Gemini 4 Carbon Overview

Carbonin rooli: pitkäjänteinen työ monimutkaisissa ohjelmistoteknisissä tehtävissä

Carbon jatkaa Argonin painotusta pitkäkestoiseen työhön: suurten koodivarastojen vaikeisiin virheisiin, matalan tason järjestelmiin, monivaiheiseen ohjelmistokehitykseen ja tietoturvakorjauksiin, jotka vaativat toistuvaa todentamista.

Googlen mukaan sisäiset tiimit ovat havainneet Carbonin työskentelevän päiviä, jatkavan umpikujiin päätymisestä huolimatta, tunnistavan hienovaraisia virheitä ja tuottavan korjauksia. Tämä on raportti sisäisestä käytöstä, ei lupaus siitä, että jokainen julkinen API-pyyntö suoritettaisiin yhtäjaksoisesti päivien ajan.

Käytännön kysymys on, pystyykö malli pitämään tavoitteen mielessä, testaamaan oletuksiaan työkaluilla ja toipumaan epäonnistuneesta lähestymistavasta. Koodivarastojen ylläpito, migraatiot ja tietoturvatyö hyötyvät muutoksista, jotka voidaan hyväksyä ja todentaa.

Artificial Analysisin mukaan Carbonilla on 1M tokenin konteksti-ikkuna, se vastaanottaa tekstiä, kuvia, videota ja puhetta sekä tuottaa tekstiä. Videon ymmärtäminen ei osoita kykyä tuottaa videota, eikä kontekstikapasiteetti määritä yhden vastauksen enimmäistulostepituutta.

Lähteet: Googlen julkistus · Artificial Analysisin arviointi.

Gemini 4 Carbon vastaan Argon: kuinka paljon on parannettu?

Googlen julkaisutaulukko osoittaa parannuksia päättelyssä, pitkän kontekstin käsittelyssä, multimodaalisessa ymmärtämisessä ja ohjelmoinnissa. Alla valitut tulokset ovat peräisin Googlen julkaisemasta vertailusta, eivät APIMasterin testeistä.

Parannukset vaihtelevat tehtävän mukaan. GraphWalks ja Terminal-Bench paranevat huomattavasti; Vals Index muuttuu maltillisemmin. SWE-sweep-tulos yli kaksinkertaistuu Argoniin verrattuna, mutta absoluuttinen pistemäärä on edelleen 9.6%, joten vaikeissa ohjelmointitehtävissä on yhä huomattavasti parantamisen varaa.

Verkkokehityksessä Google raportoi WebDev Arenassa tulokseksi 1768 Eloa, neljännen sijan ja 89 Elon parannuksen. Käytännön valinnassa on silti tarkistettava mobiiliasettelu, vuorovaikutukset ja toiminnallinen kattavuus.

Katso Googlen alkuperäinen arviointitaulukko.

Päihittääkö Carbon Claude Opus 5.5:n ja GPT-6 Astran?

Se johti AA:n yleisen älykkyyden indeksiä julkaisuhetkellä; tehtäväkohtaiset tulokset ovat edelleen vaihtelevia. Googlen taulukossa Carbon saa 59, Opus 5.5 saa 58 ja GPT-6 Astra saa 57 pistettä. Artificial Analysis vahvistaa riippumattomasti Carbonin ensimmäisen sijan Intelligence Index v5 -vertailussa.

Riippumattomassa Coding Agent Index -vertailussa Carbon ja Antigravity CLI saavat kuitenkin 59 pistettä, mikä jää Opus 5.5:n ja Claude Coden 62 pisteen taakse. Tämä mittaa mallin ja agentin yhdistelmiä, ei kontrolloitua koetta, jossa vaihdetaan vain mallia.

Myös Googlen omassa julkaisutaulukossa on osa-alueita, joilla Carbon jää jälkeen:

• FrontierSWE 2: Carbon saa 61.2%, mikä jää GPT-6 Astran 65.5%:n ja Opus 5.5:n 62.3%:n alapuolelle.
• OSWorld-2.1:n offline-osajoukko: Carbon saa 81.5%, mikä jää Opus 5.5:n 87.2%:n alapuolelle.

Tietotyössä Artificial Analysis raportoi AA-Briefcase-testissä tulokseksi 1609 Eloa, mikä on 126 enemmän kuin Argonilla, mutta jää sen arvioinnissa edelleen Kimi K3.1 Pron, Muse Wonderin ja Grok 4.7:n taakse.

Carbon on vahva yleiskäyttöinen vaihtoehto; monimutkainen ohjelmointi ja tietotyö edellyttävät silti työkuormakohtaisia vertailuja. Myös arviointiasetukset eroavat: Googlen taulukossa Terminal-Bench-tulos on 65.2%, kun taas AA:n ohjelmointiagentteja käsittelevässä artikkelissa se on noin 64%. Säilytä alkuperäiset asetukset ja lähdemaininta kunkin tuloksen yhteydessä.

Kyberturvallisuus: haavoittuvuuksien löytäminen, todentaminen ja korjaaminen

Kyberpuolustus on yksi Carbonin julkaisun selkeimmistä painopisteistä. Googlen esiin nostamat kolme tulosta kattavat puolustustyön peräkkäisiä vaiheita:

Työnkulussa löydetään virhe, selvitetään sen riski ja tuotetaan korjaus. Ylläpitäjille väärien positiivisten vähentäminen ja toimivien korjausten toimittaminen voivat alentaa korjaustyön kustannuksia.

Google raportoi myös yli kaksinkertaisesta onnistumisesta turvallisen koodin tuottamisessa Argoniin verrattuna sisäisissä testeissä. Chrome-tiimin väite yli kymmenkertaisesti paremmasta laadukkaiden korjausten tuottamisesta perustuu vertailuun nimeämättömän kilpailevan laboratorion malliin; sitä ei voi yleistää kaikkiin ohjelmointitehtäviin.

Google sanoo nimenomaisesti, että ulkoiset kyberturvallisuuden vertailutestit arvioitiin ilman suojarajoitteita. Julkisten tuotteiden käyttöoikeudet, työkalut ja suojaukset voivat vaikuttaa todelliseen toimintaan.

Luotettavuus pitkissä tehtävissä: vähemmän oikoteitä ja selkeämpää näyttöä

Pidempi suoritus kasvattaa kasautuvien virheiden ja käyttäjän tavoitteesta poikkeamisen kustannuksia. Carbonin luotettavuustyö kattaa vilpin, perusteettomat väitteet, valtuuksien ylittämisen ja puutteellisen suorituksen.

Google raportoi Terminal-Bench 4.0:ssa 0.0% onnistunutta vilppiä ja 0.4% vilppiyrityksiä, ja vakavien tavoitteista poikkeamista koskevien hälytysten määrä väheni lähes 80% sisäisissä reaaliaikaisissa ohjelmointiympäristöissä. Nämä havainnot koskevat raportoituja testejä ja ympäristöjä, eivät tuotantokäytön yleistä häiriöastetta.

Googlen mukaan Carbon noin puolittaa perusteettomat väitteet Argoniin verrattuna, vähentää valtuuksien ylittämistä 26% ja riittämätöntä palvelua 29%. Kun tietoja puuttuu tai lähteet ovat ristiriidassa, se hakee todennäköisemmin näyttöä, tuo ristiriidan esiin ja kertoo, mikä jää keskeneräiseksi.

Kehoteinjektioiden osalta Google raportoi, että hyökkäysten onnistumisaste Gray Swanin epäsuoran kehoteinjektion vertailutestissä laski Argonin 0.7%:sta 0.0%:iin. Carbon torjui jokaisen kyseisellä testikierroksella arvioidun hyökkäyksen; tämä ei takaa vastustuskykyä kaikille kehoteinjektioille.

Riippumaton testaus tarkentaa kuvaa. AA-Omniscience v1.1 -testissä Carbonin tarkkuus nousee Argonin 48%:sta 58%:iin, mutta sen hallusinaatioaste kyseisen vertailutestin määritelmän mukaan nousee 4%:sta 11%:iin. Carbon kuuluu edelleen arvioitujen mallien vähiten hallusinoiviin, mutta parempi kyvykkyys ei osoita vähäisempää hallusinointia kaikissa tilanteissa. Googlen sisäinen perusteettomien väitteiden testi käyttää eri menetelmää.

Gemini 4 Carbon API:n hinnoittelu: aloitushinnat ja tehtäväkustannukset

Carbonin ilmoitetut aloitushinnat ovat $2 syötteestä / $10 tulosteesta miljoonaa tokenia kohti, eli 50% alennus normaalihinnoista $4 / $20. Välimuistissa oleva syöte saa 95% alennuksen sovellettavasta syötehinnasta: $0.10 aloitushintakaudella ja $0.20 normaalihinnoittelussa. Carbonin oman alennuksen päättymispäivää ei ole vahvistettu; Argonin määräpäivää ei pidä soveltaa siihen.

Välimuistialennus koskee vain ehdot täyttävää välimuistissa olevaa syötettä, ei uutta syötettä tai tulostetta. Se ei osoita mitään tiettyä KV-välimuistiarkkitehtuuria, koulutuksen muistibudjettia tai laitteiston käyttöastetta.

Tehtävälle, jossa käytetään 100,000 syötetokenia ja 20,000 laskutettavaa tulostetokenia, aloitushinnoittelu antaa:

0.1 × $2 + 0.02 × $10 = $0.40

Tämä kiinteään tokenimäärään perustuva esimerkki ei sisällä työkaluja, uudelleenyrityksiä eikä muita maksuja. Pitkäkestoiset agentit aiheuttavat kustannuksia myös välivaiheiden päättelystä, toistuvista lukukerroista ja useista suoritusvaiheista. Vertaa hyväksytyn tuloksen kokonaiskustannusta.

Normaalihinnoittelua käyttäen Artificial Analysis raportoi Carbonin hinnaksi $7.76 Intelligence Index -tehtävää kohti, kun Opus 5.5:n vastaava hinta on $10.04 ja GPT-6 Astran $6.25. Kustannusedut riippuvat tehtävästä ja tokenien kulutuksesta; tokenien aloitushinta ei todista, että jokainen tehtävä maksaisi puolet vähemmän.

Saatavilla olevat saman malliperheen vaihtoehdot ovat Argon ja 3.8 Flash. Tarkistushetkellä niiden edullisimpien julkisten APIMaster-reittien hinnat ovat jopa ~58.3% alhaisemmat ja jopa ~59.7% alhaisemmat kuin Googlen nykyiset Standard-aloitushinnat. Valitse työkuorman, reitin ominaisuuksien ja kapasiteetin perusteella; markkinapaikkakortti on ensisijainen tietolähde.

Carbon ja rekursiivinen itsensä parantaminen: mikä on vahvistettu?

Carbon saapui noin kaksi viikkoa Argonin 13. lokakuuta tapahtuneen kehittäjäavauksen jälkeen. Tämä tahti on herättänyt keskustelua rekursiivisesta itsensä parantamisesta (RSI) ja malliavusteisesta tekoälytutkimuksesta.

Googlen Carbon-julkistus vahvistaa, että tutkijat ja mallit työskentelevät yhdessä kyvykkyyksien edistämiseksi ja suojausten vahvistamiseksi. Se ei paljasta Carbonin koulutusprosessista riittävästi, jotta voitaisiin vahvistaa tietyn itsensä parantamista käsittelevän tutkimusjulkaisun käyttö, reaaliaikainen koulutus käyttäjien toiminnalla tai itsenäiset päivitykset ilman ihmisen osallistumista.

Malliavusteinen tutkimus on hyödyllinen seurattava kehityssuunta. Carbonin julkaistut arvioinnit, hinnoittelu ja käyttöehdot ovat nykyisten valintapäätösten tueksi saatavilla oleva näyttö.

Milloin Carbon API avautuu, ja onko Carbon Gemini 4 Flash?

Tarkistuksen 2026-10-31 perusteella Googlen julkistus kuvaa edelleen vaiheittaista käyttöönottoa: ensin valitut kyberpuolustajat, sitten useammat luotetut Fairwind-kumppanit. Se ei vahvista tavallisille kehittäjille, yrityksille ja kuluttajille yleistä avautumispäivää, lopullista julkista API-tunnistetta, käyttörajoja eikä tilauksiin sisältyviä käyttöoikeuksia.

Google ei ole määritellyt Carbonia Gemini 4 Flashiksi. Carbonin asemointi lippulaivaksi, ilmoitettu hinta ja ensikäyttöohjelma eivät määritä tulevan Flash-tuotteen ominaisuuksia. Seuraa niiden julkistuksia erikseen.

Ota nykyisessä käyttöönotossa gemini-4-argon vertailutasoksi monimutkaisiin tehtäviin tai käytä mallia gemini-3.8-flash kustannusherkempään eräajotyöhön. Kun Carbon avautuu, vertaa samoilla syötteillä, työkaluilla ja hyväksymiskriteereillä: valmistumisastetta, ihmisen väliintuloja, aikaa ja kokonaiskustannuksia.

Rekisteröidy APIMasteriin → Luo API-avain → käytä API-perusosoitetta https://apimaster.ai/v1 tällä hetkellä saatavilla olevan mallin gemini-4-argon tai gemini-3.8-flash kanssa. Tarkista ajantasaiset hinnat ja julkiset reitit Argon-kortista ja Flash-kortista.

FAQ

Onko Gemini 4 Carbon julkaistu?

Google julkisti Carbonin 2026-10-28 ja avaa sen käyttöön vaiheittain luotetuille kyberpuolustajille. Yleistä kehittäjäsaatavuuden päivämäärää ei ole ilmoitettu.

Missä Carbon parantaa Argoniin verrattuna?

Julkaisutaulukossa AA Index nousee 50:stä 59:ään, Terminal-Bench 4.0 nousee 57.1%:sta 65.2%:iin ja GraphWalks nousee 84.2%:sta 96.2%:iin. Pitkäkestoinen ohjelmointi, monimutkainen päättely ja kyberturvallisuus ovat keskeisiä painopisteitä.

Onko Carbon vahvin ohjelmointimalli?

Se parantaa tuloksia useissa ohjelmointiarvioinneissa, mutta riippumattomassa Coding Agent Index -vertailussa Carbon saa 59 pistettä ja jää Opus 5.5:n ja Claude Coden 62 pisteen taakse. Vertaa todellisia tehtäviä samoilla työkaluilla ja budjeteilla.

Mitä Carbon API maksaa?

Ilmoitetut aloitushinnat ovat $2 syötteestä / $10 tulosteesta miljoonaa tokenia kohti ja $0.10 välimuistissa olevasta syötteestä. Normaalihinnat ovat $4 / $20 ja $0.20 välimuistissa olevasta syötteestä. Carbonin alennuksen päättymispäivää ei ole vahvistettu.

Voinko kutsua Carbonia APIMasterissa nyt?

Tarkistushetkellä julkista Carbon-reittiä ei löytynyt. Argonilla on 4 julkista aktiivista reittiä ja 3.8 Flashilla 7. Carbonin hakulinkki ei tarkoita, että malli olisi myynnissä.

Onko Carbon immuuni kehoteinjektioille?

Google raportoi 0.0% hyökkäysten onnistumisasteen tietyssä Gray Swanin epäsuoran kehoteinjektion arvioinnissa. Tulos kattaa arvioidut hyökkäykset, ei kaikkia mahdollisia hyökkäyksiä.

Lähteet

• Google: Carbon-julkistus, 2026-10-28
• Google: alkuperäinen vertailutestien vertailu
• Artificial Analysis: älykkyys, ohjelmointiagentit, hallusinointi ja tehtäväkustannukset, 2026-10-28
• Google: virallinen Gemini API -hinnoittelu
• Google: Fairwind-ohjelma
• APIMaster: ajantasaiset Argonin markkinapaikkatiedot · 3.8 Flash · Carbonin saatavuus