Gemini 4 Carbonでは、安全性や信頼性を損なうことなく、ソフトウェアエンジニアリングとサイバーセキュリティ防御(cybersecurity defense)で意味のある飛躍を届けることを目標としています。同社は、最初のサイバー防御担当者(cyber defenders)のグループがGemini 4 Carbonをどのように使うかを見ることを楽しみにしています。
Googleは、最先端のサイバーセキュリティ能力と長期タスクの能力を備えた、同社で最も強力な次世代フロンティアモデル「Gemini 4 Carbon」を発表しました。Gemini 4 Carbonは、更新されたArtificial Analysis Intelligence Index v5.0において59のスコアで1位となり、コーディングとエージェント型タスク、およびサイバーセキュリティ防御に重要な主要能力で大きな向上を示しています。また、脆弱性発見のSEC-bench Proで88.2%、悪用（exploitation）のExploitGymで54.8%、パッチ適用のCWE-benchで71.0%と、明確なリードを得ています。Gemini 4 Carbonはサイバーセキュリティ能力において大きな飛躍を遂げており、脆弱性の検出、検証、修復というサイバーセキュリティ防御のライフサイクル全体で最先端の性能を達成しています。
提供方針と導入価格
Gemini 4 Carbonは提供を慎重に進める方針で、同社は米国政府の公開前モデルテストの任意のプロセス(voluntary process for pre-release model testing)に積極的に参加しています。同社はフィードバックを集め、ガードレールの改善を続けています。その後できるだけ早く、プロダクトの各サーフェスを通じて開発者、企業、一般消費者にGemini 4 Carbonを提供する予定です。
Gemini 4 Carbonの導入価格は、入力100万トークンあたり$2、出力100万トークンあたり$10で、キャッシュされた入力トークンは入力トークン価格から95%引きとなります。
コーディング性能と安全性の改善
同社は、ユーザーからのフィードバックを踏まえ、Gemini 4 Carbonの性能を、コーディング、エージェント型、科学タスクのほか、フルスタックのウェブ開発やマルチモーダル理解など、さまざまな領域で改善することに注力しました。ウェブ開発での出力とアーティファクトの品質が向上したことで、Gemini 4 CarbonはWebDev Arenaで+89 eloポイント上昇し、1768で4位となりました。また、同社のチームとのライブコーディング環境において、Gemini 4 Carbonはミスアラインメント(misalignment)と捏造(fabrication)の発生率が低下しています。社内ベンチマークでは、Gemini 4 Carbonは安全なコードを生成する成功率がGemini 4 Argonの2倍超に向上しています。
Gemini 4 Carbonは、2週間前に提供開始されたGemini 4 Argonと同じ多層の安全性とセキュリティの仕組みの上に構築されています。この仕組みには、モデル訓練、リアルタイムの悪用対策、プロンプトインジェクション(prompt injection)への耐性、および思考の連鎖(chain-of-thought)の監視が組み合わされています。
サイバー防御での性能と段階的な提供
サイバー防御担当者は、どの脆弱性を優先して修復するか、あるいは修復するかどうかを決めるために、どの脆弱性が悪用可能かの確認をモデルに頼るようになっていますが、Gemini 4 Carbonは、広く使われている悪用ベンチマークExploitGymで54.8%という新たな最先端を打ち立てました。サイバーセキュリティ防御の中核は実際の脆弱性を発見することであり、Gemini 4 CarbonはSEC-bench Proで最先端の88.2%を達成し、実世界のソフトウェアに潜む複雑な欠陥を自律的に発見しました。脆弱性を特定した後、根本原因を修正することはサイバーセキュリティ防御のライフサイクルで重要なステップであり、Gemini 4 CarbonはCollinearのCWE-benchで71.0%に達し、検証済みの発見を直接、動作するコード修正に変えました。Chromeチームは、高品質なパッチを生成する際の性能について、Gemini 4 Carbonが別のラボの大規模フロンティアモデルより10倍超優れていたと報告しています。また、同社の主力クラウドセキュリティプラットフォームであるWizは、ウェブのペネトレーションテストのベンチマークでGemini 4 Carbonがトップであることも確認しており、ウェブペネトレーションテストはWizのScan for Goodイニシアチブの中核となる能力です。
Gemini 4 Carbonは、脆弱性の検出、検証、修復というサイバーセキュリティ防御のライフサイクル全体で最先端の性能を達成しており、主要な外部ベンチマーク（SEC-bench Pro、ExploitGym、CWE-bench）の結果は、ガードレール(guardrails)なしで評価されたものです。
サイバー防御担当者は、どの脆弱性を先に修復するか、あるいは修復するかどうかを優先順位づけするために、どの脆弱性が悪用可能かを確認する作業において、モデルへの依存を強めています。サイバーセキュリティ防御のライフサイクルでは、脆弱性を特定した後に根本原因（root cause）を修正することが、最終的に重要なステップとなります。
2週間前に提供が始まったGemini 4 Argonを土台とするGemini 4 Carbonは、同社が最先端を押し広げる(pushing the frontier)ペースを示すものです。同社の研究者とモデルが協力して能力の向上を速めつつ、セーフガードも同時に強化しています。最先端を押し広げるには、素早く動きつつ、展開については慎重であり続けることが求められます。
今週から、Carbonは一部のサイバー防御担当者に提供されます。Fairwind Programを通じて、信頼できる追加パートナーへ段階的にアクセスを広げます。Gemini 4 Carbonは現時点では一部のサイバー防御担当者への提供にとどまり、開発者、企業、一般消費者への提供は近日中を目指すとされています。
同社はArgonでモデルのアラインメントを大きく前進させ、Argonがアラインした形で振る舞う傾向をSafety and Securityレポートで報告しました。Carbonではアラインメントをさらに一歩進めることに挑み、複雑なタスクや高いプレッシャーのかかるタスクに正しい形で応答するようモデルを訓練しました。Gemini 4 Carbonは、訓練中にショートカットや抜け穴の悪用をさらに抑えつつ、同時に高品質なコーディング性能を確保しました。Terminal-Bench 4.0では、成功した不正を0.0%に、不正の試行を0.4%に減らし、全体の精度も向上させました。社内チームとのライブのコーディング環境では、深刻度の高いミスアラインメントアラートが80%近く減少しました。
Gemini 4 Carbonは、はるかに難しい長期のエンジニアリング問題に取り組むために構築されており、持続的なエージェント型ワークフローに対応するように設計されています。社内チームでは、Gemini 4 Carbonが何日にもわたって実行を続け、行き詰まりを乗り越えながら、大規模なコードベースや低レベルのシステムにまたがる微妙なバグの根本原因の特定とパッチ適用など、複雑な複数ステップのエンジニアリングタスクに取り組む例が見られました。社内テストでは、Gemini 4 Carbonは裏付けのない主張をArgonの約半分に減らしています。また、Gemini 4 Carbonは、行き過ぎを26%、対応不足を29%同時に減らし、プロジェクトの制約を守り範囲を厳密に守りながら、複数ステップの計画をエンドツーエンドではるかに確実に実行できるようになりました。証拠が足りないときには、でっち上げたり曖昧にごまかしたりするのではなく、方法論上の注意点を成果物の中に直接書き込むか、ブロックされた操作を見送って、まだ必要なものを明確なリストで示します。
Gemini 4 Carbonは、曖昧さに直面したとき、推測したり無理に先へ進んだりするのではなく、関連する情報源を取得し、行動する前に食い違いをユーザーに示します。その結果、ユーザーはGemini 4 Carbonで、はるかに良い協働体験を得られるはずだとしています。
Gray SwanのIndirect Prompt Injection (IPI) Benchmarkでは、以前はArgonがプロンプトインジェクションへの耐性で首位に立ち、攻撃成功率は0.7%でした。Gemini 4 Carbonは攻撃成功率0.0%を達成し、評価されたすべての攻撃の試みに耐えました。