Google DeepMind vydal Gemini 4 Carbon, svůj nejnovější hraniční model AI, pouhé dva týdny po odeslání Gemini 4 Argon. Nový model debutuje na špici indexu Artificial Analysis Intelligence Index v5 s 59 body – devítibodový skok oproti Argonovým 50 – a je vytvořen pro dlouhodobou autonomní inženýrskou práci. Většina uživatelů si však bude muset počkat: kvůli svým pokročilým schopnostem kybernetické bezpečnosti prochází Carbon dobrovolným procesem předběžného testování americkou vládou a je zpočátku dostupný pouze vybraným bezpečnostním expertům. Pro nepřetržité pokrytí [nejnovějšího vývoje AI] (https://aibuzzwire.news) sledujte AI Buzz Wire, jak se zavádění rozšiřuje.

Zavedení na prvním místě v oblasti zabezpečení

Neobvyklá cesta vydání Carbonu odráží, jak je tento model schopný při útočné i obranné kybernetické práci. Google říká, že jeho schopnosti pokrývají celý životní cyklus kybernetické obrany, od detekce a ověřování zranitelností až po jejich opravy. Agentura Reuters uvedla, že tento model se výrazně zaměřuje na kybernetickou bezpečnost a Ars Technica to ve svém titulku bez obalu uvedla: toto je hraniční model, „který nemůžete použít“ – alespoň zatím ne, zatímco je součástí vládního procesu předběžného testování pokročilých systémů umělé inteligence.

Google neoznámil datum obecné dostupnosti. Ceny jsou však již veřejné: Carbon stojí stejně jako Argon, přičemž hraniční tokenové sazby Google zůstávají nezměněny během dvou po sobě jdoucích generací modelů.

Vytvořeno pro vícedenní autonomní práci

Společnost říká, že navrhla Carbon pro „mnohem těžší technické problémy s dlouhým horizontem“, které vyžadují trvalé agentní pracovní postupy. Podle společnosti Google interní týmy provozovaly model několik dní v kuse, během kterých pracoval ve slepých uličkách sám a řešil složité, vícestupňové úkoly, jako je analýza kořenových příčin a drobné opravy chyb ve velkých kódových základnách a softwaru na nízké úrovni.

Google také hlásí zlepšení ve vědeckém uvažování, multimodálním porozumění a komplexním vývoji webu na základě včasné zpětné vazby od uživatelů.

Celkově silný, stále pronásleduje Clauda v kódování

Srovnávací obraz je silný, ale ne zcela čistý. V indexu Artificial Analysis Intelligence v5 vede Carbon na nejvyšší úrovni uvažování v oboru především díky nejvyšším skóre v komplexním uvažování, získávání znalostí a vědeckých úkolech, přičemž zaujímá první místo ve čtyřech z devíti individuálních hodnocení indexu.

V agentním kódování Carbon stále zaostává za Anthropic's Claude Opus 5,5 o tři body — 59 oproti 62 — i po velkém skoku z Argon's 53. V žebříčku WebDev Arena Carbon získal 89 bodů Elo a dosáhl 1 769, což ho řadí na čtvrté místo.

Nezávislá hodnocení vyprávějí podobný příběh. Hodnotící platforma Vals AI řadí Carbon na druhé místo s přesností 70,36 procenta, za Claudem Sonnetem 5.5 s 70,85 procenta, ale před Claudem Opusem 5.5 s 70,18 procenta, s Argonem na čtvrtém místě s 69,24 procenty.

V benchmarku AA-Briefcase společnosti Artificial Analysis pro práci s agentskými znalostmi dosáhl Carbon 1 609 Elo, což je 126-bodový zisk oproti Argonu 1 483. Stále je za Kimi K3.1 Pro s 1 678, Muse Wonder s 1 659 a Grok 4.7 s xhigh nastavením 1 638.

Přesnost nahoru, halucinace taky

Přesnost odpovědí na hodnocení umělé analýzy vzrostla ze 48 procent s argonem na 58 procent s uhlíkem. Míra halucinací se vyšplhala ze 4 na 11 procent – ​​vyšší, ale stále druhá nejnižší v žebříčku. Pro srovnání, Claude Opus 5.5 a GPT-6 Astra při svém maximálním nastavení uvažování sedí na 50 procentech na stejnou míru, podle dat umělé analýzy zveřejněných The Decoder.

Bezpečnostní standardy: téměř dokonalé skóre rychlého vložení

Bezpečnost je místo, kde si Google připisuje největší vítězství. Ve vlastním výběru benchmarků společnosti Carbon zaujímá první místo v 15 ze 16 testů, čímž se vzdaluje od pole zejména v dlouhodobých a bezpečnostních úkolech.

V benchmarku nepřímé okamžité injekce společnosti Grey Swan Google říká, že Carbon posunul úspěšnost útoku z 0,7 procenta s Argonem na 0,0 procenta, čímž zablokoval každý pokus o manipulaci v testovací sadě. Decoder varuje, že to neznamená, že je okamžitá injekce vyřešena – test se zdá být nasycený – ale výsledek pomáhá vysvětlit, proč si američtí úředníci chtějí model prohlédnout před nasazením, než se dostane k veřejnosti.

Dva hraniční modely za dva týdny

Poselstvím je tempo. Dvě hraniční verze během čtrnácti dnů – Argon v polovině října, Carbon nyní – znamenají agresivní kadenci od Google DeepMind, protože soutěží s Anthropic a OpenAI o vrchol nezávislých žebříčků a o podnikové smlouvy.

Pro tuto chvíli hodnotící tabulka zní takto: Carbon vede celkový index, Claude Opus 5.5 si drží korunu agentního kódování a nejsilnější kybernetický model na trhu je za dveřmi vládní kontroly. Když se Carbon otevře více, nezměněné ceny znamenají, že o skutečné soutěži bude rozhodovat kapacita na token spíše než slevy – a Google právě zvýšil laťku této metriky.

---

Stay Ahead of AI

Získejte nejnovější zprávy, analýzy a průlomové informace o umělé inteligenci – vše na jednom místě.

Přečtěte si další zprávy o AI →