Ett knappt försprång i ett oberoende index
Google presenterade Gemini 4 Carbon den 28 oktober, två veckor efter Gemini 4 Argon, och kallade den sin starkaste modell, med de största förbättringarna inom cybersäkerhet, kodning och långa agentuppdrag. Den oberoende utvärderaren Artificial Analysis gav den 59 poäng i sitt Intelligence Index v5, före Claude Opus 5.5 på 58 och GPT-6 Astra på 57, och nio poäng över Argons 50.
Försprånget på en poäng är ojämnt fördelat. Artificial Analysis ger Carbon bästa resultat i fyra av indexets nio utvärderingar — HLE-Diamond, Terminal-Bench-Science, AA-Omniscience och AutomationBench-AA — och placerar den tvåa i sitt separata Coding Agent Index, där Carbon i Googles Antigravity CLI får 59 mot 62 för Claude Code med Claude Opus 5.5. Enligt samma utvärderares kostnadsredovisning kostar en Carbon-körning 7,76 dollar per uppgift, mot 10,04 för Opus 5.5 och 6,25 för GPT-6 Astra.
Den tydligaste avvägningen ligger i AA-Omniscience v1.1, indexets test av kunskap och ärlighet. Carbons träffsäkerhet steg till 58 procent från Argons 48, och hallucinationsgraden steg med den, från 4 till 11 procent. Artificial Analysis registrerar ändå det som den näst lägsta hallucinationsgrad den mäter, bara efter Argon, och långt under de 50 procent den anger för Claude Opus 5.5 och GPT-6 Astra med maximalt resonerande.
Cybersäkerhetssiffrorna är Googles egna
Resultaten Google inleder med är självrapporterade. I sitt tillkännagivande, signerat Koray Kavukcuoglu, anger Google 88,2 procent för Carbon på SEC-bench Pro för att hitta sårbarheter, 54,8 procent på ExploitGym för att utnyttja dem och 71,0 procent på CWE-bench för att åtgärda grundorsaker — mot 83,4, 42,0 och 68,0 procent för Argon. Google uppger att sårbarhetsarbetet kördes utan skyddsmekanismer, att Carbon internt har mer än dubbelt så hög träffsäkerhet som Argon på säker kod och att Chrome-ingenjörer mätte dess patchkvalitet till mer än tio gånger den hos ett onämnt konkurrentlabbs frontmodell. Ingen av de tre uppgifterna har ännu någon oberoende motsvarighet.
Google redovisar också rörelse i sina egna säkerhetsutvärderingar: påståenden utan stöd har ungefär halverats jämfört med Argon, allvarliga avvikelselarm i interna kodmiljöer föll nästan 80 procent, och i Gray Swans test av indirekt promptinjektion är angreppens framgångsgrad 0,0 procent, mot 0,7 för Argon. I Terminal-Bench 4.0 uppger Google att lyckat fusk sjönk till 0,0 procent och försöken till 0,4.
Nästan ingen kan använda den
Tillgängligheten är det skarpaste avsteget från en vanlig frontmodellslansering. Google säger att åtkomsten börjar denna vecka med ett urval cyberförsvarare och breddas till betrodda partner genom programmet Fairwind, medan utvecklare, företag och konsumenter får den senare, “så snart som möjligt”, utan datum. Artificial Analysis anger att modellen saknar publikt API. Argon har däremot varit allmänt tillgänglig sedan den 13 oktober.
Priserna publiceras ändå. Carbon kostar 2 dollar per miljon inmatade tokens och 10 per miljon utmatade under en introduktionsperiod, samma nivåer som Argon lanserades med, och stiger därefter till 4 och 20 dollar, med 95 procents rabatt på cachad inmatning. Kontextfönstret är en miljon tokens.
Vad man ska följa
Google uppger att Carbon deltar i den amerikanska regeringens frivilliga testning före lansering. De närmaste konkreta datumen är slutet på introduktionspriserna — Argons löper till den 30 november — och den punkt där Fairwind-åtkomsten breddas tillräckligt för att någon utanför Googles godkända lista ska kunna försöka återskapa de cybersäkerhetssiffror lanseringen vilar på.
