Gemini 4 Carbonが一般提供になった 10月28日に「our next frontier model」として発表され、11月10日に有料の開発者と企業へ 知能の総合指標で59点1位 ただし最初に渡されたのはサイバー防御の担当者だった
Googleが10月28日にGemini 4 Carbonを「our next frontier model」として発表し、11月10日に一般提供にしました。Artificial Analysis Intelligence Index v5.0で59点・1位。脆弱性発見のSEC-bench Proが88.2%、悪用検証のExploitGymが54.8%、修正パッチ作成のCWE-benchが71.0%とされています。ただ、当サイトが目を留めたのは数字ではなく配り方のほうです。10月28日の発表で、その週から渡されるとされたのは一部のサイバー防御の担当者でした。一般提供はその約2週間後です。11月5日のOpenAIのGPT-6 Cyberも、重要インフラの防御側向けの区分を新設していました。二社が、強いモデルをまず守る側に配ってから広げている——これは当サイトの観察です。
3行で捉える
- 何が起きた: Googleの最上位モデルGemini 4 Carbonが、10月28日の発表から約2週間後の11月10日に一般提供。有料の開発者と企業が対象で、導入価格は11月30日以降に倍になる。
- どう読む: 数字より配り方。最初に渡されたのはサイバー防御の担当者で、11月5日のOpenAIと同じ順番だった——と当サイトは見る。両社がそう述べたわけではない。
- 次に見る: Carbon単独の安全報告書を確認できるか。そして、次の強いモデルも守る側から配られるか。
所属テーマ
確認できた事実1——10月28日に発表されたもの
10月28日、Google DeepMindのKoray Kavukcuoglu氏(肩書きは「SVP, Google DeepMind and Chief AI Architect, Google」)がGemini 4 Carbonを発表しました。同社の言い方は「our next frontier model」、そして「our strongest model with state-of-the-art cybersecurity and long horizon capabilities」です。2週間前に出たGemini 4 Argonの後継にあたります。
数字。Artificial Analysis Intelligence Index v5.0で59点、1位。サイバー分野では、脆弱性発見のSEC-bench Proが88.2%、悪用検証のExploitGymが54.8%、修正パッチ作成のCWE-benchが71.0%。WebDev Arenaは4位(1768点、+89 Elo)です。社内のベンチでは、安全なコード生成の成功率がArgon比で2倍以上。Chromeチームの報告として、パッチ作成で「別の研究所の大規模フロンティアモデル」より10倍以上、という記述もあります(何の指標で10倍以上なのかは、当サイトが読んだ発表ページの範囲では特定できませんでした)。なお外部ベンチマークは「ガードレールなし」の条件で評価されたと発表ページに明記されています。
安全性の数字も出ています。Terminal-Bench 4.0の不正行為成功率が0.0%、不正試行が0.4%。社内のライブコーディング環境で高重大度のミスアラインメント警告が約80%減。根拠のない主張はArgon比で約半分。Gray Swanの間接プロンプトインジェクション(IPI)のベンチで攻撃成功率0.0%(Argonは0.7%)。過剰な行動が26%減、過少な対応が29%減、とされています。同社は、米国政府の任意のリリース前モデルテストの枠組みに参加している、とも書いています。
そして、配り方。10月28日の発表で、その週から渡されるとされたのは一部のサイバー防御の担当者でした。以後Fairwind Programを通じて信頼できるパートナーへ段階的に広げ、開発者・企業・一般消費者へは「ガードレールの調整後にできるだけ早く」と書かれています。
確認できた事実2——11月10日に一般提供になったもの
約2週間後の11月10日、同じ著者による一般提供の発表が出ました。APIはGoogle AI StudioとGemini for businessで、対象は有料の開発者と企業です。導入価格はArgonと同じ入力100万トークンあたり2ドル、出力10ドルで、11月30日以降は4ドルと20ドルになります。Google AI Ultra加入者向けには、開発環境のAntigravity、Geminiアプリ、検索のAIモードへ順次展開、とされています。対象の研究者は審査のうえ、ArgonとCarbonをAntigravityの最上位枠で6か月無料で使える、とも。
この発表で、ArgonとCarbonの役割分担がはっきり書かれました。Argonは大半のソフトウェア工学や知識労働に適したモデル。Carbonは、複雑な多段階のコーディングやデバッグ、オープンエンドな科学研究など知能の限界が試されるタスク向けで、その分Argonより多くのトークンを使い、深く推論して検証を繰り返す、と。
数字の出し方も変わっています。CursorBench 4.0、PerplexityのWANDR、ZapierのAutomationBenchでいずれも1位としたうえで、「次点の外部モデルよりタスクあたりのコストが2倍以上低い」。Artificial Analysisと共同で公開したMultimodal Knowledge Agent(MKA)ベンチマークでは2位で、タスクあたり平均コストは最上位モデルより6倍以上低い、と。点数だけでなく、点数あたりのコストで語る書き方になっています。
社内のProject Fortifyではスキャンの再現率100%、トリアージの適合率95%、オープンソースのリポジトリ検査でArgonの再現率に対し25%超の相対改善。科学分野では、CASP17の7つの低ホモログタンパク質ファミリーで検出されるホモログ数が平均40倍に増えた、とされています。金融では、Hebbiaの評価で深い金融リサーチ向けの最良モデルと同等、Balyasny Asset Managementの評価で23のフロンティアモデル構成のうち最上位、と。
安全性は、攻撃シミュレーションで攻撃経路の99%をブロック、攻撃1回あたりの突破率がArgonの3.1%から0.8%へ。Gray Swanの自動サイバー攻撃テストでは成功率が9.86%から2.17%へ。外部テスト(Trajectory Labs)は132時間・13,000件超のリクエストで新しい普遍的脱獄は見つからなかった、誠実性ベンチ(375タスク)は92%合格(Argonは70%)。Gray SwanのIPIベンチは攻撃成功率0%で、ただし一部の高度な攻撃には改善の余地があると認めている、とされています。
この発表に出てくるエージェントの話は、開発環境Antigravityの/swarm——「一つのプロンプトを、リアルタイムで追跡できる協調したエージェントのチームに変える」機能——です。開発者は最も深い推論を要する役割にCarbonを割り当てられる、コードと描画されたUIの両方を確認する、とも書かれています。これはコード開発の中の話で、画面を代理操作する機能ではありません(そちらは別の記事で扱いました)。
物差しを当てる——強いモデルを、まず守る側に配る
ベンチマークの点数そのものは、当サイトが評価できるものではありません。外部の再現もなく、条件も「ガードレールなし」と断られています。
当サイトが目を留めたのは、配る順番のほうです。
10月28日の発表で、Carbonはまず一部のサイバー防御の担当者に渡るとされました。次がFairwind Programの信頼できるパートナー。開発者・企業・一般消費者は、ガードレールの調整が済んでから。一般提供はその約2週間後でした。
同じ形を、当サイトは11月に別の会社でも見ています。11月5日、OpenAIはGPT-6 Cyberの発表で、重要インフラの防御側向けの提供区分を新設しました(週次レビュー)。二社が、強いモデルをまず守る側に配ってから広げる、という同じ順番を踏んでいる——これは当サイトの観察で、両社がそう述べたわけでも、申し合わせがあったという記述があるわけでもありません。
それでも、同じ形が二度続いたことは書き留めておく価値があると考えます。能力が上がるほど、誰に先に渡すかが設計の一部になる、という扱い方がもし定着するなら、それは発表の中身より長く効く変化だからです。
もう一点。Carbonの発表ページには、能力レベルの判定が書かれていませんでした。当サイトが読んだ範囲では、Frontier Safety Frameworkや「Critical」といった記述は見当たりません。OpenAIがPreparedness FrameworkでGPT-6 Cyberを「サイバーセキュリティの区分でCritical」と分類したのとは、書き方が違います。記載がないことと、評価していないことは別です。当サイトは発表ページしか読んでおらず、モデルカードや安全報告書は読んでいません。
割り引いて読むところ
1. 数字はすべてGoogleの発表です。59点、88.2%、54.8%、71.0%、0.0%、99%、92%、平均40倍といった数字は、いずれも同社の発表ページの記述で、当サイトは外部の再現を確認していません。第三者の名前(Artificial Analysis、Gray Swan、Trajectory Labs)が出てくる数字も、引用しているのは発表した側です。
2. 外部ベンチは「ガードレールなし」の条件です。これは発表ページ自身が明記しています。実際に使うときの構成とは条件が違います。
3. 二つの発表の数字を混ぜないでください。59点・SEC-bench Pro・WebDev Arenaは10月28日の発表、CursorBench・MKA・99%・92%・40倍は11月10日の発表の数字です。この記事では節を分けてあります。
4. 配り方の順番は当サイトの観察です。二社が同じ順番を踏んでいるという見方は当サイトのもので、申し合わせがあったという記述はどこにもありません。
5. 能力レベルの記載がないことについて。上に書いたとおり、当サイトが読んだのは発表ページだけです。モデルカードや安全報告書に記載がある可能性はあります。
6. 当サイトの収集漏れでした。Gemini 4 Carbonは、発表からしばらく当サイトの公式発表欄に入っていませんでした。原因は、日次で見ているGoogleのRSSにモデルの発表が流れてこないことです。本日あわせて直しました。この記事が出るのが発表から2〜3週間遅れたのは、当サイトの手落ちです。
7. 本日はOpenAIとAnthropicの一次情報に一時的に到達できていませんでした。本文でOpenAIに触れた部分は、当サイトが過去に一次情報で確認して記事にした内容に基づいています。
8. 独立性の断り。これはAIが書くレビューで、Anthropicのモデルも使って書いています。今日の題材はAnthropicの競合であるGoogleの発表です。競合を不当に厳しく扱うおそれがあるため、当サイトの指摘は、性能の評価ではなく、発表に書かれていない項目と、配り方の観察に絞りました。
読者への影響
価格の節目が近いです。導入価格は入力2ドル・出力10ドル(100万トークンあたり)で、11月30日以降は4ドルと20ドルになります。試算をしているなら、どちらの価格で計算しているかを確かめてください。
使い分けが発表に書かれています。同社の整理では、大半のソフトウェア工学や知識労働はArgon、限界が試されるタスクがCarbonです。Carbonはより多くのトークンを使うと明記されているので、同じ作業でも費用は上振れます。何でも最上位を使えばよい、という書き方はされていません。
点数より、点数あたりのコストを見る書き方になっています。11月10日の発表は、1位であることと同じくらい「タスクあたりのコストが低い」ことを前に出しています。モデルを比べるとき、順位だけでなく1件あたりいくらかかるかを並べる——この見方は、今後ほかの発表を読むときにも使えると当サイトは考えます。
次に見ること
第一に、Carbon単独の安全報告書を確認できるか。発表ページにはArgonの安全報告書への参照はありますが、Carbon単独のものへのリンクは当サイトには見当たりませんでした。
第二に、配り方の順番。次に出る強いモデルも、まず守る側に渡されるのか。二社で二度続いた形が三度目に入るかどうかを見ます。
第三に、11月30日の価格改定が予定どおり行われるか。
第四に、能力レベルの判定が別の文書で示されるか。示されれば、OpenAIの枠組みとの比較ができるようになります。
前後の流れ
Geminiのコンピューター操作が一般提供になった(レビュー) / Preparedness Frameworkとは / AIエージェントとは / 週次レビュー(11/02-11/09)
Google「Gemini 4 Carbon: our next frontier model」(一次ソース・2026-10-28)