28 октября 2026 года Google DeepMind анонсировала Gemini 4 Carbon — свою самую сильную модель, которую компания позиционирует как лучшую в кибербезопасности и долгих агентных задачах. Carbon вышла через две недели после того, как Google открыла публичный доступ к Gemini 4 Argon.
Сразу модель получат не все: на этой неделе её откроют части специалистов по киберзащите, затем доступ постепенно расширят на доверенных партнёров программы Fairwind. Разработчикам, бизнесу и обычным пользователям Google обещает Carbon «как можно скорее», но без даты: компания ещё собирает отзывы и дорабатывает защитные ограничения.
- Carbon первая в Artificial Analysis Intelligence Index v5.0 с 59 баллами, Artificial Analysis подтвердила результат на своём сайте
- Вводная цена такая же, как у Argon: $2 за миллион входных и $10 за миллион выходных токенов, после вводного периода $4 и $20
- В кибербезопасности модель лидирует на SEC-bench Pro (88,2%), ExploitGym (54,8%) и CWE-bench (71,0%)
- По словам Google, внутри компании модель работает над одной инженерной задачей по несколько дней
- Пока модель доступна только киберзащитникам и партнёрам Fairwind, даты общего запуска нет
Кому и когда дадут Carbon
Google называет свой подход к запуску осторожным и участвует в добровольной программе правительства США по тестированию моделей до релиза. Порядок такой: сначала отобранные специалисты по киберзащите, потом расширенный круг доверенных партнёров через Fairwind, и только затем разработчики, компании и пользователи продуктов Google.
В анонсе нет данных о контекстном окне, лимитах API и тарифах подписки Google AI. По карточке модели у Artificial Analysis, контекст составляет 1 млн токенов, на вход Carbon принимает текст, изображения, речь и видео, на выходе отдаёт текст.
Цены Gemini 4 Carbon за миллион токенов
| Период | Вход | Выход | Кэшированный вход |
|---|---|---|---|
| Вводная цена | $2 | $10 | $0,10 |
| После вводного периода | $4 | $20 | $0,20 |
Блог Google, скидка на кэш 95% от цены входа
Дату окончания вводного периода для Carbon Google не назвала. Для Argon вводная цена действует до 30 ноября.
Бенчмарки: первое место почти везде
Вместе с анонсом Google опубликовала сводную таблицу оценок, где сравнила Carbon с Argon, GPT-6 Astra, Claude Opus 5.5 и Claude Fable 5.1. Часть результатов Google получила сама, часть взята из внешних рейтингов и отчётов других лабораторий, методика описана в документе DeepMind.
Carbon впереди в 15 строках из 17. Уступает модель только на FrontierSWE 2, где лидирует GPT-6 Astra с 65,5% против 61,2% у Carbon, и на офлайн-подмножестве OSWorld-2.1 по управлению компьютером, где Claude Opus 5.5 набирает 87,2% против 81,5%.
- Terminal-Bench 4.0: 65,2% против 59,6% у Opus 5.5 и 59,1% у Astra;
- GraphWalks (длинный контекст от 256 тысяч до 1 млн токенов): 96,2% против 84,2% у Argon и 71,8% у Astra;
- AutomationBench от Zapier: 53,9% против 42,5% у Opus 5.5;
- Vending-Bench 2, где модель управляет виртуальным бизнесом: итоговый баланс $16 484 против $15 515 у Astra;
- RiemannBench по математике: 80,0% против 72,0% у Astra.
В рейтинге веб-разработки WebDev Arena Carbon прибавила 89 пунктов Эло к Argon и заняла четвёртое место с 1769 пунктами.
Что показала проверка Artificial Analysis
Artificial Analysis прогнала Carbon через обновлённый индекс v5.0 и подтвердила первое место: 59 баллов, первая из 52 моделей. На второй строке Claude Opus 5.5 с 58 баллами, на третьей GPT-6 Astra с 57.
За результат модель платит объёмом рассуждений: на прохождение индекса Carbon потратила 200 млн выходных токенов при медиане 64 млн, это 49-е место из 51 по многословности. Одна задача индекса обошлась в $7,76 по цене после вводного периода. Для сравнения, по данным Artificial Analysis, у Claude Opus 5.5 в режиме max выходит $10,04 за задачу, у GPT-6 Astra $6,24.
Кибербезопасность: найти, доказать, исправить
Google делит работу защитника на три этапа: найти уязвимость, проверить, можно ли её эксплуатировать, и исправить причину. Для каждого этапа компания приводит внешний бенчмарк, все прогоны Carbon сделаны без защитных ограничений.
На SEC-bench Pro, где модель ищет реальные уязвимости в открытом ПО, Carbon набрала 88,2%. Следом идут GPT-6 Astra с 85,4% и Argon с 83,4%.
ExploitGym проверяет, сможет ли модель написать рабочий эксплойт для заданной уязвимости. С лимитом 10 часов на задачу Carbon решила 54,8%, с лимитом 6 часов 53,5%. У Argon за 10 часов 42,0%, у GPT-6 Astra без ограничения по времени 42,4%, у Claude Opus 5.5 за 6 часов 34,5%.
На CWE-bench от Collinear модель должна исправить уязвимость на уровне причины. Carbon в Antigravity набрала 71,0%, Grok 4.7, Argon и GPT-6 Astra по 68,0%, Claude Opus 5.5 в Claude Code 67,0%.
По внутренним замерам Google, при генерации безопасного кода доля успешных решений у Carbon более чем вдвое выше, чем у Argon. Команда Chrome сообщила, что качественные патчи Carbon генерирует более чем в 10 раз лучше, чем крупная модель другой лаборатории, её Google не называет. Wiz, по словам Google, видит Carbon лидером в своих бенчмарках по пентесту веб-приложений.
Долгие задачи
Carbon рассчитана на длительные агентные сценарии и сложные многошаговые инженерные задачи. По словам Google, внутренние команды видели, как модель работает над задачей несколько дней подряд, обходит тупики и находит причины тонких багов в больших кодовых базах и низкоуровневых системах, а затем исправляет их.
Поведение модели и защита от промпт-инъекций
Carbon использует тот же набор защит, что и Argon: обучение, фильтры злоупотреблений в реальном времени, устойчивость к промпт-инъекциям и мониторинг цепочки рассуждений. Подробности Google вынесла в отчёт о безопасности Gemini 4.
- На Terminal-Bench 4.0 доля успешного жульничества с тестами снизилась до 0,0%, попыток стало 0,4%, а точность выросла;
- в живых средах программирования у внутренних команд почти на 80% меньше серьёзных предупреждений о рассогласовании поведения модели;
- необоснованных утверждений примерно вдвое меньше, чем у Argon: вместо выдуманных результатов модель пишет оговорки или перечисляет, чего не хватает;
- превышение полномочий снизилось на 26%, недоработка относительно задачи на 29%;
- на бенчмарке непрямых промпт-инъекций Gray Swan ни одна атака не прошла, у Argon успешными были 0,7%.
Что писали ранние тестировщики
За неделю до анонса ранние версии Carbon появлялись у участников программы раннего доступа и на LM Arena. По пересказу TestingCatalog, тестировщики отмечали, что в 3D-задачах модель заметно сильнее Argon, а фронтенд и интерфейсы у неё по-прежнему слабые. Один из тестировщиков оценил, что модель отвечает примерно в 2–4 раза медленнее в зависимости от задачи. Какую именно версию модели получали тестировщики, неизвестно, поэтому эти оценки к релизу могут не относиться.