Google DeepMind は、Gemini 4 Argon の出荷からわずか 2 週間後に、最新のフロンティア AI モデルである Gemini 4 Carbon をリリースしました。新しいモデルは、Artificial Analysis Intelligence Index v5 の 59 ポイントでトップにデビューし、Argon の 50 ポイントを 9 ポイント上回り、長期にわたる自律的なエンジニアリング作業向けに構築されています。ただし、ほとんどのユーザーは待つ必要があります。Carbon は高度なサイバーセキュリティ機能を備えているため、米国政府の自主的な事前テスト プロセスを経ており、最初は選ばれたセキュリティ専門家のみが利用できます。 最新の AI 開発 を継続的に報道するには、展開の拡大に合わせて AI Buzz Wire をフォローしてください。

セキュリティ第一のロールアウト

Carbon の異例のリリース パスは、このモデルが攻撃側と防御側のサイバー作業の両方でどれほど能力があるかを反映しています。 Googleによれば、その機能は脆弱性の検出と検証からパッチの適用まで、サイバー防御ライフサイクル全体に及ぶという。ロイター通信は、このモデルは明確にサイバーセキュリティに重点を置いていると報じ、アルス・テクニカは見出しでそれを率直に述べた。これは「使用できない」フロンティアモデルだ――少なくともまだ、政府の高度なAIシステムの事前テストプロセスにある間は。

Google は一般提供の日付を発表していません。ただし、価格はすでに公開されており、カーボンのコストはアルゴンと同じであり、Google のフロンティア トークン レートは、連続する 2 つのモデル世代を通じて変更されません。

数日間にわたる自律的な作業向けに構築

同社は、永続的なエージェントワークフローを必要とする「はるかに困難で長期にわたるエンジニアリング問題」に向けて Carbon を設計したと述べている。 Googleによると、内部チームはモデルを数日間連続で実行し、その間モデルは独自に行き詰まりを克服し、根本原因の分析や大規模なコードベースや低レベルのソフトウェアの微妙なバグ修正などの複雑な複数ステップのタスクを処理したという。

Google はまた、初期のユーザーからのフィードバックに基づいて、科学的推論、マルチモーダルな理解、フルスタックの Web 開発における改善を報告しています。

全体的に強力で、コーディングでは依然としてクロードを追いかけています

ベンチマークの状況は強力ですが、完全な勝利ではありません。 Artificial Analysis Intelligence Index v5 では、最高推論層の Carbon は、主に複雑な推論、知識検索、科学的タスクでトップスコアを獲得し、この分野をリードしており、インデックスの 9 つの個別評価のうち 4 つで 1 位を獲得しています。

エージェント コーディングでは、Argon の 53 点から大幅にジャンプした後でも、Carbon は Anthropic の Claude Opus 5.5 に 59 対 62 という 3 ポイントの差を付けています。WebDev Arena のリーダーボードでは、Carbon は 89 Elo ポイントを獲得して 1,769 に達し、4 位になりました。

独立した評価でも同様のことが分かります。評価プラットフォーム Vals AI は、Carbon を精度 70.36 パーセントで 2 位、Claude Sonnet 5.5 の 70.85 パーセントに次ぐものの、Claude Opus 5.5 の 70.18 パーセントを上回り、Argon が 69.24 パーセントで 4 位にランク付けしています。

Artificial Analysis のエージェント知識作業に関する AA-Briefcase ベンチマークでは、Carbon は 1,609 Elo に達し、Argon の 1,483 ポイントを 126 ポイント上回りました。これは依然として 1,678 で Kim K3.1 Pro、1,659 で Muse Wonder、xhigh 設定の 1,638 で Grok 4.7 に次ぐ位置にあります。

精度が上がり、幻覚も上がる

Artificial Analysis の評価の回答精度は、Argon の 48% から Carbon の 58% に上昇しました。幻覚率は 4 パーセントから 11 パーセントに上昇し、より高くなりましたが、依然としてランキングで 2 番目に低いものでした。比較のために、The Decoder が報告した人工分析データによると、クロード オーパス 5.5 と GPT-6 アストラは、最大推論設定でそれぞれ同じ基準で 50% に達しました。

セキュリティ ベンチマーク: ほぼ完璧なプロンプト インジェクション スコア

Google が最大の勝利を収めていると主張するのはセキュリティです。同社独自のベンチマーク選択では、Carbon は 16 テスト中 15 テストで 1 位を獲得し、特に長いコンテキストとセキュリティ タスクにおいてその分野から引き離されました。

Google によると、Grey Swan の間接プロンプト インジェクション ベンチマークでは、Carbon は攻撃の成功率を Argon の 0.7% から 0.0% まで押し下げ、テスト セット内のすべての操作の試みをブロックしたと述べています。 Decoderは、これは即時注入が解決されたことを意味するものではなく、テストは飽和しているようだ、と警告しているが、この結果は、米国当局がモデルが一般公開される前に、モデルの導入前調査を望んでいる理由を説明するのに役立つと警告している。

2 週間で 2 つのフロンティア モデル

ペースがメッセージだ。 2 週間以内に 2 つのフロンティア リリース (10 月中旬には Argon、現在は Carbon) が Google DeepMind の積極的なペースを示し、独立系リーダーボードのトップやエンタープライズ契約をめぐって Anthropic や OpenAI と競合しています。

今のところ、スコアボードは次のように表示されます。Carbon が全体のインデックスをリードし、Claude Opus 5.5 がエージェント コーディングの王座を維持し、市場で最も強力なサイバー対応モデルが政府の審査ドアの後ろにあります。 Carbon がより広く開放されると、価格が変更されないということは、実際のコンテストは割引ではなくトークンごとの能力によって決まることを意味します。そして Google はその指標の基準を引き上げたばかりです。

---

AI の先を行く

最新の AI ニュース、分析、画期的な情報をすべて 1 か所で入手できます。

AI ニュースをもっと読む→