Pada 28 Oktober, Google merilis Gemini 4 Carbon, yang disebutnya model Gemini terkuat saat ini, dengan fokus pada keamanan siber dan tugas agen berhorizon panjang. Untuk sementara model ini hanya dibuka bagi segelintir pembela jaringan, lalu diperluas bertahap ke mitra tepercaya lain lewat program bernama Fairwind. Waktu peluncuran untuk pengembang, perusahaan, dan pengguna umum belum diumumkan; pihak resmi hanya menyebut akan dilakukan "secepatnya".
"Gemini 4 Carbon is our strongest model with state-of-the-art cybersecurity and long horizon capabilities."
(Gemini 4 Carbon adalah model terkuat kami, dengan kemampuan keamanan siber dan tugas jangka panjang yang terdepan di industri.)
Rapor yang menumpuk di sisi keamanan
Sebagian besar skor yang dipublikasikan Google berada pada tolok ukur keamanan. Untuk pencarian celah, SEC-bench Pro mencetak 88,2%; ExploitGym, yang menguji apakah celah benar-benar bisa dieksploitasi, mencetak 54,8%. Keduanya disebut Google sebagai skor tertinggi. Untuk penambalan celah, CWE-bench mencetak 71,0%.
Di papan peringkat umum, Carbon meraih 59 poin pada Artificial Analysis Intelligence Index v5.0 dan berada di posisi pertama. Di WebDev Arena, papan adu pengembangan web, skornya 1768 Elo di peringkat keempat, sekitar 89 poin di atas generasi sebelumnya.
Ada pula beberapa klaim dari data internal Google yang belum direplikasi pihak ketiga. Tingkat keberhasilan pembuatan kode aman lebih dari dua kali lipat Argon. Tim Chrome Google, setelah mencoba model ini, menyatakan kinerjanya dalam menghasilkan patch berkualitas tinggi lebih dari 10 kali lebih baik daripada "model frontier besar milik laboratorium lain", tanpa menyebut laboratorium yang dimaksud.
Tahan injeksi dan kecurangan
Blog Google membahas cukup panjang soal keamanan model itu sendiri. Dalam uji injeksi prompt tidak langsung dari Gray Swan, tingkat keberhasilan serangan terhadap Carbon 0,0%, sedangkan Argon 0,7%. Di Terminal-Bench 4.0, proporsi model mencoba curang adalah 0,4%, dan tingkat keberhasilan curangnya turun menjadi 0. Google juga menyebut klaim tanpa dasar berkurang sekitar separuh, tugas yang dikerjakan berlebihan turun 26%, dan tugas yang semestinya dikerjakan tetapi terlewat turun 29%.
Dari sisi pengamanan, Carbon mewarisi perlindungan berlapis Argon: penyelarasan pada tahap pelatihan, pemblokiran penyalahgunaan secara waktu nyata, perlindungan terhadap injeksi prompt, dan pemantauan rantai pemikiran. Google mengatakan ikut serta dalam pengujian model sebelum rilis yang bersifat sukarela dari pemerintah AS.
"We're taking a deliberate approach to rollout."
(Kami sengaja memperlambat laju peluncuran.)
Dua model dalam dua pekan, harga ditetapkan dulu
Jika garis waktunya disambung, ritme Google bulan ini sangat padat. Gemini 4 Argon, yang dirilis dua pekan lalu, berfokus pada penalaran fisik dan tugas berwujud; awalnya dibuka untuk tim keamanan, lalu dibuka penuh. Pekan ini Google juga merilis model dunia Genie 4, sementara Carbon dibangun langsung di atas Argon.
Soal harga, Carbon dan Argon memakai skema promosi yang sama: input 2 dolar AS per sejuta token dan output 10 dolar AS, dengan input yang di-cache dihitung 5% dari harga input. Setelah masa promosi berakhir, harga naik menjadi 4 dolar untuk input dan 20 dolar untuk output. Berapa lama masa promosi, blog tidak menjelaskan.
Pengaturan harga ini agak tidak lazim. Biasanya model dibuka dulu baru bicara harga; pada Carbon, harga diumumkan lebih dulu dan waktu pembukaan masih menunggu. Dari jalur Argon, model itu juga diberikan ke tim keamanan lebih dulu lalu dibuka penuh, dengan jeda yang tidak lama. Apakah Carbon akan mengikuti ritme yang sama, saat ini belum bisa dipastikan.
Isi blog tidak menjelaskan kapan API, aplikasi Gemini, dan Vertex AI masing-masing akan menayangkannya, dan tidak menyebut panjang konteks. Bagi pengembang di Tiongkok, pembatasan wilayah pada Gemini API sendiri tidak berubah. Bahkan setelah Carbon masuk tahap publik, bisa tidaknya dipanggil langsung tetap bergantung pada daftar wilayah layanan Google.
Model keamanan bermunculan bersamaan
Pada periode yang sama, sejumlah vendor menjadikan kemampuan menemukan celah sebagai nilai jual model frontier. Anthropic sehari sebelumnya mempublikasikan laporan tentang model riset internal yang menemukan celah di beberapa sistem arus utama dan menulis rantai serangannya, dan OpenAI juga mendorong peninjauan eksternal terhadap penemuan celah oleh AI. Langkah Google membatasi pengguna pertama Carbon pada pihak pembela sejalan dengan praktik industri kali ini: kemampuan diberikan dulu kepada penjaga gerbang, dan sebelum penyerang mendapat perkakas setara, sejumlah celah lama dibersihkan lebih dulu.
Pengakuan tim Chrome memakai Carbon untuk menambal juga menunjukkan bahwa lini produk Google sendiri adalah pengguna pertama. Data pembanding atas efektivitas uji coba internal semacam ini baru akan ada setelah lebih banyak tim pembela eksternal mendapat akses.
Sumber: artikel peluncuran Gemini 4 Carbon di blog resmi Google, blog Google DeepMind, CocoLoop; skor tolok ukur, masa promosi, dan harga resmi telah diverifikasi silang.