Gemini 4 Carbon: cel mai nou world model de la Google

La două săptămâni după ce Gemini 4 Argon a devenit disponibil pe scară largă, Google revine cu un alt model. Gemini 4 Carbon, anunțat astăzi, este ceea ce Google numește „modelul său de frontieră următor” și a ocupat primul loc în noua versiune a Artificial Analysis Intelligence Index v5.0.

Cei mai mulți oameni nu îl pot folosi încă. Carbon este lansat mai întâi pentru un grup restrâns de specialiști în apărare cibernetică, iar dezvoltatorii, companiile și consumatorii vor primi acces abia ulterior.

În acest articol, îți prezint ce este Gemini 4 Carbon, ce s-a schimbat față de Argon, cum se descurcă în benchmarkuri (atât ale Google, cât și independente), cât va costa și când te poți aștepta să începi să-l folosești.

Înainte să începem, e posibil să fi ajuns aici după ce ai auzit, în general, știri despre Google AI. Ca să fie clar, Gemini 4 Carbon (despre care este acest articol) este un model de limbaj mare axat pe text și cod; Genie 4, care tocmai a fost lansat, este un world model interactiv, bazat pe fizică, pentru simulări digitale în timp real. Merită să citești și despre Genie 4.

Ce este Gemini 4 Carbon?

Gemini 4 Carbon este cel mai nou model din familia Gemini 4 a Google, poziționat deasupra lui Gemini 4 Argon. Este o veste mare, pentru că atunci când Argon a fost lansat în urmă cu doar câteva săptămâni, a fost considerat pe scară largă o revenire importantă pentru Google, dat fiind că Argon a obținut scoruri impresionante la testele de benchmark.

Carbon este și mai bun. Google poziționează modelul ca excelent pentru sarcini agentice pe orizont lung, adică pentru munci care presupun mulți pași, numeroase apeluri de tool-uri și multă recuperare din fundături.

Potrivit Google DeepMind, echipele interne au văzut Carbon rulând zile întregi pe probleme inginerești multi-pas, precum identificarea cauzei principalelor erori și aplicarea de patch-uri în coduri de mari dimensiuni și sisteme de nivel jos.

Google mai susține progrese la:

• Programare și dezvoltare web full-stack
• Sarcini agentice și utilizarea calculatorului
• Raționament științific
• Înțelegere multimodală

Google nu a publicat un raport tehnic, detalii de arhitectură sau numărul de parametri. De asemenea, nu a împărtășit o specificație de API, așa că nu știm încă dacă Carbon păstrează limitele lui Argon (o fereastră de context de peste 1 milion de tokeni, o limită implicită de output de 65.536 de tokeni și input text, imagine, video, audio și PDF).

Gemini 4 Carbon vs. Gemini 4 Argon

Lansarea Gemini 4 s-a mișcat rapid:

Rezultatele din benchmarkuri sunt fără îndoială impresionante. Observă cum Carbon îmbunătățește Argon în toate cele 17 rânduri ale comparației publicate de Google.

Benchmarkurile Gemini 4 Carbon vs. competiția

Voi împărți această secțiune în două părți mai mici: rezultatele raportate de Google și evaluările independente.

Rezultatele raportate de Google

Carbon are scorul de top în 15 din 17 rânduri. Cele două excepții sunt:

• Inginerie software: La FrontierSWE 2, GPT-6 Astra și Claude Opus 5.5 îl depășesc pe Carbon.
• Utilizarea calculatorului: Pe subsetul offline OSWorld-2.1, conduce Claude Opus 5.5.

Cel mai clar avans al lui Carbon este la raționamentul pe context lung. La GraphWalks, obține un scor mult înaintea GPT-6 Astra și Opus 5.5.

La Vending-Bench 2, un benchmark de business simulat, Carbon a încheiat cu un sold de $16.484, înaintea GPT-6 Astra și Argon.

De reținut: rezultatele Google nu includ estimări de incertitudine, iar benchmarkurile de securitate au fost rulate fără garduri de protecție, astfel încât rezultatele din lumea reală pot sau vor diferi.

Evaluări independente

Cifrele independente de la Artificial Analysis susțin în linii mari afirmațiile Google, deși cu nuanțe:

• Intelligence Index v5.0: Carbon ia primul loc, la mică distanță de Claude Opus 5.5 și GPT-6 Astra, și mult înaintea lui Argon. Versiunea 5.0 este o reconstrucție mai dificilă a indexului, cu majoritatea întrebărilor provenind din teste private sau nepublicate. De aceea scorurile sunt mai mici decât în versiunile anterioare.
• Coding Agent Index: Carbon (prin Antigravity CLI) obține 59. Este un salt solid față de Argon (53), dar în urma lui Claude Code cu Opus 5.5 (62).
• AA-Briefcase (muncă de cunoaștere): 1.609 Elo, cu 126 de puncte peste Argon, dar încă în urma Grok 4.7, Muse Wonder și Kimi K3.1 Pro.
• AA-Omniscience (cunoștințe factuale): Carbon este pe primul loc cu un scor de 54 și răspunde corect la 58% dintre întrebări (Argon: 48%). Totuși, rata de halucinații a crescut de la 4% la 11%.

Pe WebDev Arena, Carbon este pe locul #4 cu 1.769 Elo, în creștere cu 89 de puncte.

Concluzia: Carbon este cel mai puternic model all-round pe leaderboarduri în acest moment, dar nu este cel mai bun la toate. Dacă volumul tău de muncă este în principal programare agentică sau utilizare a calculatorului, lupta este încă strânsă.

Gemini 4 Carbon și cybersecurity

Securitatea este un subiect important în această lansare. Google își împarte munca pe partea de cyber în trei etape, iar Carbon raportează rezultate puternice la fiecare:

1. Descoperirea vulnerabilităților: 88,2% la SEC-bench Pro (starea de artă)
2. Validarea exploatărilor: 54,8% la ExploitGym (starea de artă)
3. Aplicarea de patch-uri: 71,0% la CWE-bench

Google mai raportează:

• O rată de succes de peste două ori mai mare decât a lui Argon la generarea de cod securizat
• Carbon a fost de peste zece ori mai bun decât modelul de frontieră al altui laborator la generarea de patch-uri de înaltă calitate (nu, numele celuilalt laborator nu a fost menționat)

Aceste capabilități au două tăișuri. Un model care găsește și exploatează vulnerabilități atât de bine este valoros atât pentru apărători, cât și pentru atacatori, lucru care ar putea explica lansarea prudentă.

Îmbunătățiri de siguranță și fiabilitate

Carbon folosește același stack de siguranță în straturi ca Argon: antrenament pe siguranță, apărări anti-abuz în timp real, reziliență la prompt-injection și monitorizarea chain-of-thought. Google raportează aceste îmbunătățiri față de Argon:

• Mai puține afirmații nejustificate: aproximativ înjumătățite
• Alerte de nealiniere: alertele cu severitate ridicată în mediile de codare live au scăzut cu aproape 80%
• Controlul ariei de acoperire: depășirile au scăzut cu 26%, sub-servicierea cu 29%
• Trișat în benchmarkuri: 0,0% trișat reușit la Terminal-Bench 4.0, cu încercări în scădere la 0,4%
• Prompt injection: 0,0% succes al atacurilor pe benchmarkul de prompt-injection indirect Gray Swan (Argon: 0,7%)

Reține că rezultatul „mai puține afirmații nejustificate” provine din testele interne ale Google, în timp ce Artificial Analysis a măsurat o rată mai mare de halucinații pe AA-Omniscience. Cele două teste măsoară lucruri diferite, dar asta complică povestea de ansamblu.

Prețurile Gemini 4 Carbon

Carbon se lansează la același preț introductiv ca Argon:

Google nu a spus când se încheie perioada introductivă a lui Carbon. Ca referință, prețurile introductive ale lui Argon se încheie pe 30 noiembrie 2026.

De exemplu, un volum de lucru cu 10M tokeni de input și 1M tokeni de output ar costa aproximativ $30 la tarifele introductive și $60 ulterior.

Cum accesezi Gemini 4 Carbon

Deocamdată, probabil că nu poți. Iată planul de lansare:

1. Acum: Un subset de apărători cibernetici primesc acces.
2. În continuare: Accesul se extinde treptat către mai mulți parteneri de încredere prin Programul Fairwind al Google.
3. Mai târziu: Dezvoltatori, companii și consumatori. 

Între timp, Gemini 4 Argon este disponibil acum la același preț introductiv și este o modalitate bună de a începe să construiești fluxuri de lucru pe care le vei putea muta ulterior pe Carbon.

Gânduri finale

În cele din urmă, deoarece Carbon are exact aceeași structură de preț ca Argon, este foarte probabil să-l eclipseze rapid pe predecesorul său pentru majoritatea utilizatorilor. În momentul în care Carbon va ajunge la o disponibilitate publică largă, mă aștept ca dezvoltatorii și clienții enterprise să migreze natural către el pentru a-i valorifica capabilitățile superioare.