Et snævert forspring i et uafhængigt indeks
Google præsenterede Gemini 4 Carbon den 28. oktober, to uger efter Gemini 4 Argon, og kaldte den sin stærkeste model med de største fremskridt inden for cybersikkerhed, kodning og lange agentopgaver. Den uafhængige evaluator Artificial Analysis gav den 59 point i sit Intelligence Index v5, foran Claude Opus 5.5 med 58 og GPT-6 Astra med 57, og ni point over Argons 50.
Forspringet på et enkelt point er ujævnt fordelt. Artificial Analysis giver Carbon det bedste resultat i fire af indeksets ni evalueringer — HLE-Diamond, Terminal-Bench-Science, AA-Omniscience og AutomationBench-AA — og placerer den som nummer to i sit separate Coding Agent Index, hvor Carbon i Googles Antigravity CLI får 59 mod 62 for Claude Code med Claude Opus 5.5. Efter samme evaluators omkostningsopgørelse koster en Carbon-kørsel 7,76 dollar per opgave mod 10,04 for Opus 5.5 og 6,25 for GPT-6 Astra.
Den klareste afvejning ligger i AA-Omniscience v1.1, indeksets prøve på viden og ærlighed. Carbons træfsikkerhed steg til 58 procent fra Argons 48, og hallucinationsraten steg med den, fra 4 til 11 procent. Artificial Analysis fører det stadig som den næstlaveste hallucinationsrate, den måler, kun efter Argon, og langt under de 50 procent, den angiver for Claude Opus 5.5 og GPT-6 Astra med maksimal ræsonneren.
Cybersikkerhedstallene er Googles egne
De resultater, Google åbner med, er selvrapporterede. I sin meddelelse, underskrevet Koray Kavukcuoglu, angiver Google 88,2 procent for Carbon på SEC-bench Pro for at finde sårbarheder, 54,8 procent på ExploitGym for at udnytte dem og 71,0 procent på CWE-bench for at rette grundårsager — mod 83,4, 42,0 og 68,0 procent for Argon. Google oplyser, at sårbarhedsarbejdet kørte uden sikkerhedsmekanismer, at Carbon internt mere end fordobler Argons træfsikkerhed på sikker kode, og at Chrome-ingeniører målte dens patchkvalitet til mere end ti gange den hos et unævnt konkurrentlaboratoriums frontmodel. Ingen af de tre påstande har endnu et uafhængigt modstykke.
Google melder også om bevægelse i sine egne sikkerhedsevalueringer: påstande uden dækning er omtrent halveret mod Argon, alvorlige afvigelsesalarmer i interne kodemiljøer faldt næsten 80 procent, og i Gray Swans prøve på indirekte promptinjektion er angrebenes succesrate 0,0 procent mod 0,7 for Argon. I Terminal-Bench 4.0 oplyser Google, at lykket snyd faldt til 0,0 procent og forsøgene til 0,4.
Næsten ingen kan bruge den
Tilgængeligheden er det skarpeste brud med en almindelig frontmodellancering. Google siger, at adgangen begynder i denne uge med et udvalg af cyberforsvarere og udvides til betroede partnere gennem Fairwind-programmet, mens udviklere, virksomheder og forbrugere får den senere, “så hurtigt som muligt”, uden dato. Artificial Analysis angiver, at modellen mangler et offentligt API. Argon har til sammenligning været alment tilgængelig siden den 13. oktober.
Priserne offentliggøres alligevel. Carbon koster 2 dollar per million tokens ind og 10 per million ud i en introduktionsperiode, de satser Argon blev lanceret med, og stiger derefter til 4 og 20 dollar, med 95 procents rabat på cachet input. Kontekstvinduet er en million tokens.
Hvad man bør følge
Google oplyser, at Carbon deltager i den amerikanske regerings frivillige test før lancering. De nærmeste konkrete datoer er afslutningen på introduktionspriserne — Argons løber til den 30. november — og det punkt, hvor Fairwind-adgangen åbnes nok til, at nogen uden for Googles godkendte liste kan forsøge at genskabe de cybersikkerhedstal, lanceringen hviler på.
