Gemini 4 Carbon: Il nuovo modello di punta di Google per workflow agenti e cybersecurity

Google DeepMind ha annunciato il lancio di Gemini 4 Carbon, il suo nuovo modello di punta, solo due settimane dopo il rilascio di Gemini 4 Argon. Questo nuovo modello si è posizionato al primo posto nell'Artificial Analysis Intelligence Index v5 con un punteggio di 59 punti, superando il precedente modello Argon che ha ottenuto 50 punti.

Capacità avanzate per workflow agenti e cybersecurity

Gemini 4 Carbon è stato progettato specificamente per gestire workflow agenti complessi e autonomi che si estendono su più giorni. Secondo Google, il modello è in grado di superare autonomamente ostacoli e completare compiti complessi e multi-step, come la ricerca delle cause e la risoluzione di errori sottili in grandi codebase e software system-nah.

Oltre alle capacità agenti, Carbon ha dimostrato miglioramenti significativi nelle capacità di cybersecurity. Nel benchmark "Indirect Prompt Injection" di Gray Swan, Carbon ha ridotto la percentuale di successo degli attacchi da 0,7% a 0%, bloccando tutti i tentativi di manipolazione testati.

Prestazioni nei benchmark

Artificial Analysis ha confermato le forti prestazioni di Gemini 4 Carbon, attribuendo la sua leadership nell'Intelligence Index v5 a punteggi elevati in ragionamento complesso, query di conoscenza e compiti scientifici. Il modello ha ottenuto il primo posto in quattro delle nove valutazioni individuali dell'indice.

Nel settore della programmazione e del lavoro conoscitivo, Carbon ha mostrato miglioramenti significativi ma non ha raggiunto la vetta in tutte le categorie. Nel benchmark agentico di codifica Antigravity, ad esempio, è rimasto tre punti dietro a Claude Code con Opus 5.5, nonostante un aumento significativo rispetto ad Argon (da 53 a 59 punti).

Miglioramenti nella precisione e nella qualità delle risposte

La precisione delle risposte di Carbon è aumentata dal 48% al 58% rispetto ad Argon, mentre il tasso di allucinazioni è salito dall'1% all'11%. Nonostante l'aumento, Carbon mantiene il secondo tasso di allucinazioni più basso nel ranking, dietro solo a Claude Opus 5.5 e GPT-6 Astra, entrambi al 50%.

La piattaforma di valutazione Vals AI ha assegnato a Carbon un punteggio di precisione del 70,36%, posizionandolo al secondo posto dietro Claude Sonnet 5.5 (70,85%) e davanti a Claude Opus 5.5 (70,18%) e al predecessore Argon (69,24%). Carbon ha anche ottenuto la leadership nell'indice Finance e nel benchmark di ricerca legale di Vals AI.

Prestazioni nella sicurezza

Google ha sottoposto Carbon a diversi test di sicurezza esterni senza guardrail restrittivi. Nel benchmark SEC-bench Pro, che misura la capacità di trovare autonomamente vulnerabilità in software reali, Carbon ha ottenuto l'88,2%, superando tutti gli altri modelli testati. Nel benchmark ExploitGym, che valuta la capacità di sfruttare le vulnerabilità trovate e creare exploit funzionanti, Carbon ha ottenuto il 54,8%. Nel successivo benchmark di Fix nel CWE-Bench, Carbon ha ottenuto il primo posto con un ampio margine.

Prestazioni nella programmazione e sviluppo web

Carbon ha mostrato miglioramenti significativi nella programmazione e nello sviluppo web. Nella WebDev Arena, Carbon ha ottenuto un punteggio di 1769, posizionandosi al quarto posto. Google ha anche migliorato la qualità dei risultati e degli artefatti nella WebDev Arena, aumentando il punteggio di Carbon di 89 punti Elo rispetto ad Argon.

Disponibilità e prezzi

A causa delle sue avanzate capacità di cybersecurity, Carbon sta attualmente attraversando il processo di test volontario preliminare del governo degli Stati Uniti e sarà inizialmente disponibile solo per esperti di sicurezza selezionati. I prezzi rimangono invariati rispetto ad Argon.

Gemini 4 Carbon rappresenta un passo significativo avanti nelle capacità agenti e di cybersecurity, posizionandosi come uno dei modelli più avanzati disponibili oggi. Con le sue prestazioni superiori in vari benchmark e la sua capacità di gestire workflow complessi e autonomi, Carbon è destinato a diventare uno strumento prezioso per sviluppatori, ricercatori e professionisti della sicurezza informatica.