Google DeepMind a lansat Gemini 4 Carbon, cel mai nou model AI de frontieră, la doar două săptămâni după livrarea Gemini 4 Argon. Noul model debutează în vârful Indexului Inteligenței de Analiză Artificială v5 cu 59 de puncte - un salt de nouă puncte peste 50 de la Argon - și este construit pentru lucrări de inginerie autonome de lungă durată. Majoritatea utilizatorilor vor trebui totuși să aștepte: datorită capacităților sale avansate de securitate cibernetică, Carbon trece prin procesul de pre-testare voluntară al guvernului SUA și este inițial disponibil doar pentru experți în securitate selectați. Pentru o acoperire continuă a cele mai recente dezvoltări AI, urmați AI Buzz Wire pe măsură ce lansarea se extinde.

O lansare pe primul loc pentru securitate

Calea neobișnuită de lansare a lui Carbon reflectă cât de capabil este modelul atât în activitatea cibernetică ofensivă, cât și defensivă. Google spune că capacitățile sale acoperă întregul ciclu de viață de apărare cibernetică, de la detectarea și validarea vulnerabilităților până la corectarea acestora. Reuters a raportat că modelul are un accent distinct asupra securității cibernetice, iar Ars Technica l-a spus direct în titlu: acesta este un model de frontieră „pe care nu-l poți folosi” – cel puțin nu încă, în timp ce se află în procesul de pre-testare al guvernului pentru sistemele AI avansate.

Google nu a anunțat o dată pentru disponibilitatea generală. Prețurile, totuși, sunt deja publice: Carbonul costă la fel ca și Argonul, menținând neschimbate ratele de token de frontieră ale Google de-a lungul a două generații succesive de modele.

Construit pentru munca autonomă de mai multe zile

Compania spune că a proiectat Carbon pentru „probleme de inginerie mult mai dificile, cu orizont lung”, care necesită fluxuri de lucru persistente. Potrivit Google, echipele interne au rulat modelul timp de mai multe zile consecutive, timp în care acesta a lucrat singur prin fundături și a gestionat sarcini complexe, în mai mulți pași, cum ar fi analiza cauzei principale și remedieri subtile de erori în baze de cod mari și software de nivel scăzut.

Google raportează, de asemenea, îmbunătățiri ale raționamentului științific, înțelegerii multimodale și dezvoltării web full-stack pe baza feedback-ului timpuriu al utilizatorilor.

Puternic în general, încă îl urmărește pe Claude în codificare

Imaginea de referință este puternică, dar nu o analiză curată. Pe Indexul Inteligenței de Analiză Artificială v5, Carbon la cel mai înalt nivel de raționament conduce domeniul în principal prin scoruri de top în raționamentul complex, regăsirea cunoștințelor și sarcini științifice, ocupând primul loc în patru dintre cele nouă evaluări individuale ale indexului.

În codificarea agentică, Carbon este încă în urmă cu 5,5 de la Anthropic, Claude Opus, cu trei puncte — 59 față de 62 — chiar și după un salt mare de la 53 de la Argon. Pe clasamentul WebDev Arena, Carbon a câștigat 89 de puncte Elo pentru a ajunge la 1.769, ceea ce o plasează pe locul patru.

Evaluările independente spun o poveste similară. Platforma de evaluare Vals AI ocupă Carbon pe locul al doilea, cu o precizie de 70,36 la sută, în spatele lui Claude Sonnet 5,5 cu 70,85 la sută, dar înaintea lui Claude Opus 5,5 cu 70,18 la sută, cu Argon pe locul patru cu 69,24 la sută.

Pe criteriul de referință AA-Briefcase al Artificial Analysis pentru munca de cunoaștere agentică, Carbon a atins 1.609 Elo, un câștig de 126 de puncte față de 1.483 de la Argon. Încă se află în spatele lui Kimi K3.1 Pro la 1.678, Muse Wonder la 1.659 și Grok 4.7 la setarea sa xhigh la 1.638.

Crește acuratețea, crește și halucinațiile

Precizia răspunsurilor la evaluările Artificial Analysis a crescut de la 48% cu Argon la 58% cu Carbon. Rata halucinațiilor a urcat de la 4 la 11 la sută - mai mare, dar încă a doua cea mai scăzută în clasament. Pentru comparație, Claude Opus 5.5 și GPT-6 Astra la setările lor maxime de raționament sunt fiecare la 50 la sută pe aceeași măsură, conform datelor de analiză artificială raportate de The Decoder.

Repere de securitate: un scor aproape perfect de injectare promptă

Securitatea este locul în care Google își revendică cele mai mari câștiguri. În selecția de referință proprie a companiei, Carbon ocupă primul loc în 15 din 16 teste, retrăgându-se din domeniu, în special în sarcinile de lungă durată și de securitate.

În ceea ce privește injecția indirectă promptă a lui Grey Swan, Google spune că Carbon a împins rata de succes a atacului de la 0,7% cu Argon la 0,0%, blocând fiecare încercare de manipulare din setul de testare. Decoderul avertizează că acest lucru nu înseamnă că injecția rapidă este rezolvată - testul pare saturat - dar rezultatul ajută la explicarea de ce oficialii americani doresc o privire înainte de implementare a modelului înainte de a ajunge la public.

Două modele de frontieră în două săptămâni

Ritmul este mesajul. Două lansări de frontieră în decurs de două săptămâni – Argon la mijlocul lunii octombrie, Carbon acum – marchează o cadență agresivă a Google DeepMind, deoarece concurează cu Anthropic și OpenAI pentru topul clasamentelor independente și pentru contractele de întreprindere.

Deocamdată, tabloul de bord arată astfel: Carbon conduce indicele general, Claude Opus 5.5 păstrează coroana de codare agentică, iar cel mai puternic model cyber-capable de pe piață se află în spatele unei uși de revizuire guvernamentală. Când Carbon se deschide mai pe scară largă, prețurile neschimbate înseamnă că concursul real va fi decis în funcție de capacitatea pe token, mai degrabă decât de reduceri - iar Google tocmai a ridicat ștacheta pentru această valoare.

---

Rămâneți înaintea AI

Obțineți cele mai recente știri, analize și descoperiri despre AI - toate într-un singur loc.

Citiți mai multe știri AI →