Google DeepMind esitteli Gemini 4 Carbonin, yhtiön tähän asti vahvimman tekoälymallin. Painopiste on kyberturvallisuudessa ja pitkäkestoisissa agenttitehtävissä, kuten laajojen koodikantojen vikojen jäljittämisessä ja korjaamisessa.
Julkistus tuli vain kaksi viikkoa Gemini 4 Argonin jälkeen. Kuten Argon, myös Carbon jää aluksi suuren yleisön ulottumattomiin. Google antaa mallin ensin rajatulle joukolle kyberpuolustajia ja laajentaa käyttöä vaiheittain.
Carbon nousee vertailujen kärkeen
Google DeepMindin blogin mukaan Carbon on ensimmäisenä Artificial Analysisin päivitetyssä Intelligence Index v5.0 -vertailussa 59 pisteellä. Verkkokehitystä mittaavassa WebDev Arenassa malli nousi 89 Elo-pistettä ja sijoittui neljänneksi.
Googlen omissa vertailuissa Carbon ohittaa niukasti sekä Argonin että kilpailijat, kuten OpenAI:n GPT-6 Astran ja Anthropicin Claude Opus 5.5:n. Erot ovat kuitenkin muutamien prosenttiyksiköiden luokkaa, ja kaikki kärkimallit sijoittuvat samaan haarukkaan.
Ars Technica huomauttaa, että Carbon voi käytännössä olla Argonin jälkikoulutettu versio. Google markkinoi sitä kuitenkin kokonaan uutena mallina. Ulkopuolisia, riippumattomia testejä ei vielä ole, koska mallia ei voi käyttää vapaasti.
Vertailuissa on myös huomioitava, että Google valitsee itse esittelemänsä testit. Carbonin vahvuudet painottuvat juuri niihin osa-alueisiin, joihin yhtiö kertoo keskittyneensä: koodaukseen, agenttitehtäviin ja tieteelliseen analyysiin. Yleiskäytössä erot kilpailijoihin voivat jäädä vielä pienemmiksi.
Kyberturvallisuus on mallin päävahvuus
Carbonin suurin edistysaskel koskee haavoittuvuuksien koko elinkaarta: löytämistä, varmentamista ja korjaamista. SEC-bench Pro -testissä malli löysi oikeista ohjelmistoista haavoittuvuuksia 88,2 prosentin onnistumisasteella.
Hyödyntämistä mittaavassa ExploitGymissä tulos oli 54,8 prosenttia ja korjauksia arvioivassa CWE-benchissä 71,0 prosenttia. Kaikki kolme ovat Googlen mukaan alan parhaita tuloksia. Luvut on mitattu ilman mallin suojauksia.
Sisäisissä testeissä Carbon tuotti turvallista koodia yli kaksi kertaa Argonia useammin. Chromen tiimin mukaan malli teki laadukkaita tietoturvapaikkoja yli kymmenen kertaa paremmin kuin erään toisen laboratorion suuri kärkimalli. Myös Googlen omistama pilviturvayhtiö Wiz raportoi Carbonin johtavan verkon tunkeutumistestauksen vertailuissa.
Sama kyky on kaksiteräinen. Malli, joka löytää ja hyödyntää haavoittuvuuksia tehokkaasti, olisi arvokas myös hyökkääjille. Tämä selittää, miksi Google rajaa käyttöä tiukasti ja aloittaa jakelun nimenomaan puolustajista.
Päiviä kestäviä tehtäviä ja vähemmän oikopolkuja
Carbon on suunniteltu pitkiin, monivaiheisiin agenttityönkulkuihin. Googlen tiimit kertovat mallin työskennelleen päiviä yhtäjaksoisesti esimerkiksi hienovaraisten bugien juurisyiden etsimisessä suurissa koodikannoissa ja matalan tason järjestelmissä.
Google korostaa erityisesti mallin käyttäytymistä paineen alla. Terminal-Bench 4.0 -testissä onnistuneet huijausyritykset putosivat nollaan, ja yrityksiäkin oli vain 0,4 prosenttia. Sisäisissä koodausympäristöissä vakavat poikkeavan toiminnan hälytykset vähenivät lähes 80 prosenttia.
Malli esittää myös noin puolet vähemmän perusteettomia väitteitä kuin Argon. Ylilyönnit vähenivät 26 prosenttia ja tehtävien vajaaksi jättäminen 29 prosenttia. Gray Swanin epäsuorien kehoteinjektioiden testissä hyökkäysten onnistumisaste oli 0,0 prosenttia, kun Argonilla se oli 0,7.
Monitulkintaisissa tilanteissa Carbon ei Googlen mukaan arvaa, vaan hakee lähteet ja nostaa ristiriidat käyttäjän tietoon ennen toimintaa. Puuttuvien tietojen kohdalla malli listaa, mitä vielä tarvitaan, sen sijaan että keksisi vastauksen. Agenttikäytössä tämä on usein tärkeämpää kuin muutaman pisteen ero vertailuissa.
Vaiheittainen käyttöönotto ja hinnoittelu
Google osallistuu Yhdysvaltain hallinnon vapaaehtoiseen julkaisua edeltävään testaukseen. Carbon tulee tällä viikolla ensin osalle kyberpuolustajista, ja käyttöä laajennetaan luotetuille kumppaneille Fairwind-ohjelman kautta.
Kehittäjille, yrityksille ja kuluttajille malli tulee yhtiön mukaan mahdollisimman pian, mutta tarkkaa aikataulua ei ole. Argonin kohdalla laajempi saatavuus seurasi noin kahden viikon viiveellä.
Esittelyhinta on sama kuin Argonilla: 2 dollaria miljoonalta syötetokenilta ja 10 dollaria miljoonalta tulostokenilta. Välimuistiin tallennetut syötteet saavat 95 prosentin alennuksen. Esittelyjakson jälkeen hinnat kaksinkertaistuvat 4 ja 20 dollariin, eikä päättymispäivää ole kerrottu.
Ensimmäisinä mallin saavat todennäköisesti AI Ultra -tilaajat ja Gemini API:n kehittäjät, kuten Argonin kohdalla. Yrityksille, jotka suunnittelevat agenttipohjaista tietoturvatyötä, Carbonin hinnoittelu asettuu samalle tasolle kuin muiden valmistajien kärkimallit.
Yhteenveto
Gemini 4 Carbon vahvistaa suuntausta, jossa kärkimallien kilpailu ratkeaa yhä useammin kyberturvallisuudessa ja pitkissä agenttitehtävissä. Google lupaa sekä paremman suorituskyvyn että tiukemmat suojaukset, mutta vertailuerot kilpailijoihin ovat pieniä.
Kehittäjille olennaisinta on saatavuus. Kunnes Carbon avautuu Gemini API:ssa, sen todellista arvoa on vaikea arvioida muuten kuin Googlen omien lukujen varassa. Kahden viikon välein julkaistut kärkimallit kertovat kuitenkin, että Google aikoo pitää kilpailun tiiviinä myös loppuvuoden ajan.