Googleは11月10日、Gemini 4 Carbonをすべての有料開発者と企業に開放した。2週間前の発表時点では、Fairwindプログラムを通じてごく一部のサイバーセキュリティ防御側にのみ提供されていた。今回はGoogle AI Studio、Gemini API、企業向けのGemini for businessで同時に利用可能になり、Google AI Ultraの購読者もGeminiアプリ、検索のAI Mode、コーディングツールのAntigravityから直接使える。
発表文の署名はGoogle DeepMindのチーフAIアーキテクト、Koray Kavukcuoglu氏。位置づけは変わらず、サイバーセキュリティと長期的なエージェントタスクだ。
“Carbon is our strongest model with frontier performance in cybersecurity capabilities.”
（Carbonは当社最強のモデルで、サイバーセキュリティ能力はフロンティア水準にある。）
価格は当面安く、その後に上昇
価格はArgonの導入価格と同じで、100万トークンあたり入力2ドル、出力10ドル。この価格が続くのは11月30日までで、その後は入力4ドル、出力20ドルに戻り、ちょうど2倍になる。導入期間が適用されるのは公開版のCarbonのみ。Fairwind内で防御側向けに提供される「Carbon for cyber」は、別途申請の扱いとなる。
Googleは同じ発表の中で、Carbonは深い推論と自己検証を行うためArgonよりトークンを多く消費すると注意を促している。そのため、ソフトウェア開発や知識業務の大半は引き続きArgonから始め、複雑なタスクでCarbonに切り替えることを勧めている。
ざっと試算してみよう。あるエージェントタスクをArgonで1回実行すると、20万トークンを読み込み、3万トークンを書き出すとする。導入価格なら0.4＋0.3＝0.7ドルだ。同じタスクをCarbonで実行して出力が5割増えた場合、12月以降の1回あたりコストは0.8＋0.9＝1.7ドル前後になる。この5割増は当編集部の仮定で、Googleは両モデルのトークン消費比を公表していない。実際の差はタスク次第である。
成績はエージェント系ベンチマークに集中
今回の公開版に添えられた成績表は、前回の脆弱性系ベンチマークから、エージェントと知識業務へと重心が移った。GoogleによればCarbonは、CursorBench 4.0、PerplexityのWANDR、ZapierのAutomationBenchの3つで1位。1タスクあたりのコストは、2位の外部モデルより5割以上低いという。
Artificial Analysisのマルチモーダル知識エージェントベンチマークMKAでは2位で、1タスクあたりの平均コストは1位より6倍以上低い。ヘッジファンドBalyasnyの汎用金融エージェントベンチマークでは、23のフロンティアモデル構成の中で1位となった。
セキュリティ関連の数値も更新された。模擬攻撃環境でCarbonは攻撃の軌跡の99%を阻止し、1回の試行で突破される確率は0.8%、Argonは3.1%だった。Gray Swanの自動サイバー攻撃クエリでの成功率は、Carbonが2.17%、Argonが9.86%。375件の誠実性タスクの合格率は、Argonの70%から92%に上がった。
Google社内のProject Fortifyベンチマークでは、スキャンの再現率が100%、トリアージの適合率が95%だった。こうした社内データは現時点で第三者による再現がなく、Googleはテストセットの規模も公表していない。
同時に公開されたもの
モデル本体のほか、Googleは同時に3つの施策を打ち出した。
- 4週間前に1万人の科学者へ無償開放したArgonへのアクセスをCarbonにも拡大する。申請者はAntigravityの最上位利用枠を6か月間無料で使え、審査は週単位で随時行われる。
- Antigravityで
/swarm機能のプレビューを開始。1つのプロンプトを複数のエージェントに分割して協調作業させる。 - Wizと共同で大手SaaSベンダー2社をスキャンしたところ、モデルは2時間以内にゼロデイ脆弱性を発見した。対象の2社は明らかにされていない。
ArgonからCarbonまで、Googleは2回とも「まずセキュリティチームに提供し、2週間後に全面開放」というペースを取った。違いは、今回コンシューマー向けはUltra購読者のみで、Proユーザーはしばらく使えない点だ。Proプランがいつ追随するのか、発表文にスケジュールはない。
参考資料：Google公式ブログ、Google DeepMindモデルカード、CocoLoop。確認した項目は、導入期間中と終了後のAPI単価、各ベンチマークの順位、セキュリティテストの比率。コストの試算は編集部による概算である。