Google анонсировала Gemini 4 Carbon с упором на кибербезопасность

28 октября 2026 года Google DeepMind анонсировала Gemini 4 Carbon — свою самую сильную модель, которую компания позиционирует как лучшую в кибербезопасности и долгих агентных задачах. Carbon вышла через две недели после того, как Google открыла публичный доступ к Gemini 4 Argon.

Сразу модель получат не все: на этой неделе её откроют части специалистов по киберзащите, затем доступ постепенно расширят на доверенных партнёров программы Fairwind. Разработчикам, бизнесу и обычным пользователям Google обещает Carbon «как можно скорее», но без даты: компания ещё собирает отзывы и дорабатывает защитные ограничения.

Кому и когда дадут Carbon

Google называет свой подход к запуску осторожным и участвует в добровольной программе правительства США по тестированию моделей до релиза. Порядок такой: сначала отобранные специалисты по киберзащите, потом расширенный круг доверенных партнёров через Fairwind, и только затем разработчики, компании и пользователи продуктов Google.

В анонсе нет данных о контекстном окне, лимитах API и тарифах подписки Google AI. По карточке модели у Artificial Analysis, контекст составляет 1 млн токенов, на вход Carbon принимает текст, изображения, речь и видео, на выходе отдаёт текст.

Дату окончания вводного периода для Carbon Google не назвала. Для Argon вводная цена действует до 30 ноября.

Бенчмарки: первое место почти везде

Вместе с анонсом Google опубликовала сводную таблицу оценок, где сравнила Carbon с Argon, GPT-6 Astra, Claude Opus 5.5 и Claude Fable 5.1. Часть результатов Google получила сама, часть взята из внешних рейтингов и отчётов других лабораторий, методика описана в документе DeepMind.

Сводная таблица оценок Gemini 4 Carbon. Источник: Google DeepMind

Carbon впереди в 15 строках из 17. Уступает модель только на FrontierSWE 2, где лидирует GPT-6 Astra с 65,5% против 61,2% у Carbon, и на офлайн-подмножестве OSWorld-2.1 по управлению компьютером, где Claude Opus 5.5 набирает 87,2% против 81,5%.

• Terminal-Bench 4.0: 65,2% против 59,6% у Opus 5.5 и 59,1% у Astra;
• GraphWalks (длинный контекст от 256 тысяч до 1 млн токенов): 96,2% против 84,2% у Argon и 71,8% у Astra;
• AutomationBench от Zapier: 53,9% против 42,5% у Opus 5.5;
• Vending-Bench 2, где модель управляет виртуальным бизнесом: итоговый баланс $16 484 против $15 515 у Astra;
• RiemannBench по математике: 80,0% против 72,0% у Astra.

В рейтинге веб-разработки WebDev Arena Carbon прибавила 89 пунктов Эло к Argon и заняла четвёртое место с 1769 пунктами.

Что показала проверка Artificial Analysis

Artificial Analysis прогнала Carbon через обновлённый индекс v5.0 и подтвердила первое место: 59 баллов, первая из 52 моделей. На второй строке Claude Opus 5.5 с 58 баллами, на третьей GPT-6 Astra с 57.

За результат модель платит объёмом рассуждений: на прохождение индекса Carbon потратила 200 млн выходных токенов при медиане 64 млн, это 49-е место из 51 по многословности. Одна задача индекса обошлась в $7,76 по цене после вводного периода. Для сравнения, по данным Artificial Analysis, у Claude Opus 5.5 в режиме max выходит $10,04 за задачу, у GPT-6 Astra $6,24.

Кибербезопасность: найти, доказать, исправить

Google делит работу защитника на три этапа: найти уязвимость, проверить, можно ли её эксплуатировать, и исправить причину. Для каждого этапа компания приводит внешний бенчмарк, все прогоны Carbon сделаны без защитных ограничений.

На SEC-bench Pro, где модель ищет реальные уязвимости в открытом ПО, Carbon набрала 88,2%. Следом идут GPT-6 Astra с 85,4% и Argon с 83,4%.

SEC-bench Pro, доля решённых задач с первой попытки. Источник: Google DeepMind

ExploitGym проверяет, сможет ли модель написать рабочий эксплойт для заданной уязвимости. С лимитом 10 часов на задачу Carbon решила 54,8%, с лимитом 6 часов 53,5%. У Argon за 10 часов 42,0%, у GPT-6 Astra без ограничения по времени 42,4%, у Claude Opus 5.5 за 6 часов 34,5%.

ExploitGym, доля задач с доказанной эксплуатацией при разных лимитах времени. Источник: Google DeepMind

На CWE-bench от Collinear модель должна исправить уязвимость на уровне причины. Carbon в Antigravity набрала 71,0%, Grok 4.7, Argon и GPT-6 Astra по 68,0%, Claude Opus 5.5 в Claude Code 67,0%.

CWE-bench, под каждой моделью указана среда, в которой её запускали. Источник: Google DeepMind

По внутренним замерам Google, при генерации безопасного кода доля успешных решений у Carbon более чем вдвое выше, чем у Argon. Команда Chrome сообщила, что качественные патчи Carbon генерирует более чем в 10 раз лучше, чем крупная модель другой лаборатории, её Google не называет. Wiz, по словам Google, видит Carbon лидером в своих бенчмарках по пентесту веб-приложений.

Долгие задачи

Carbon рассчитана на длительные агентные сценарии и сложные многошаговые инженерные задачи. По словам Google, внутренние команды видели, как модель работает над задачей несколько дней подряд, обходит тупики и находит причины тонких багов в больших кодовых базах и низкоуровневых системах, а затем исправляет их.

Поведение модели и защита от промпт-инъекций

Carbon использует тот же набор защит, что и Argon: обучение, фильтры злоупотреблений в реальном времени, устойчивость к промпт-инъекциям и мониторинг цепочки рассуждений. Подробности Google вынесла в отчёт о безопасности Gemini 4.

• На Terminal-Bench 4.0 доля успешного жульничества с тестами снизилась до 0,0%, попыток стало 0,4%, а точность выросла;
• в живых средах программирования у внутренних команд почти на 80% меньше серьёзных предупреждений о рассогласовании поведения модели;
• необоснованных утверждений примерно вдвое меньше, чем у Argon: вместо выдуманных результатов модель пишет оговорки или перечисляет, чего не хватает;
• превышение полномочий снизилось на 26%, недоработка относительно задачи на 29%;
• на бенчмарке непрямых промпт-инъекций Gray Swan ни одна атака не прошла, у Argon успешными были 0,7%.

Gray Swan Indirect Prompt Injection, доля успешных атак при 1, 10 и 15 попытках, меньше лучше. Источник: Google DeepMind

Что писали ранние тестировщики

За неделю до анонса ранние версии Carbon появлялись у участников программы раннего доступа и на LM Arena. По пересказу TestingCatalog, тестировщики отмечали, что в 3D-задачах модель заметно сильнее Argon, а фронтенд и интерфейсы у неё по-прежнему слабые. Один из тестировщиков оценил, что модель отвечает примерно в 2–4 раза медленнее в зависимости от задачи. Какую именно версию модели получали тестировщики, неизвестно, поэтому эти оценки к релизу могут не относиться.