GeminiGoogle представила Gemini 4 Carbon – новую старшую ИИ-модель с улучшениями в программировании, многошаговых задачах и киберзащите. Carbon заняла первое место в Artificial Analysis Intelligence Index v5.0 с результатом 59 баллов. На неделе анонса Google начнёт предоставлять доступ выбранным специалистам по киберзащите. Разработчикам, компаниям и обычным пользователям модель обещают открыть позднее.
Что изменилось по сравнению с Gemini 4 Argon
Carbon представили через две недели после начала широкого распространения Gemini 4 Argon 13 октября. Саму Argon Google анонсировала раньше, 30 сентября. Компания объясняет быстрый темп разработки совместной работой исследователей и ИИ-моделей.
При подготовке Carbon разработчики учли отзывы об Argon и сосредоточились на программировании, научных задачах, создании веб-приложений целиком и понимании разных типов данных. Модель рассчитана на продолжительные инженерные задания. По наблюдениям команд Google, она может работать над ними несколько дней: искать причины сложных ошибок в больших проектах и низкоуровневом ПО, проверять решения и готовить исправления.
До официального анонса COMSS.ru разбирал ранние сведения о Gemini 4 Carbon. Теперь Google подтвердила название модели, опубликовала результаты тестов и объявила будущие тарифы.
Результаты Gemini 4 Carbon в сравнении с конкурентами
В Artificial Analysis Intelligence Index v5.0 Carbon получила 59 баллов против 50 у Argon. В опубликованной Google сравнительной таблице Claude Opus 5.5 набирает 58 баллов, GPT-6 Astra – 57, а Claude Fable 5.1 – 49.
Artificial Analysis Intelligence Index – сводный показатель по девяти тестам рабочих задач, программирования, науки и общих знаний. Итоговый балл помогает сравнить совокупные возможности моделей, но для конкретной работы полезнее смотреть результаты соответствующих тестов.
В WebDev Arena Carbon занимает четвёртое место с результатом 1768 баллов Elo – на 89 выше Argon. На открытой странице рейтинга результат Carbon помечен как предварительный.
Ниже приведены все 17 строк сравнительной таблицы Google. Значения относятся к указанным версиям тестов и условиям оценки; прочерк означает отсутствие опубликованного результата.
| Направление | Тест и метрика | Gemini 4 Carbon | Gemini 4 Argon | GPT-6 Astra | Claude Opus 5.5 | Claude Fable 5.1 |
|---|---|---|---|---|---|---|
| Общие возможности | AA Index v5.0, баллы | 59 | 50 | 57 | 58 | 49 |
| Общие возможности | Vals Index v2.2 | 70,4% | 69,2% | 65,0% | 70,2% | – |
| Программирование с ИИ-агентами | SWE-sweep | 9,6% | 4,3% | 9,5% | 3,6% | 2,9% |
| Программирование с ИИ-агентами | FrontierSWE 2 | 61,2% | 55,0% | 65,5% | 62,3% | 56,3% |
| Программирование с ИИ-агентами | Terminal-Bench 4.0 (AA) | 65,2% | 57,1% | 59,1% | 59,6% | 52,0% |
| Управление компьютером | Agents' Last Exam v1.1, Score | 77,4% | 69,0% | 73,1% | 71,6% | – |
| Управление компьютером | OSWorld-2.1, офлайн-поднабор | 81,5% | 74,7% | 80,9% | 87,2% | 76,8% |
| Рабочие задачи | AutomationBench, Zapier | 53,9% | 51,3% | 41,4% | 42,5% | 31,4% |
| Рабочие задачи | Vending-Bench 2, баланс счёта, USD | 16 484 | 13 718 | 15 515 | 9 235 | 5 422 |
| Мультимодальные задачи | Chartography | 72,5% | 71,6% | 71,0% | 66,3% | 46,2% |
| Мультимодальные задачи | Blueprint-Bench 2, оценка сходства | 58,6% | 54,4% | 49,7% | 51,2% | 41,9% |
| Длинный контекст | GraphWalks, 256 тыс. – 1 млн токенов, BFS (F1) | 96,2% | 84,2% | 71,8% | 66,8% | 65,0% |
| Наука и математика | RiemannBench | 80,0% | 76,0% | 72,0% | 69,6% | 65,6% |
| Наука и математика | Terminal-Bench-Science 0.1 (AA) | 64,8% | 52,9% | 63,3% | 59,0% | 43,3% |
| Кибербезопасность | CWE-bench | 71,0% | 68,0% | 68,0% | 67,0% | 58,0% |
| Кибербезопасность | ExploitGym | 54,8% | 42,0% | 42,4% | 34,5% | – |
| Кибербезопасность | SEC-bench Pro | 88,2% | 83,4% | 85,4% | – | – |
Carbon превосходит Argon во всех строках этой таблицы, но уступает отдельным конкурентам. В FrontierSWE 2 выше результаты GPT-6 Astra и Claude Opus 5.5, а в офлайн-поднаборе OSWorld-2.1 лидирует Opus 5.5. Баланс счёта в Vending-Bench 2 – метрика теста, а не обещание заработка пользователю.
Согласно методике Google DeepMind, Gemini тестировали через API с максимальным уровнем рассуждения, если не оговорено иное. Обычно используется pass@1 – результат одной попытки без голосования по нескольким ответам. Данные конкурентов взяты из публичных оценок, отчётов и таблиц результатов.
Для OSWorld-2.1 использован офлайн-поднабор из 82 заданий; у Gemini выбран лучший результат трёх запусков. Agents' Last Exam v1.1 включает 122 задания с лимитом пять часов и версией набора от 17 октября без обновления от 26 октября. GraphWalks охватывает 200 задач с контекстом от 256 тыс. до 1 млн токенов; это условие теста, а не объявленный лимит публичного API Carbon.
Поиск уязвимостей, проверка атак и исправление кода
Google выделяет три направления киберзащиты: поиск уязвимостей, проверку возможности их эксплуатации и устранение причины ошибки. Carbon получила 88,2% в SEC-bench Pro, 54,8% в ExploitGym и 71,0% в CWE-bench. Эти внешние тесты Google проводила без защитных ограничений модели, поэтому результаты нельзя автоматически переносить на будущую общедоступную версию с включённой защитой.
SEC-bench Pro оценивали на 183 заданиях по JavaScript-движкам из набора за май 2026 года, усредняя три независимые попытки. Для ExploitGym использовали Antigravity без доступа к интернету и с отключёнными мерами защиты тестовой среды; методика описывает лимиты шесть и десять часов на задание. CWE-bench использует программную проверку успешности исправления.
Во внутренних тестах Google успешность генерации безопасного кода выросла более чем вдвое относительно Argon. Команда Chrome также сообщила о более чем десятикратном превосходстве над неназванной крупной моделью другой компании при создании качественных исправлений. Без названия конкурента и подробных условий этот результат остаётся внутренней оценкой Google. Команда Wiz дополнительно отмечает лидерство Carbon в своих тестах на проникновение в веб-приложения, используемых в инициативе Scan for Good.
Меньше неподтверждённых утверждений и действий за пределами задания
Google сообщает, что во внутренних проверках Carbon примерно вдвое сократила число неподтверждённых утверждений по сравнению с Argon. Модель должна включать ограничения методики прямо в результат работы, а при невозможности выполнить действие – перечислять недостающие условия. При неоднозначном задании Carbon должна обращаться к источникам и показывать пользователю обнаруженные расхождения.
По оценке разработчика, выход за рамки поручения сократился на 26%, а неполное выполнение задач – на 29%. Это внутренние показатели Google, а не независимая оценка надёжности во всех сценариях.
Компания приводит и другие результаты проверок безопасности:
- В Terminal-Bench 4.0 доля успешного обхода правил теста снизилась до 0%, а попыток такого обхода – до 0,4%.
- В рабочих средах программирования команд Google число предупреждений о серьёзных отклонениях от заданного поведения уменьшилось почти на 80%.
- В Gray Swan Indirect Prompt Injection доля успешных атак через подставные инструкции составила 0% против 0,7% у Argon. Это результат проверенного набора атак, а не гарантия полной защиты.
Когда откроют доступ и сколько будет стоить API
Первый этап запуска рассчитан на выбранных специалистов по киберзащите. Затем Google планирует постепенно подключать проверенных партнёров через Fairwind Program. Компания также участвует в добровольном процессе предварительного тестирования моделей при участии правительства США.
Для разработчиков, организаций и обычных пользователей Google пока использует формулировку «скоро», без календарной даты общего выпуска. В журнале изменений Gemini API, открытом 29 октября, записи о публичном выпуске Carbon нет; общедоступный выпуск Argon отмечен 13 октября. Условия подписок AI Pro и AI Ultra для Argon нельзя автоматически считать условиями доступа к Carbon.
Google объявила следующие тарифы за 1 млн токенов:
| Тип токенов | Вводный период | После вводного периода |
|---|---|---|
| Входные | 2 USD | 4 USD |
| Выходные | 10 USD | 20 USD |
Для входных токенов из кэша заявлена скидка 95% от входного тарифа. Дату окончания вводного периода именно для Carbon анонс не указывает. Это цены использования API, а не стоимость потребительской подписки.
Вывод
Carbon улучшает результаты Argon в программировании, научных и многошаговых задачах, однако выбор модели по-прежнему зависит от конкретной нагрузки: в части тестов сильнее конкуренты. Для разработчиков наиболее заметны заявленные улучшения поиска и исправления уязвимостей, а также соблюдения границ задания. Проверить их в обычной работе можно будет после расширения доступа.
