Google DeepMind wypuściło Gemini 4 Carbon, swój najnowszy model AI, zaledwie dwa tygodnie po dostarczeniu Gemini 4 Argon. Nowy model debiutuje na szczycie indeksu sztucznej inteligencji analizy v5 z 59 punktami, co stanowi dziewięciopunktowy skok w stosunku do 50 punktów w przypadku Argonu i jest przeznaczony do długotrwałych, autonomicznych prac inżynierskich. Większość użytkowników będzie jednak musiała poczekać: ze względu na zaawansowane możliwości w zakresie cyberbezpieczeństwa Carbon przechodzi dobrowolny proces wstępnego testowania prowadzony przez rząd USA i początkowo jest dostępny tylko dla wybranych ekspertów ds. bezpieczeństwa. Aby na bieżąco informować o najnowszych osiągnięciach sztucznej inteligencji, śledź AI Buzz Wire w miarę rozwoju wdrożenia.

Wdrożenie skupiające się na bezpieczeństwie

Niezwykła ścieżka wypuszczania Carbonu odzwierciedla zdolność tego modelu zarówno do ofensywnej, jak i defensywnej pracy w cyberprzestrzeni. Google twierdzi, że jego możliwości obejmują pełny cykl życia cyberobrony, od wykrywania i sprawdzania luk w zabezpieczeniach po ich łatanie. Reuters podał, że model ten wyraźnie koncentruje się na cyberbezpieczeństwie, a Ars Technica bez ogródek umieściła to w nagłówku: jest to model pionierski, „z którego nie można korzystać” – przynajmniej jeszcze nie, dopóki znajduje się w rządowym procesie wstępnych testów zaawansowanych systemów sztucznej inteligencji.

Google nie ogłosił daty ogólnej dostępności. Ceny jednak są już publiczne: węgiel kosztuje tyle samo co argon, utrzymując stawki tokenów granicznych Google na niezmienionym poziomie przez dwie kolejne generacje modeli.

Zbudowany do wielodniowej pracy autonomicznej

Firma twierdzi, że zaprojektowała Carbon pod kątem „znacznie trudniejszych, długoterminowych problemów inżynieryjnych”, które wymagają trwałych, agentycznych przepływów pracy. Według Google wewnętrzne zespoły pracowały nad modelem przez wiele dni z rzędu, podczas których samodzielnie przedzierał się przez ślepe zaułki i wykonywał złożone, wieloetapowe zadania, takie jak analiza głównych przyczyn i subtelne poprawki błędów w dużych bazach kodu i oprogramowaniu niskiego poziomu.

Google zgłasza również poprawę w zakresie rozumowania naukowego, zrozumienia multimodalności i kompleksowego tworzenia stron internetowych na podstawie wczesnych opinii użytkowników.

Ogólnie mocny, wciąż gonię za Claudem w kodowaniu

Obraz porównawczy jest mocny, ale nie jest czysty. W indeksie sztucznej inteligencji analizy v5 Carbon na swoim najwyższym poziomie rozumowania prowadzi w tej dziedzinie, głównie poprzez najwyższe wyniki w złożonym rozumowaniu, wyszukiwaniu wiedzy i zadaniach naukowych, zajmując pierwsze miejsce w czterech z dziewięciu indywidualnych ocen indeksu.

W kodowaniu agentycznym Carbon nadal traci trzy punkty do Claude Opus 5,5 firmy Anthropic — 59 w porównaniu z 62 — nawet po dużym skoku z 53 punktów firmy Argon. W tabeli liderów WebDev Arena Carbon zdobył 89 punktów Elo, osiągając 1769, co plasuje go na czwartym miejscu.

Niezależne oceny mówią podobną historię. Platforma ewaluacyjna Vals AI plasuje Carbon na drugim miejscu z dokładnością 70,36%, za Claude Sonnet 5.5 z 70,85%, ale przed Claude Opus 5.5 z 70,18%, a Argon na czwartym miejscu z 69,24%.

W teście porównawczym AA-Briefcase firmy Artificial Analysis dotyczącym wiedzy agentycznej Carbon osiągnął 1609 Elo, co stanowi wzrost o 126 punktów w porównaniu z 1483 punktami Argonu. Nadal plasuje się za Kimi K3.1 Pro z wynikiem 1678, Muse Wonder z wynikiem 1659 i Grokiem 4.7 z ustawieniem xhigh wynoszącym 1638.

Dokładność w górę, halucynacje też

Dokładność odpowiedzi w ocenie sztucznej analizy wzrosła z 48 procent w przypadku argonu do 58 procent w przypadku węgla. Wskaźnik halucynacji wzrósł z 4 do 11 procent – ​​więcej, ale nadal drugi najniższy w rankingu. Dla porównania, zgodnie z danymi sztucznej analizy opublikowanymi przez The Decoder, Claude Opus 5.5 i GPT-6 Astra przy maksymalnych ustawieniach wnioskowania osiągają po 50 procent tej samej miary.

Testy bezpieczeństwa: niemal idealny wynik natychmiastowego wstrzyknięcia

Bezpieczeństwo to obszar, w którym Google osiąga największe sukcesy. W własnym wyborze benchmarków Carbon zajmuje pierwsze miejsce w 15 z 16 testów, oddalając się od pola, szczególnie w zadaniach długoterminowych i związanych z bezpieczeństwem.

W teście porównawczym pośredniego iniekcji natychmiastowej Gray Swan Google twierdzi, że Carbon obniżył wskaźnik powodzenia ataku z 0,7 procent w przypadku argonu do 0,0 procent, blokując każdą próbę manipulacji w zestawie testowym. Dekoder ostrzega, że ​​nie oznacza to, że natychmiastowe wstrzyknięcie zostało rozwiązane – test wydaje się nasycony – ale wynik pomaga wyjaśnić, dlaczego urzędnicy amerykańscy chcą przyjrzeć się modelowi przed wdrożeniem, zanim dotrze on do opinii publicznej.

Dwa pionierskie modele w dwa tygodnie

Tempo jest przesłaniem. Dwie przełomowe premiery w ciągu dwóch tygodni – Argon w połowie października, teraz Carbon – wyznaczają agresywne tempo Google DeepMind, które konkuruje z Anthropic i OpenAI o czołowe miejsca w niezależnych rankingach i kontrakty dla przedsiębiorstw.

Na razie tabela wyników wygląda następująco: Carbon prowadzi w ogólnym indeksie, Claude Opus 5.5 utrzymuje koronę agentycznego kodowania, a najsilniejszy na rynku model obsługujący cybernetykę znajduje się za rządowymi drzwiami kontrolnymi. Kiedy Carbon otworzy się na szerszą skalę, niezmienione ceny będą oznaczać, że o prawdziwym konkursie zadecyduje wydajność na token, a nie rabaty – a Google właśnie podniósł poprzeczkę w tym zakresie.

---

Wyprzedź sztuczną inteligencję

Otrzymuj najnowsze wiadomości, analizy i przełomowe informacje dotyczące sztucznej inteligencji — wszystko w jednym miejscu.

Przeczytaj więcej aktualności o sztucznej inteligencji →