну знижку 50 відсотків, яка діє до кінця 2026 року.

Новини ШІ без хайпу — відібрані людьми

Підпишіться на THE DECODER, щоб читати матеріали без реклами, отримувати щотижневу розсилку про ШІ, наш ексклюзивний передовий звіт «AI Radar» шість разів на рік, повний доступ до архіву та доступ до розділу коментарів.