Gemini 4 Carbon è qui. Due settimane dopo Argon, Google DeepMind tira fuori il suo modello più forte di sempre — questa volta con un focus preciso: la cybersecurity. Carbon trova vulnerabilità, le sfrutta per testarle, e poi le sistema. In autonomia.
Partiamo dai numeri. Carbon si piazza al primo posto nell’Artificial Analysis Intelligence Index v5.0 con un punteggio di 59. Ma è sulla sicurezza informatica che fa la differenza vera: 88,2% su SEC-bench Pro per scovare vulnerabilità reali nascoste nel codice. 54,8% su ExploitGym — il benchmark che misura se un modello riesce davvero a sfruttare le falle trovate. E 71% su CWE-bench, che significa prendere quella vulnerabilità e scrivere la patch che la risolve alla radice.
Carbon non si limita a dirvi ‘c’è un problema’: vi dice dove, come funziona, e come sistemarlo. Il team di Chrome ha riportato che Carbon performa 10 volte meglio di un altro modello frontier nel generare patch di alta qualità. Wiz, la piattaforma di sicurezza cloud, conferma che domina anche nei benchmark di penetration testing web.
Codice sicuro per default, non per caso
Negli benchmark interni di Google, Carbon raddoppia il tasso di successo di Argon nella generazione di codice sicuro. E nei test dal vivo con i team interni, gli alert di misalignment ad alta gravità sono calati dell’80% — il modello fa meno cavolate gravi quando gli chiedi qualcosa di complesso o ambiguo.
C’è un dettaglio che mi piace particolarmente: Carbon ha portato a zero i tentativi di cheating su Terminal-Bench 4.0. Prima era allo 0,4%, ora nemmeno ci prova. E questo mantenendo, anzi migliorando, l’accuratezza complessiva. Il modello ha capito come giocare pulito senza perdere in performance.
Meno fuffa, più onestà
Google dice che Carbon dimezza le affermazioni non supportate rispetto ad Argon. Se non ha le prove, non inventa. Se manca qualcosa, te lo dice chiaramente invece di nascondersi dietro formulazioni ambigue. Quando c’è incertezza, va a recuperare le fonti rilevanti e ti mette davanti le discrepanze prima di agire.
Il risultato è un modello che si sente molto più come un collaboratore affidabile che come uno stagista troppo zelante che fa danni per paura di chiedere. Google ha anche ridotto del 26% i casi in cui Carbon straborda oltre il compito assegnato, e del 29% quelli in cui fa troppo poco. Più equilibrio, meno sorprese.
Prompt injection? Grazie, ma no
Argon era già fortissimo contro i prompt injection, con uno 0,7% di successo degli attacchi sul benchmark IPI di Gray Swan. Carbon segna zero. Nessun attacco riuscito tra quelli testati. È il tipo di numero che fa sorridere chi lavora con agenti AI che processano input esterni non fidati tutto il giorno.
Prezzi e disponibilità
Carbon partirà allo stesso prezzo introduttivo di Argon: 2 dollari per milione di token in input, 10 dollari per milione in output. I token cached sono scontati del 95% sul prezzo di input. Dopo il periodo introduttivo, si passa a 4 e 20 dollari rispettivamente.
Non sarà un lancio immediato per tutti. Google sta seguendo il processo volontario di test pre-rilascio del governo USA e comincerà questa settimana a dare accesso a un gruppo selezionato di cyber defender. Poi, gradualmente, ad altri partner fidati tramite il Fairwind Program. Solo dopo aver raccolto feedback e rafforzato le guardrail, Carbon arriverà a sviluppatori, aziende e utenti finali tramite le superfici prodotto standard.
Progettato per task lunghi e complessi
Carbon non è fatto per rispondere a domande veloci. È progettato per girare anche per giorni su problemi di ingegneria complessi e multi-step: scovare e fixare bug sottili sparsi in codebase enormi, lavorare su sistemi low-level, portare avanti workflow agentici lunghi senza mollare ai primi vicoli ciechi.
Su WebDev Arena, Carbon ha guadagnato 89 punti Elo rispetto ad Argon e si piazza al quarto posto (1768) grazie a output di qualità migliore nello sviluppo web full-stack. Migliora anche su task di coding, agentic, scientifici e comprensione multimodale.
Due settimane tra Argon e Carbon
Gemini 4 Argon è uscito due settimane fa. Carbon arriva già oggi. È il ritmo con cui Google sta spingendo avanti la frontiera: ricercatori e modelli che lavorano fianco a fianco per accelerare le capacità, rafforzando al contempo le misure di sicurezza.
Il rollout sarà controllato. Google vuole vedere come viene usato dai primi utenti — i difensori cyber — prima di aprire le porte a tutti. E onestamente, con un modello che sa trovare, sfruttare e patchare vulnerabilità in autonomia, è un approccio che ha senso.
