Google DeepMind、Gemini 4 Carbonを発表 独立ベンチマークで首位、当面はサイバー防御担当者向け

Gemini 4 CarbonはArgonから2週間ほどで登場した新しいフロンティアモデルで、サイバーセキュリティと長時間タスクで最先端と位置づけられている。Googleが示したサイバー関連の数値は、脆弱性発見のSEC-bench Proが88.2%、悪用のExploitGymが54.8%、修正のCWE-benchが71.0%である。コンテキストは1Mトークン、最大出力も1Mで、入力はテキスト・画像・動画・音声、出力はテキストとされる。

価格は情報源で異なる。Phil Schmidは入力/出力100万トークンあたり$2/$10と注釈付きで伝え、Artificial Analysisは標準$4/$20に終了日未設定の50%ローンチ割引があるとする。キャッシュ入力は100万トークンあたり$0.20。安全面ではGoogleが、Terminal-Bench 4.0での不正成功が0.0%、不正の試行が0.4%に下がったと述べている。

Artificial AnalysisではIntelligence Index v5で59点、9つの評価のうちHLE-Diamond、TB-Science、AA-Omniscience、AutomationBenchの4つで首位だった。直前の順位はOpus 5.5が58、GPT-6 Astraが57である。Coding Agent IndexではAntigravity CLIで59、Claude Code上のOpus 5.5 [max]は62で、FrontierCode v1.1でも51%対56%と下回る。タスク単価は$7.76で、Opus 5.5の$10.04より低く、出力トークンは29%少ない。ハルシネーション率はArgonの4%から11%に上がったが、測定対象の中では2番目に低い。

ArenaではText Arenaで1位（1528）、Agent Arenaで2位、Code Arena: WebDevで4位だった。Valsでは総合のVals Indexで2位、Finance IndexとLegal Research Benchmarkで1位。注意点として、コーディングの結果は特定のハーネスで測られており他環境は未検証であること、サイバー用途でのハルシネーションを懸念する声があることが挙がっている。