Gemini 4 Carbon: Model Dunia Terbaru dari Google

Dua minggu setelah Gemini 4 Argon tersedia luas, Google kembali merilis model baru. Gemini 4 Carbon, yang diumumkan hari ini, disebut Google sebagai "model frontier berikutnya," dan langsung menempati peringkat pertama pada Artificial Analysis Intelligence Index v5.0 yang baru diperbarui.

Kebanyakan orang belum bisa menggunakannya. Carbon diluncurkan pertama kali untuk sekelompok kecil pembela keamanan siber, sementara pengembang, bisnis, dan konsumen baru akan mendapat akses kemudian.

Dalam artikel ini, saya akan membahas apa itu Gemini 4 Carbon, apa yang berubah sejak Argon, bagaimana kinerjanya pada tolok ukur (baik milik Google maupun independen), berapa biayanya, dan kapan Anda bisa mulai menggunakannya.

Terakhir, sebelum kita mulai, saya paham Anda mungkin sampai di artikel ini setelah mendengar kabar umum tentang Google AI. Untuk memperjelas, Gemini 4 Carbon (yang dibahas dalam artikel ini) adalah model bahasa besar frontier berfokus teks dan kode; Genie 4, yang juga baru dirilis, adalah model dunia interaktif berbasis fisika untuk simulasi digital waktu nyata. Genie 4 juga layak untuk dibaca.

Apa Itu Gemini 4 Carbon?

Gemini 4 Carbon adalah model terbaru dalam keluarga Gemini 4 Google, berada di atas Gemini 4 Argon. Ini kabar besar karena saat Argon dirilis beberapa minggu lalu, model itu banyak dibicarakan sebagai kebangkitan besar Google berkat hasil benchmark Argon yang sangat mengesankan.

Carbon bahkan lebih baik. Google memosisikan model ini unggul untuk tugas-tugas agen dengan cakrawala panjang, yakni pekerjaan yang membutuhkan banyak langkah, banyak pemanggilan alat, dan banyak pemulihan dari jalan buntu.

Menurut Google DeepMind, tim internal melihat Carbon berjalan selama berhari-hari pada masalah rekayasa multi-langkah, seperti menemukan akar masalah dan menambal bug di basis kode besar serta sistem level rendah.

Google juga mengklaim peningkatan dalam:

• Pemrograman dan pengembangan web full-stack
• Tugas agen dan penggunaan komputer
• Penalaran ilmiah
• Pemahaman multimodal

Google belum menerbitkan laporan teknis, detail arsitektur, atau jumlah parameter. Google juga belum membagikan spesifikasi API, jadi kita belum tahu apakah Carbon mempertahankan batasan Argon (jendela konteks lebih dari 1 juta token, batas output default 65.536 token, serta input teks, gambar, video, audio, dan PDF).

Gemini 4 Carbon vs. Gemini 4 Argon

Peluncuran Gemini 4 bergerak cepat:

Hasil benchmark memang mengesankan, tak diragukan lagi. Perhatikan bagaimana Carbon melampaui Argon di semua 17 baris perbandingan yang dipublikasikan Google.

Tolok Ukur Gemini 4 Carbon vs. Pesaing

Saya akan membagi bagian ini menjadi dua: hasil yang dilaporkan Google sendiri, dan evaluasi independen.

Hasil yang dilaporkan Google

Carbon meraih skor tertinggi di 15 dari 17 baris. Dua pengecualian adalah:

• Rekayasa perangkat lunak: Pada FrontierSWE 2, GPT-6 Astra dan Claude Opus 5.5 sama-sama mengungguli Carbon.
• Penggunaan komputer: Pada subset offline OSWorld-2.1, Claude Opus 5.5 memimpin.

Kelebihan paling jelas Carbon adalah pada penalaran konteks panjang. Pada GraphWalks, skornya jauh di depan GPT-6 Astra dan Opus 5.5.

Pada Vending-Bench 2, tolok ukur bisnis simulasi, Carbon finis dengan saldo $16.484, unggul atas GPT-6 Astra dan Argon.

Perlu dicatat: Hasil Google tidak menyertakan estimasi ketidakpastian, dan tolok ukur keamanan dijalankan tanpa pagar pembatas, sehingga hasil dunia nyata mungkin atau akan berbeda.

Evaluasi independen

Angka independen dari Artificial Analysis secara umum mendukung klaim Google, meski dengan nuansa:

• Intelligence Index v5.0: Carbon menempati posisi teratas, sedikit di depan Claude Opus 5.5 dan GPT-6 Astra, dan jauh di depan Argon. Versi 5.0 adalah pembangunan ulang indeks yang lebih sulit, dengan sebagian besar pertanyaannya berasal dari tes privat atau yang ditahan. Itulah mengapa skor lebih rendah dibanding versi sebelumnya.
• Coding Agent Index: Carbon (melalui Antigravity CLI) mencetak 59. Itu lompatan yang solid dari Argon (53), namun masih di belakang Claude Code dengan Opus 5.5 (62).
• AA-Briefcase (pekerjaan pengetahuan): 1.609 Elo, naik 126 poin dari Argon, tetapi masih di belakang Grok 4.7, Muse Wonder, dan Kimi K3.1 Pro.
• AA-Omniscience (pengetahuan faktual): Carbon memuncaki bagan dengan skor 54 dan menjawab 58% pertanyaan dengan benar (Argon: 48%). Namun, tingkat halusinasinya naik dari 4% menjadi 11%.

Pada WebDev Arena, Carbon berada di peringkat #4 dengan 1.769 Elo, naik 89 poin.

Intinya: Carbon adalah model serba bisa terkuat di papan peringkat saat ini, tetapi bukan yang terbaik dalam segala hal. Jika beban kerja Anda sebagian besar adalah pengodean agen atau penggunaan komputer, persaingan masih ketat.

Keamanan Siber Gemini 4 Carbon

Keamanan menjadi sorotan besar dalam peluncuran ini. Google membagi pekerjaan sibernya menjadi tiga tahap, dan Carbon melaporkan angka kuat pada masing-masing:

1. Penemuan kerentanan: 88,2% pada SEC-bench Pro (state-of-the-art)
2. Validasi eksploit: 54,8% pada ExploitGym (state-of-the-art)
3. Penambalan: 71,0% pada CWE-bench

Google juga melaporkan:

• Lebih dari dua kali tingkat keberhasilan Argon dalam menghasilkan kode yang aman
• Carbon lebih dari sepuluh kali lebih baik daripada model frontier dari lab lain dalam menghasilkan tambalan berkualitas tinggi (tidak, nama lab lain tidak disebutkan)

Kemampuan ini bermata dua. Model yang begitu mahir menemukan dan mengeksploitasi kerentanan bernilai bagi pembela maupun penyerang, yang mungkin menjelaskan peluncuran yang hati-hati.

Peningkatan Keamanan dan Keandalan

Carbon menggunakan tumpukan keamanan berlapis yang sama seperti Argon: pelatihan keamanan, pertahanan penyalahgunaan waktu nyata, ketahanan terhadap suntikan prompt, dan pemantauan rantai pemikiran. Google melaporkan peningkatan ini dibanding Argon:

• Klaim tanpa dukungan lebih sedikit: kira-kira berkurang separuh
• Peringatan misalignment: peringatan tingkat keparahan tinggi di lingkungan pengodean langsung turun hampir 80%
• Kontrol cakupan: overreach turun 26%, under-service turun 29%
• Kecurangan benchmark: 0,0% kecurangan berhasil pada Terminal-Bench 4.0, dengan upaya turun menjadi 0,4%
• Suntikan prompt: 0,0% keberhasilan serangan pada tolok ukur suntikan prompt tidak langsung Gray Swan (Argon: 0,7%)

Perhatikan bahwa hasil "klaim tanpa dukungan lebih sedikit" berasal dari pengujian internal Google, sementara Artificial Analysis mengukur tingkat halusinasi lebih tinggi pada AA-Omniscience. Kedua tes memang mengukur hal berbeda, namun ini memperumit gambaran keseluruhan.

Harga Gemini 4 Carbon

Carbon diluncurkan dengan harga perkenalan yang sama seperti Argon:

Google belum menyebutkan kapan periode perkenalan Carbon berakhir. Sebagai referensi, harga perkenalan Argon berakhir pada 30 November 2026.

Sebagai contoh, beban kerja dengan 10M token input dan 1M token output akan menelan biaya sekitar $30 pada tarif perkenalan dan $60 setelahnya.

Cara Mengakses Gemini 4 Carbon

Saat ini, kemungkinan besar Anda belum bisa. Berikut rencana peluncurannya:

1. Sekarang: Subset pembela siber mendapat akses.
2. Berikutnya: Akses diperluas bertahap ke lebih banyak mitra tepercaya melalui Program Fairwind Google.
3. Nanti: Pengembang, bisnis, dan konsumen. 

Sambil menunggu, Gemini 4 Argon tersedia sekarang dengan harga perkenalan yang sama dan merupakan cara yang baik untuk mulai membangun alur kerja yang nantinya dapat Anda pindahkan ke Carbon.

Pemikiran Akhir

Pada akhirnya, karena Carbon memiliki struktur harga yang persis sama dengan Argon, sangat mungkin model ini dengan cepat menyaingi pendahulunya bagi sebagian besar pengguna. Begitu Carbon tersedia luas untuk publik, saya memperkirakan para pengembang dan klien perusahaan akan secara alami bermigrasi untuk memanfaatkan kemampuannya yang lebih unggul.