Gemini 4 Carbon surt del búnquer

Del búnquer a l'API

Google DeepMind, el laboratori d'IA de Google, va anunciar el 10 de novembre que Gemini 4 Carbon ja està disponible per a desenvolupadors, empreses, científics i consumidors. Signa la nota Koray Kavukcuoglu, vicepresident sènior de Google DeepMind i arquitecte en cap d'IA de Google, que el presenta com el seu últim model frontier i el més potent de la companyia.

Google el va presentar el 28 d'octubre, però només per als equips de ciberdefensa del seu programa Fairwind, que continua obert per a ells.

Ara arriba per l'API de Google AI Studio i de Gemini for business a tots els desenvolupadors i empreses de pagament. A més, es desplega als subscriptors de Google AI Ultra a Google Antigravity, l'app Gemini i el mode IA del Cercador.

Segons Google, Gemini 4 Argon continua sent l'opció ideal per a la major part de la feina. Carbon està pensat per a la feina més exigent, com la depuració complexa de diversos passos o la recerca científica oberta, i gasta més tokens que Argon.

Un equip d'agents amb una sola ordre

Amb Carbon, Google estrena en versió preliminar /swarm, una funció de Google Antigravity, la seva plataforma per programar amb agents. Segons Google, converteix una sola instrucció en un equip coordinat d'agents que es pot seguir en temps real.

Carbon assumeix els papers que demanen més raonament, com l'arquitectura, la coordinació o l'auditoria, al costat de models més ràpids i lleugers. Els agents treballen en paral·lel en entorns aïllats, i d'altres, els verificadors, posen a prova cada canvi.

Un exemple de Google: una recreació 3D interactiva de com es va aixecar la torre Eiffel a partir de fotografies històriques i làmines d'enginyeria, amb una sola instrucció.

El que diu Google del seu model

Segons Google, Carbon és el primer a CursorBench 4.0, de Cursor, l'editor de codi amb IA, i en dues proves més de socis de l'empresa, WANDR i AutomationBench, amb un cost per tasca inferior a la meitat del que té el següent millor model extern, que no identifica.

A Multimodal Knowledge Agent (MKA), una prova nova per a agents que raonen sobre documents densos amb gràfics, plànols i taules, Carbon queda segon, sempre segons Google, amb un cost mitjà per tasca inferior a la sisena part del que té el primer.

Són resultats que publica Google sobre el seu propi producte, no una avaluació independent.

Més segur que Argon, segons Google

Segons Google, en ciberatacs simulats Carbon va bloquejar el 99 % de les trajectòries d'un agent atacant que refà el pla després de cada bloqueig, i la taxa de bretxa per intent va baixar al 0,8 %.

En les proves de Gray Swan, empresa de seguretat d'IA fundada per investigadors de la Universitat Carnegie Mellon que fa proves adversàries per a laboratoris i empreses, l'èxit dels ciberatacs automatitzats va baixar al 2,17 %. En la seva prova interna d'honestedat, Carbon es va negar a omplir dades experimentals que faltaven el 98 % de les vegades.

La mateixa Google admet que la resistència a la injecció d'instruccions (prompt injection) «continua sent un àmbit de millora constant».

L'àrbitre extern posa Fable al davant

L'única mesura externa és la d'Artificial Analysis. A la versió 5.0.1 del seu Intelligence Index, consultada l'11 de novembre amb 104 models avaluats, Carbon queda per darrere de Claude Fable 5.2, d'Anthropic, l'empresa que desenvolupa Claude. El superen els tres nivells d'esforç mesurats de Fable; Carbon es va avaluar amb esforç de raonament alt.

El 28 d'octubre, amb la versió 5.0 de l'índex, Carbon era el número u, amb 59 punts. Anthropic va presentar Fable 5.2 el 9 de novembre i Google va obrir Carbon l'endemà.

Per calibrar l'àrbitre, una dada de la mateixa Google: Artificial Analysis i Google van llançar plegats la prova MKA, que no forma part de l'índex.

Segons Artificial Analysis, una tasca de l'índex costa menys amb Carbon que amb els altres tres models de la taula, tot i que el càlcul fa servir el seu preu de llista, no l'introductori. També el qualifica de «notablement lent» i «molt verbós».