Google ha aperto le porte a Gemini 4 Carbon, e la prima cosa che salta all’occhio non è un benchmark. È il prezzo: 2 dollari per milione di token in input, 10 in output. Gli stessi di Argon, il fratello minore uscito poco fa. Poi leggi la nota a piè di pagina e scopri che dal 30 novembre le cifre raddoppiano: 4 e 20. Il trucco c’è. Ma andiamo con ordine.
Carbon è il modello top di gamma della famiglia Gemini 4, quello pensato per i compiti in cui gli altri si arrendono. Debugging a più passaggi, ricerca scientifica aperta, flussi di lavoro in cui l’agente deve ragionare per ore, non per secondi. Argon, dice Google, resta la scelta giusta per la maggior parte del lavoro quotidiano su codice e documenti. Carbon è quello che chiami quando Argon si arrende. E consuma più token per farlo: esplora, verifica, riverifica. Tienilo a mente, perché il costo per token non è il costo per compito.
I numeri, con il sale giusto
Secondo Google, Carbon è primo su CursorBench 4.0, WANDR di Perplexity e AutomationBench di Zapier, con un costo per compito più che dimezzato rispetto al miglior modello esterno. Più di 2X di risparmio. Notevole, se regge fuori dal laboratorio.
Sul nuovo benchmark MKA (Multimodal Knowledge Agent, sviluppato con Artificial Analysis per misurare come un agente ragiona su file densi pieni di grafici, schemi e tabelle) Carbon arriva secondo. Secondo, eh. Ma costa oltre 6 volte meno del primo per compito. Chi lavora con PDF da 200 pagine e planimetrie sa che questa è la parte interessante.
Una precisazione: sono quasi tutti risultati comunicati da Google stessa o da partner. Non è un difetto, è la norma a lancio avvenuto. I test indipendenti veri arriveranno nelle prossime settimane, e quelli li aspetto con più curiosità del comunicato.
/swarm: un prompt, una squadra di agenti
La novità pratica per chi sviluppa si chiama /swarm, in anteprima dentro Google Antigravity. Scrivi un prompt e ottieni una squadra di agenti coordinati che puoi seguire in tempo reale. Carbon fa da architetto, coordinatore e revisore, i ruoli dove serve ragionare a fondo, mentre modelli più leggeri e veloci lavorano in parallelo in spazi isolati, con verificatori avversari che provano a rompere ogni modifica.
Le demo sono scenografiche. Una mostra 3D interattiva della costruzione della Torre Eiffel, partendo da foto storiche. Una ricostruzione da 906mila triangoli di un ufficio Google a partire da sette PDF di piani urbanistici, in 10 cicli notturni. Un gioco 3D open world in cui sei un pellicano in bicicletta nel campus di Mountain View (sì, davvero). E un fortepiano del 1780 con fisica dei tasti, piazzato in una sala da concerto di Toronto con acustica calcolata per posto. Impressionante? Parecchio. Rappresentativo del vostro gestionale in PHP del 2014? No.
Sicurezza informatica: la parte che farà discutere
Carbon ha una versione for cyber, accessibile solo tramite il Fairwind Program, riservato ai difensori. Dovrebbe essere forte su tre fronti: trovare vulnerabilità, dimostrarne la sfruttabilità, scrivere la patch giusta alla radice del problema.
Dentro Google, nel sistema autonomo Project Fortify, Carbon avrebbe raggiunto il 100% di recall in scansione (cioè non ha mancato nulla, sul loro test interno) e il 95% di precisione nella selezione dei problemi reali. Sul codice open source il recall sale di oltre il 25% in relativo rispetto ad Argon, che già non era male. Il team Cloud Vulnerability Research lo ha usato per dimostrare che due bug in un software open source molto diffuso erano davvero sfruttabili, con gravità paragonabile alla recente PHP2Shell. I manutentori hanno riclassificato tutto come critico e rilasciato la patch. I dettagli arriveranno a divulgazione conclusa.
E Wiz? Con il programma Scan for Good ha usato Carbon su infrastrutture pubbliche: su due grandi fornitori SaaS ha trovato vulnerabilità sconosciute in meno di due ore. Settimane di ricerca compresse in un pomeriggio. Se ti sembra una cosa buona e un po’ inquietante insieme, hai capito il dilemma.
Scienza e matematica
Qui i risultati sono quelli che mi hanno fatto alzare il sopracciglio. Il team di Google ha costruito AlphaProof Code, un framework di verifica formale, e lo ha puntato sul codice del protocollo crittografico di Signal. Gli agenti hanno generato milioni di righe in Lean (un linguaggio per scrivere dimostrazioni matematiche) e provato proprietà di sicurezza chiave in poche settimane. Lavoro che, dicono, richiede anni a squadre di esperti. Anni contro settimane è un salto che va guardato con attenzione, ma anche con un po’ di entusiasmo.
Altri casi: Axiom Bio, che studia la tossicità dei farmaci, dice che Carbon ha trovato meccanismi di tossicità mai individuati prima. Nello sviluppo di saggi enzimatici, partendo solo da quaderni di laboratorio e dati grezzi, il modello ha scovato artefatti sperimentali come la miscelazione incompleta in pozzetti profondi. E sulla predizione di strutture proteiche, per 7 famiglie a bassa omologia del test CASP17, ha recuperato in media 40 volte più omologhi cercando in archivi enormi di sequenze. Il benchmarking più ampio, ammette Google, è ancora in corso. Prudenza, quindi.
Nota pratica per ricercatori: il programma che regala accesso gratuito per sei mesi ad Antigravity a 10.000 scienziati ora include anche Carbon. Candidature ancora aperte, onboarding settimanale, con criteri di idoneità e posti limitati.
Sicurezza del modello: i dati e i limiti
Google sbandiera parecchi numeri. In ambienti simulati di test di intrusione, Carbon ha bloccato il 99% delle traiettorie di un agente red team adattivo, con un tasso di violazione per tentativo dello 0,8% (contro il 3,1% di Argon). Nei test di Gray Swan il successo delle query automatizzate dannose scende al 2,17%, da 9,86%. Trajectory Labs, esterna, non ha trovato nuovi jailbreak universali in 132 ore e oltre 13.000 richieste.
Sull’onestà: nel benchmark agentico da 375 compiti Carbon ne supera il 92% (Argon: 70%). Rifiuta di inventare dati sperimentali mancanti il 98% delle volte e segnala errori metodologici il 68%. Quel 68% mi piace più del 98%, perché dice che nemmeno loro vendono perfezione.
Sul prompt injection indiretto, cioè istruzioni malevole nascoste in pagine o documenti che l’agente legge, Carbon ha centrato lo 0% di successo d’attacco sul benchmark Gray Swan IPI, prima volta in assoluto. Subito dopo, però, Google scrive che la robustezza resta un’area di miglioramento continuo e che il red teaming automatico trova ancora margini su attacchi sofisticati. Zero su un benchmark non è zero nella vita reale. Meglio che lo dicano loro.
Dove si prova e quanto costa
Carbon è disponibile via API in Google AI Studio e Gemini for business per tutti gli sviluppatori e le aziende con piano a pagamento. Gli abbonati Google AI Ultra lo trovano in Antigravity, nell’app Gemini e in AI Mode di Search. Chi fa sicurezza deve candidarsi al Fairwind Program. Prezzo introduttivo: 2 dollari per milione di token in input e 10 in output, fino al 30 novembre 2026. Dopo, 4 e 20.
Quindi? Se hai un flusso di lavoro complesso da mettere alla prova, hai tre settimane scarse per misurare il costo vero per compito a prezzo scontato. Poi rifai i conti con le tariffe piene, perché è lì che si capisce se quel 2X di risparmio dichiarato regge.
