Google DeepMind har släppt Gemini 4 Carbon, dess senaste frontier AI-modell, bara två veckor efter leveransen av Gemini 4 Argon. Den nya modellen debuterar i toppen av Artificial Analysis Intelligence Index v5 med 59 poäng – ett hopp med nio poäng över Argons 50 – och är byggd för långvarigt, autonomt ingenjörsarbete. De flesta användare kommer dock att behöva vänta: på grund av dess avancerade cybersäkerhetsfunktioner går Carbon igenom den amerikanska regeringens frivilliga förtestningsprocess och är initialt endast tillgänglig för utvalda säkerhetsexperter. För kontinuerlig täckning av den senaste AI-utvecklingen, följ AI Buzz Wire när lanseringen expanderar.
En utrullning av säkerheten först
Carbons ovanliga släppningsväg återspeglar hur kapabel modellen är på både offensivt och defensivt cyberarbete. Google säger att dess kapacitet spänner över hela cyberförsvarets livscykel, från att upptäcka och validera sårbarheter till att korrigera dem. Reuters rapporterade att modellen har ett distinkt fokus på cybersäkerhet, och Ars Technica uttryckte det rakt på sak i sin rubrik: det här är en gränsmodell "som du inte kan använda" - åtminstone inte ännu, medan den sitter i regeringens förtestningsprocess för avancerade AI-system.
Google har inte meddelat något datum för allmän tillgänglighet. Prissättningen är dock redan offentlig: kol kostar lika mycket som argon, vilket håller Googles gränsvärden för token oförändrade genom två på varandra följande modellgenerationer.
Byggd för flera dagars självständigt arbete
Företaget säger att det designade Carbon för "mycket svårare tekniska problem med lång horisont" som kräver ihållande agentarbetsflöden. Enligt Google körde interna team modellen i flera dagar i sträck, under vilka den arbetade genom återvändsgränder på egen hand och hanterade komplexa, flerstegsuppgifter som rotorsaksanalys och subtila buggfixar i stora kodbaser och lågnivåprogramvara.
Google rapporterar också förbättringar i vetenskapligt resonemang, multimodal förståelse och full-stack webbutveckling baserat på tidig feedback från användare.
Stark överlag, jagar fortfarande Claude i kodning
Referensbilden är stark, men inte ett rent svep. På Artificial Analysis Intelligence Index v5 leder Carbon på sin högsta resonemangsnivå främst genom toppbetyg i komplexa resonemang, kunskapsinhämtning och vetenskapliga uppgifter, och tar förstaplatsen i fyra av indexets nio individuella utvärderingar.
I agentkodning ligger Carbon fortfarande efter Anthropics Claude Opus 5,5 med tre poäng – 59 mot 62 – även efter ett stort hopp från Argons 53. På WebDev Arena-poängtavlan fick Carbon 89 Elo-poäng för att nå 1 769, vilket placerar den på fjärde plats.
Oberoende utvärderingar berättar en liknande historia. Utvärderingsplattformen Vals AI rankar Carbon på andra plats med 70,36 procents noggrannhet, bakom Claude Sonnet 5,5 på 70,85 procent men före Claude Opus 5,5 på 70,18 procent, med Argon fyra på 69,24 procent.
På artificiell analyss AA-portfölj-riktmärke för agentiskt kunskapsarbete nådde Carbon 1 609 Elo, en vinst på 126 punkter jämfört med Argons 1 483. Den sitter fortfarande bakom Kimi K3.1 Pro på 1 678, Muse Wonder på 1 659 och Grok 4,7 på sin xhigh inställning på 1 638.
Noggrannheten ökar, hallucinationerna också
Svarsnoggrannheten i artificiell analyss utvärderingar steg från 48 procent med argon till 58 procent med kol. Hallucinationsfrekvensen klättrade från 4 till 11 procent — högre, men fortfarande den näst lägsta i rankingen. Som jämförelse, Claude Opus 5.5 och GPT-6 Astra vid sina maximala resonemangsinställningar sitter vardera på 50 procent på samma mått, enligt artificiell analysdata som rapporterats av The Decoder.
Säkerhetsriktmärken: ett nästan perfekt resultat för snabb injektion
Säkerhet är där Google hävdar sina största vinster. I företagets egna benchmarkurval tar Carbon förstaplatsen i 15 av 16 tester, och drar sig bort från fältet särskilt i långa sammanhang och säkerhetsuppgifter.
På Grey Swans riktmärke för indirekt prompt injektion, säger Google att Carbon skjutit upp attackens framgångsfrekvens från 0,7 procent med argon till 0,0 procent, vilket blockerar varje manipulationsförsök i testsetet. Dekodern varnar för att detta inte betyder att snabb injektion är löst – testet verkar mättat – men resultatet hjälper till att förklara varför amerikanska tjänstemän vill ha en titt på modellen innan den når allmänheten.
Två frontiermodeller på två veckor
Tempot är budskapet. Två frontier-släpp inom två veckor – Argon i mitten av oktober, Carbon nu – markerar en aggressiv takt från Google DeepMind när det konkurrerar med Anthropic och OpenAI om toppen av oberoende topplistor och om företagskontrakt.
För tillfället lyder resultattavlan så här: Carbon leder det övergripande indexet, Claude Opus 5.5 behåller den agentiska kodningskronan, och den starkaste cyberkapabla modellen på marknaden ligger bakom en granskning av regeringen. När Carbon öppnar upp mer allmänt, betyder oförändrad prissättning att den verkliga tävlingen kommer att avgöras av kapacitet per token snarare än rabatter - och Google har just höjt ribban för det måttet.
---
Stay ahead of AIFå de senaste AI-nyheterna, analyserna och genombrotten – allt på ett ställe.
Läs mer AI-nyheter →
