O Google DeepMind lançou o Gemini 4 Carbon, seu novo modelo de ponta, apenas duas semanas depois do Gemini 4 Argon. Quem usa primeiro, porém, são especialistas em cibersegurança selecionados, a partir desta semana. A empresa cita as capacidades avançadas de segurança do modelo como motivo. Por isso, a liberação é gradual, e o Carbon passa pelo processo voluntário de testes prévios do governo dos Estados Unidos.
Essas capacidades aparecem nos testes que o Google rodou sem as travas de segurança do modelo. No SEC-bench Pro, que mede a descoberta autônoma de falhas em software real, o Carbon fez 88,2% e ficou à frente de todos os modelos testados. No ExploitGym, que verifica se um sistema transforma falhas encontradas em ataques que funcionam, chegou a 54,8%. Na escrita de correções do CWE-Bench, lidera com folga.
O Google também cita resultados internos, que não podem ser verificados de forma independente. Nos testes da própria empresa, o Carbon produziria código seguro mais que o dobro das vezes do Argon. Em testes da equipe do Chrome, teria ido mais de dez vezes melhor que o modelo de ponta de um concorrente não nomeado ao escrever correções de segurança.
Há ainda a defesa contra a injeção indireta de instruções (comandos escondidos em conteúdo que o modelo lê). No teste da Gray Swan, a taxa de sucesso dos ataques caiu de 0,7% no Argon para 0,0% no Carbon. Segundo o Google, todas as tentativas de manipulação testadas foram bloqueadas. O The Decoder pondera que isso não quer dizer que o problema esteja resolvido: o teste parece ter chegado ao limite.
Depois dos especialistas, o acesso vai se ampliar a mais parceiros de confiança pelo Fairwind Program, do Google DeepMind. A empresa planeja abrir o modelo a desenvolvedores, empresas e consumidores em seus produtos depois de colher mais opiniões e ajustar as proteções.
Fora da área de segurança, o Carbon assumiu o primeiro lugar no Intelligence Index v5 da Artificial Analysis, com 59 pontos, contra 50 do Argon. Segundo a Artificial Analysis, a liderança vem sobretudo de notas altas em raciocínio complexo, busca de conhecimento e tarefas científicas. O modelo ficou em primeiro em quatro das nove avaliações do índice.
O Google diz que projetou o Carbon para problemas de engenharia longos e difíceis. Equipes internas deixaram o modelo trabalhando por vários dias seguidos, segundo a empresa. Na programação com agentes (quando o modelo executa sozinho tarefas de várias etapas), porém, ele ainda fica três pontos atrás do Claude Code com o Opus 5.5.
A taxa de acerto das respostas subiu de 48% para 58% em relação ao Argon. Já a taxa de alucinação, quando o modelo inventa respostas, passou de 4% para 11%, ainda a segunda menor do ranking. As tarefas também demoram mais: no teste de finanças e impostos da Vals AI, levam mais que o dobro do tempo do Argon. Na pesquisa jurídica, passam de 50 minutos em média.
O Carbon gera 2,3 vezes mais tokens de raciocínio (pedaços de texto que o modelo processa) que o Argon e 64% mais tokens de saída. Ainda assim, é menos da metade do que geram o Sonnet 5.5 e o Opus 5.5.
A plataforma de avaliação Vals AI põe o Carbon em segundo lugar, com 70,36% de acerto, atrás do Claude Sonnet 5.5, com 70,85%. No Agent Arena, do Arena.ai, o modelo ficou em segundo em mais de 21.900 sessões reais. Seu custo mediano por tarefa, de US$ 1,80, fica 72% abaixo do primeiro colocado, o Claude Opus 5.5.
Na Artificial Analysis, cada tarefa do índice custa US$ 7,76 com o Carbon, cerca de 23% menos que com o Claude Opus 5.5, e quase o mesmo que com o Argon. O preço de lançamento repete o do Argon: US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída. A tabela cheia é de US$ 4 e US$ 20, e o desconto introdutório de 50% vale até o fim de 2026.
