Google выпустила Gemini 4 Carbon — модель для длинных агентных задач и кибербезопасности

Google выпустила Gemini 4 Carbon — новую фронтальную модель, доступную разработчикам, компаниям, учёным и обычным пользователям. Её позиционируют как самую сильную в семействе Gemini 4: для длинных многошаговых агентных задач, сложного кода, научных рассуждений и кибербезопасности. Модель уже доступна через API по вводной цене — $2 за миллион входных токенов и $10 за миллион выходных, ровно как у Gemini 4 Argon, вышедшего несколько недель назад.

Что такое Carbon и чем он отличается от Argon

Carbon не заменяет Argon — модели дополняют друг друга. Argon по-прежнему остаётся рекомендацией Google для большинства задач разработки и работы с знаниями, а Carbon предназначен для задач, которые «проверяют пределы интеллекта модели»: сложное многошаговое кодирование и отладка, поиск корневых причин через подсистемы, крупные архитектурные переработки, открытые научные исследования.

Ключевое отличие — в стиле работы. Carbon расходует больше токенов, чем Argon: он глубже исследует пространство задачи, дольше рассуждает и запускает более длинные циклы проверки. Это делает его не «универсальной заменой», а инструментом для самых сложных задач.

Бенчмарки

Google отчитывается о первом месте в трёх независимых бенчмарках: CursorBench 4.0 от Cursor, WANDR от Perplexity и AutomationBench от Zapier — при этом заявляя, что стоимость задачи у Carbon как минимум вдвое ниже, чем у ближайшего внешнего конкурента.

На новом мультимодальном бенчмарке MKA (Multimodal Knowledge Agent), разработанном совместно с Artificial Analysis и тестирующем работу с плотными документами, графиками, таблицами и чертежами в агентных сценариях, Carbon занял второе место, но со средней стоимостью задачи более чем в 6 раз ниже, чем у лидера.

В финансовых оценках модель показала результат на уровне лучшей протестированной на Hebbia E2E Financial Agentic, а на бенчмарке General Financial Intelligence от Balyasny Asset Management заняла первое место среди 23 конфигураций фронтальных моделей.

Все эти цифры — вендорские бенчмарки и оценки партнёров: перед переносом пайплайна на Carbon стоит прогнать их на собственных репозиториях и задачах.

/swarm в Antigravity

Вместе с моделью Google анонсировала превью команды /swarm в Antigravity — агентной IDE компании. Идея: один промпт превращается в скоординированную команду агентов, которую видно и можно отслеживать в реальном времени. Carbon берут на роли, требующие самых глубоких рассуждений — архитектурное проектирование, координация, аудит, — а более быстрые лёгкие модели параллельно работают в изолированных рабочих пространствах, и adversarial-валидаторы проверяют каждое изменение.

Это конкретный ответ на проблему «один агент не тянет большой проект»: вместо одной длинной цепочки действий получается команда с разделением труда, параллелизмом и независимой проверкой каждого изменения. Именно для таких сценариев — больших кодовых баз с зависимостями между подсистемами — и важны «думать глубже и проверять дольше».

Кибербезопасность: основная ставка

Наибольший акцент в анонсе сделан на кибербезопасности. За две недели до общего релиза Carbon был доступен киберзащитникам через программу Fairwind, а по ключевым бенчмаркам модель впереди: обнаружение уязвимостей (SEC-bench Pro), эксплуатация (ExploitGym), патчинг (CWE-bench v1) — от проверки кода до отслеживания цепочек уязвимостей и генерации исправлений, проверенных на воспроизводимость.

Google приводит три конкретных результата. В Project Fortify — автономной системе Google для сканирования, триажа и починки уязвимостей — Carbon показал 100% recall в сканировании и 95% precision в триаже на внутреннем бенчмарке; на репозиториях с открытым исходным кодом это 25% относительного прироста recall при и так сильном уровне Argon, включая ранее не замеченные логические баги. Команда Google Cloud Vulnerability Research с помощью Carbon построила proof-of-concept, показавший, что два бага в популярных open-source-пакетах — это эксплуатация, сопоставимая по серьёзности с недавним PHP2Shell; maintainer переклассифицировал их как critical и выпустил патч. В программе Wiz «Scan for Good» Carbon нашёл 0-day уязвимости в двух крупных SaaS-провайдерах за два часа, «сжатием недель уязвимостных исследований в один послеобеденный час», а исправления — «в рекордные сроки» в координации с пострадавшими организациями.

Все это — цифры Google и партнёров, без независимого воспроизведения на данный момент. Для читателя важнее не конкретные баллы, а направление: модели переходят от «нахожу известные классы уязвимостей» к «доказываю, что эксплойт работает, и пишу фикс».

Безопасность: стойкость к атакам и честность

Потому что у модели есть мощные offensive-возможности, Google усиливает оборонительную сторону. В симулированных кибератаках (ExploitBench и CyScenarioBench) Carbon заблокировал 99% траекторий атак адаптивного red-teaming агента, способного перестраиваться после каждой блокировки; вероятность успеха на попытку — 0.8% против 3.1% у Argon. По тестам Gray Swan доля успешных автоматизированных cyber-запросов упала до 2.17% против 9.86% у Argon. Внешние тесты Trajectory Labs — 132+ часа и 13 000+ запросов — не нашли ни одного нового универсального джейлбрейка.

Отдельно Google отчитывается о честном мейлстоуне: впервые доля успешных prompt-injection атак на бенчмарке Gray Swan IPI — 0%. При этом компания сама отмечает, что prompt injection остаётся зоной для работы и более сложные атаки могут проходить на части дистрибуций.

На внутреннем бенчмарке «агентной честности» (375 задач) Carbon прошёл 92% задач против 70% у Argon: в 98% случаев модель отказывалась подставлять вымышленные данные вместо отсутствующих, а в 68% — пометила методологический дефект эксперимента. Для научных и дата-работ это ровно то поведение, которое экономит время: вместо «убедительной цифры из головы» модель просит недостающий кусок.

Наука

В научной плоскости Carbon используют в Axiom Bio — компании, исследующей токсичность лекарств: модель называют их лидером по производительности в трансляционной науке, а Carbon нашёл новые механизмы токсичности, не описанные ранее. Компания переносит продуктовые аналитики и агентов на Carbon и Argon.

Для нашей аудитории интереснее два других кейса. Первый — формальная верификация. Команда Google построила агентный фреймворк AlphaProof Code и с помощью Carbon математически доказала реальный код, лежащий в основе криптографического протокола Signal: цели безопасности перевели в математические теоремы, агенты сгенерировали миллионы строк кода на Lean — языке для записи математических доказательств — и доказали ключевые свойства безопасности за недели, а не годы, как это исторически делали экспертные команды. Google называет это шагом к масштабируемой формальной верификации — «золотому стандарту» безопасности ПО.

Второй — предсказание структуры белков. Модели вроде AlphaFold 3 сильно зависят от multiple sequence alignments и слабы там, где в базах мало близких родственников: вирусные, микробные, эукариотические белки. В мульти-агентном режиме Carbon автономно нашёл отдалённые гомологи в петабайтных не размеченных последовательных архивах, каталогах окружения и вирусных баз, а также в 3D-структурных базах: на 7 белковых семействах CASP17 blind test количество найденных гомологов выросло в среднем в 40 раз — без дообучения модели предсказания.

Для кого и как получить

Разработчикам — API на платном тарифе в AI Studio и Android Studio; подписчикам Google AI Ultra — дополнительно в Antigravity и AI Studio. Компаниям — Gemini for business через API, Antigravity, CodeMender. Обычным пользователям — Gemini app и AI Mode in Search для подписчиков AI Ultra. Учёным — заявки на бесплатный доступ к Argon и Carbon на 6 месяцев; программа уже приняла тысячи исследователей, при этом заявки ещё принимаются. Киберзащитникам — заявки в программу Fairwind на доступ к «Carbon for cyber».

Как попробовать

Схема простая: включить Carbon в AI Studio на платном тарифе, выбрать его в Antigravity (для подписчиков AI Ultra), и прогнать ту самую задачу, на которой Argon давал слабый результат или уходил в слишком короткий цикл проверок. Google сама советует начать с сценариев, где важны длинные цепочки рассуждений: рефакторинг через несколько подсистем, поиск корневой причины в большом логе, архитектурный аудит. И отдельно — кибербезопасность: прогнать Carbon на собственном репозитории и сравнить с Argon на тех же задачах. Это честнее любых внешних бенчмарков: вы видите, на каких именно задачах модель выигрывает, а на каких — просто дороже.

Что это значит

Главный сигнал — не баллы, а позиционирование. Google продаёт Carbon не как универсальное апгрейд, а как премиум-инструмент для самых сложных задач, оставляя Argon дефолтом для повседневной работы. Как отмечает Technopolis, это признание того, что разрыв между фронтирными моделями и «рабочими лошадками» не сужается, а растёт: самая сильная модель становится дороже на токен работы, а выбор модели превращается в инженерное решение с cost-моделью.

Практический вывод: Carbon уже в API, вводная цена равна цене Argon, поэтому его стоит прогнать на собственных самых сложных задачах — крупный рефакторинг, глубокое исследование, security-ревью — пока действует вводное ценообразование. Цифры вендорские, так что вердикт только по собственным прогонам.

Источники

1. Google — Gemini 4 Carbon is now available (официальный анонс) — https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available
2. Technopolis — Google launches frontier model Gemini 4 Carbon — https://technopolis.news/en/google-gemini-4-carbon-launch/
3. TechUpscale — Google DeepMind Releases Gemini 4 Carbon Frontier AI Model — https://techupscale.com/google-deepmind-releases-gemini-4-carbon-frontier-ai-model/1075158