Google DeepMind telah merilis Gemini 4 Carbon, model AI terdepan terbarunya, hanya dua minggu setelah pengiriman Gemini 4 Argon. Model baru ini debut di puncak Indeks Kecerdasan Analisis Buatan v5 dengan 59 poin — melonjak sembilan poin dari Argon yang 50 poin — dan dibuat untuk pekerjaan rekayasa otonom jangka panjang. Namun, sebagian besar pengguna harus menunggu: karena kemampuan keamanan sibernya yang canggih, Carbon sedang menjalani proses pra-pengujian sukarela dari pemerintah AS dan pada awalnya hanya tersedia bagi pakar keamanan terpilih. Untuk liputan berkelanjutan mengenai perkembangan AI terkini, ikuti AI Buzz Wire seiring dengan perluasan peluncurannya.
Peluncuran yang mengutamakan keamanan
Jalur pelepasan karbon yang tidak biasa mencerminkan kemampuan model ini dalam pekerjaan siber yang bersifat ofensif dan defensif. Google mengatakan kemampuannya mencakup seluruh siklus pertahanan dunia maya, mulai dari mendeteksi dan memvalidasi kerentanan hingga menambalnya. Reuters melaporkan bahwa model ini memiliki fokus keamanan siber yang berbeda, dan Ars Technica secara blak-blakan menyatakan hal ini dalam judulnya: ini adalah model terdepan yang “tidak dapat Anda gunakan” – setidaknya belum bisa digunakan, karena model ini sedang dalam proses pra-pengujian sistem AI canggih yang dilakukan pemerintah.
Google belum mengumumkan tanggal ketersediaan umum. Namun, penetapan harga sudah bersifat publik: Harga karbon sama dengan Argon, sehingga harga token terdepan Google tidak berubah selama dua generasi model berturut-turut.
Dibangun untuk pekerjaan otonom multi-hari
Perusahaan tersebut mengatakan bahwa mereka merancang Karbon untuk "masalah teknik jangka panjang yang jauh lebih sulit" yang memerlukan alur kerja agen yang persisten. Menurut Google, tim internal menjalankan model tersebut selama beberapa hari berturut-turut, selama itu model tersebut bekerja sendiri melalui jalan buntu dan menangani tugas-tugas multi-langkah yang kompleks seperti analisis akar penyebab dan perbaikan bug halus dalam basis kode besar dan perangkat lunak tingkat rendah.
Google juga melaporkan peningkatan dalam penalaran ilmiah, pemahaman multimodal, dan pengembangan web lengkap berdasarkan masukan awal dari pengguna.
Secara keseluruhan kuat, masih mengejar Claude dalam coding
Gambaran tolok ukurnya kuat, namun belum sepenuhnya menyeluruh. Pada Indeks Kecerdasan Analisis Buatan v5, Karbon pada tingkat penalaran tertinggi memimpin bidang ini terutama melalui skor tertinggi dalam penalaran kompleks, pengambilan pengetahuan, dan tugas-tugas ilmiah, menempati posisi pertama dalam empat dari sembilan evaluasi individu indeks.
Dalam pengkodean agen, Carbon masih membuntuti Claude Opus 5,5 dari Anthropic dengan selisih tiga poin — 59 berbanding 62 — bahkan setelah lompatan besar dari 53 milik Argon. Di papan peringkat WebDev Arena, Carbon memperoleh 89 poin Elo untuk mencapai 1.769, yang menempatkannya di posisi keempat.
Evaluasi independen menceritakan kisah serupa. Platform evaluasi Vals AI menempatkan Karbon di urutan kedua dengan akurasi 70,36 persen, di belakang Claude Sonnet 5,5 dengan akurasi 70,85 persen, tetapi di depan Claude Opus 5,5 dengan akurasi 70,18 persen, dan Argon keempat dengan akurasi 69,24 persen.
Pada tolok ukur AA-Briefcase Analisis Buatan untuk pekerjaan pengetahuan agen, Karbon mencapai 1.609 Elo, naik 126 poin dibandingkan Argon yang 1.483. Itu masih tertinggal di belakang Kimi K3.1 Pro di 1,678, Muse Wonder di 1,659, dan Grok 4.7 pada pengaturan xhigh di 1,638.
Akurasi meningkat, halusinasi juga meningkat
Akurasi jawaban pada evaluasi Analisis Buatan meningkat dari 48 persen dengan Argon menjadi 58 persen dengan Karbon. Tingkat halusinasi meningkat dari 4 menjadi 11 persen – lebih tinggi, namun masih merupakan peringkat terendah kedua. Sebagai perbandingan, Claude Opus 5.5 dan GPT-6 Astra pada pengaturan penalaran maksimum masing-masing berada pada 50 persen pada ukuran yang sama, menurut data Analisis Buatan yang dilaporkan oleh The Decoder.
Tolok ukur keamanan: skor injeksi cepat yang hampir sempurna
Keamanan adalah tempat di mana Google mengklaim kemenangan terbesarnya. Dalam pemilihan benchmark yang dilakukan perusahaan, Carbon menempati posisi pertama dalam 15 dari 16 pengujian, menarik diri dari lapangan terutama dalam tugas-tugas konteks panjang dan keamanan.
Pada tolok ukur injeksi cepat tidak langsung Gray Swan, Google mengatakan Karbon mendorong tingkat keberhasilan serangan dari 0,7 persen dengan Argon turun menjadi 0,0 persen, memblokir setiap upaya manipulasi dalam set pengujian. Decoder memperingatkan bahwa hal ini tidak berarti injeksi cepat telah terselesaikan – pengujiannya tampak jenuh – tetapi hasilnya membantu menjelaskan mengapa para pejabat AS ingin melihat model tersebut sebelum penerapannya sebelum diluncurkan ke publik.
Dua model perbatasan dalam dua minggu
Kecepatannya adalah pesannya. Dua rilis terdepan dalam waktu dua minggu — Argon pada pertengahan Oktober, Carbon sekarang — menandai irama agresif dari Google DeepMind saat bersaing dengan Anthropic dan OpenAI untuk menduduki puncak papan peringkat independen dan untuk kontrak perusahaan.
Untuk saat ini, papan skornya berbunyi seperti ini: Karbon memimpin indeks secara keseluruhan, Claude Opus 5.5 mempertahankan mahkota pengkodean agen, dan model berkemampuan siber terkuat di pasar berada di balik pintu peninjauan pemerintah. Ketika Carbon terbuka lebih luas, harga yang tidak berubah berarti persaingan sebenarnya akan ditentukan oleh kemampuan per token, bukan diskon — dan Google baru saja meningkatkan standar metrik tersebut.
---
Tetap Terdepan dalam AIDapatkan berita, analisis, dan terobosan AI terkini — semuanya di satu tempat.
Baca berita AI selengkapnya →
