Google corona Gemini 4 Carbon i el tanca en un búnquer

El model més potent de Google

Google va presentar el 28 d'octubre Gemini 4 Carbon sense embuts: és el seu «següent model frontier» i el més potent que té, amb resultats capdavanters en ciberseguretat i en tasques de llarg recorregut. Signa l'anunci Koray Kavukcuoglu, vicepresident sènior de Google DeepMind, el laboratori d'IA de Google, i arquitecte en cap d'IA de la companyia.

Carbon es basa en Gemini 4 Argon, anunciat el 30 de setembre i obert als desenvolupadors el 13 d'octubre.

Està pensat per a problemes d'enginyeria llargs i difícils. Segons Google, els seus equips l'han vist treballar durant dies, esquivant carrerons sense sortida, per trobar la causa d'errors subtils i corregir-los en bases de codi grans i en sistemes de baix nivell.

Primer en un índex extern

Segons Artificial Analysis, Carbon, mesurat amb un esforç de raonament alt, és el nou número u de la versió 5.0 del seu Intelligence Index, amb 59 punts. Un dia abans, quan es va estrenar aquesta versió, el primer lloc era de Claude Opus 5.5, d'Anthropic.

L'avaluador matisa el lideratge. Carbon millora molt en programació i en treball de coneixement, sobretot davant d'altres models Gemini, però no encapçala aquestes àrees.

En programació, encara segon

Carbon aconsegueix la millor nota en quatre de les nou proves de l'índex: HLE-Diamond, Terminal-Bench-Science, AA-Omniscience i AutomationBench-AA. No va primer ni programant amb agents ni en treball de coneixement.

Segons Artificial Analysis, amb Antigravity CLI, de Google, Carbon queda segon al seu Coding Agent Index, per darrere de Claude Code, l'eina de programació d'Anthropic, amb Claude Opus 5.5. També és segon a Terminal-Bench 4.0, amb un 64 %, després de Kimi K3.1 Pro (67 %), i a FrontierCode v1.1, amb un 51 %; en aquesta última, per darrere d'Opus 5.5 (56 %). L'avaluador recorda que Google s'havia quedat enrere en aquest terreny, de manera que la millora destaca.

Sap més, però s'inventa més

A AA-Omniscience v1.1, una de les proves de l'índex, Carbon treu la millor nota, per davant d'Opus 5.5 i d'Argon.

Però la seva taxa d'al·lucinació puja respecte de la d'Argon. Segons Artificial Analysis, tot i així és la segona més baixa de tots els models, només per sobre de la del mateix Argon i molt per sota del 50 % d'Opus 5.5 i GPT-6 Astra.

Més barat per tasca que Opus

Artificial Analysis també posa preu a la nota. Amb la tarifa estàndard, resoldre cada tasca del seu índex amb Carbon costa al voltant d'un 23 % menys que amb Opus 5.5, tot i que unes 1,2 vegades el que costa amb GPT-6 Astra, d'OpenAI.

Part de la diferència és en el que escriu: segons l'avaluador, Carbon gasta 123.000 tokens de sortida per tasca, un 29 % menys que Opus 5.5. I amb la mateixa tarifa estàndard que Argon, costa pràcticament el mateix per tasca i treu 9 punts més a l'índex.

Trobar, explotar, apedaçar

La gran aposta de Carbon és la ciberseguretat. Segons Google, va al capdavant en les tres fases de la defensa: detectar vulnerabilitats, validar-les i reparar-les. Ho mesura en tres proves de referència externes, amb el model avaluat sense salvaguardes activades.

Segons Google, a SEC-bench Pro Carbon descobreix pel seu compte fallades complexes amagades en programari real; a ExploitGym comprova quines es poden explotar, una cosa en què els defensors es basen cada vegada més per decidir què cal arreglar primer; i a CWE-bench, de l'empresa Collinear, converteix aquestes troballes en pedaços que funcionen.

Google hi afegeix dades de casa. Segons l'empresa, en les seves proves internes Carbon duplica amb escreix la taxa d'èxit d'Argon a l'hora de generar codi segur, i l'equip de Chrome assegura que va rendir més de deu vegades millor que «el gran model frontier d'un altre laboratori», que no identifica, a l'hora de generar pedaços de qualitat. Wiz, que Google presenta com la seva plataforma de seguretat al núvol, el veu al capdavant en proves de penetració web.

Segons Google, cap atac d'injecció no va colar

Segons Google, Carbon va resistir tots els intents d'atac avaluats a l'Indirect Prompt Injection (IPI) Benchmark de Gray Swan, una empresa de seguretat d'IA fundada per investigadors de la Universitat Carnegie Mellon que fa proves adversàries per a empreses i laboratoris. Argon ja encapçalava aquesta prova, amb una taxa d'atacs amb èxit molt baixa.

Menys dreceres i menys invents, diu Google

Google diu que amb Carbon es va proposar anar un pas més enllà en alineament i que el va entrenar per respondre bé davant de tasques complexes o sota pressió. Segons l'empresa, va retallar les dreceres durant l'entrenament sense perdre qualitat en programar, i en entorns reals de programació amb els seus equips les alertes greus de desalineació van caure gairebé un 80 %.

Segons Google, també és més honest: deixa per escrit les salvetats de mètode i avisa de les discrepàncies abans d'actuar. Si no pot completar una acció, no l'executa i enumera el que encara falta, en lloc d'inventar o d'esquivar la manca de proves. Totes aquestes xifres són mesures de la mateixa empresa.

Només per a ciberdefensors, de moment

Carbon no està a la venda. Google diu que el desplega de manera deliberada i que participa en el procés voluntari del Govern dels Estats Units per provar els models abans de llançar-los. Segons l'empresa, des d'aquesta setmana el posa a les mans d'un primer grup de ciberdefensors, i l'accés s'anirà ampliant a poc a poc a altres socis de confiança a través del programa Fairwind.

Fairwind és el programa de Google DeepMind que dona accés anticipat a models avançats a defensors prioritaris, com ara governs, proveïdors sanitaris i empreses de telecomunicacions; diu que treballa amb més de 650 socis a tot el món. Només admet tasques de doble ús amb finalitats defensives o de recerca acadèmica, com la simulació autoritzada d'amenaces o l'anàlisi de programari maliciós, i cada organització només pot donar accés als seus equips interns de ciberseguretat, resposta a incidents o proves de penetració. La seva pàgina encara descriu l'accés a Argon.

Desenvolupadors, empreses i consumidors hauran d'esperar. Segons Google, l'empresa vol continuar recollint opinions i ajustant les salvaguardes abans d'obrir-lo, i promet fer-ho «al més aviat possible», sense data. Segons Artificial Analysis, Carbon té una finestra de context d'un milió de tokens i accepta text, imatge, vídeo i veu, tot i que només respon amb text.

El preu ja està fixat: durant l'estrena costarà el mateix que Argon, amb l'entrada en memòria cau un 95 % més barata, i després es duplicarà. Segons Artificial Analysis, el descompte d'estrena no té data de final confirmada.