Google DeepMind выпустила Gemini 4 Carbon через две недели после Argon и представила модель как лучшую для кибербезопасности и длинных задач. Модель заняла первое место в Artificial Analysis Intelligence Index v5 с оценкой 59 и лидирует в Text Arena с рейтингом 1528 Elo. Первый доступ получили только доверенные киберзащитники через программу Fairwind Program, а более широкий доступ для разработчиков обещан в ближайшее время. Для бизнеса это означает раздельный запуск: заявленные возможности известны, а практическая проверка пока ограничена.
Оценки в тестах и условия поэтапного доступа
Google сообщает 88,2% в SEC-bench Pro для поиска уязвимостей, 54,8% в ExploitGym для эксплуатации и 71,0% в CWE-bench для исправлений. По данным Artificial Analysis, Carbon лидирует в четырех из девяти оценок индекса: HLE-Diamond, TB-Science, AA-Omniscience и AutomationBench. Модель имеет контекстное окно 1M токенов и максимальный вывод 1M, принимает текст, изображение, видео и речь, а возвращает текст. Цена указана на уровне $4/$20 за миллион входных и выходных токенов, действует скидка 50% на запуск без указанной даты окончания, а кэшированный ввод стоит $0,20.
Carbon показала стоимость $7,76 за задачу индекса против $10,04 у Opus 5.5 и $6,25 у GPT-6 Astra, используя 123 тыс. выходных токенов на задачу, на 29% меньше, чем Opus. В рабочих задачах модель набрала 1609 Elo в AA-Briefcase, на 126 пунктов больше Argon, но уступила Grok 4.7, Muse Wonder и Kimi K3.1 Pro с результатом 1678. Она занимает второе место в Vals Index и первое место в Finance Index и Legal Research Benchmark, создавая на 64% больше выходных токенов, чем Argon, в основном в финансах, налогах и юридических задачах. В аренах она вторая в Agent Arena при медианной цене $1,80 за задачу и четвертая в Code Arena WebDev с 1768.
В программировании Carbon набрала 59 в Coding Agent Index при работе в Antigravity CLI против 62 у Claude Code с Opus 5.5. Она получила 51% в FrontierCode v1.1 против 56% у Opus и 61,2% в FrontierSWE, уступив GPT-6 Astra с 65,5, Opus 5.5 с 62,3 и Sonnet 5.5 с 61,9. Одновременно модель установила небольшое лидерство с 9,6% в SWE-sweep и заняла первое место в Vending-Bench 2 и Blueprint-Bench 2, сравнявшись с базовым уровнем человека по 3D-пониманию во втором тесте. Google также сообщает о снижении жульничества в Terminal-Bench 4.0 до 0,0%, попыток до 0,4%, неподтвержденных утверждений примерно в два раза против Argon, чрезмерных действий на 26% и неполного обслуживания на 29%.
Что поэтапный выпуск меняет для бизнеса
Для команд безопасности Carbon обещает специализированный инструмент, охватывающий поиск, проверку эксплуатации и исправления в одной модели, с измеряемыми оценками вместо общих заявлений. Организации, уже работающие с Google по защитным программам, смогут раньше проверить обнаружение и исправление, а остальным придется ждать широкого доступа для разработчиков. Небольшие компании без статуса доверенного защитника позже начнут прямую оценку, а крупные предприятия с действующими партнерствами смогут раньше определить пилотные задачи. Практическое различие заключается в сроках доступа, а не в отсутствии альтернатив.
Перед решением о закупке нужно проверить несколько ограничений. Доля галлюцинаций выросла с 4% у Argon до 11%, это второй самый низкий измеренный уровень против 50% у Opus 5.5 и Astra, но пользователи уже выразили беспокойство о галлюцинациях в киберзадачах. Оценки coding-агента получены в Antigravity CLI, поэтому работа в других средах остается непроверенной. Сравнение цен тоже требует осторожности, поскольку цены из прайса не учитывают надбавки за длинный контекст и различия в объеме токенов. Покупателям следует уточнять среду тестирования, условия скидки и методику оценки, лежащие в основе сравнения.
Показателем подтверждения тренда станет переход от доступа только через Fairwind к общему доступу для разработчиков и сохранение независимых оценок вне задач, отобранных Google. Вторым сигналом будет место против Opus 5.5 и GPT-6 Astra в тестах программирования и агентов после запуска Carbon в сторонних средах. Если доступ расширится, а результаты сохранятся, поставщикам средств автоматизации безопасности придется интегрировать модель.
