Gemini 4 Carbon 運営中

Gemini 4 Carbonは、Google DeepMindが開発した最新のフラッグシップ大規模モデルであり、Gemini 4 Argonに続く次世代の最先端モデルです。Gemini 4 CarbonはArtificial Analysis Intelligence Index 5.0で59点を獲得して首位に立ち、Claude Opus 5.5とGPT-6 Astraを上回りました。サイバーセキュリティ防御における脆弱性の発見、悪用検証、パッチ修正、超長期の自律コーディングタスクという全ライフサイクルで、新たなSOTAを達成しています。

超長期の自律コーディング：数日間にわたって連続稼働し、大規模なコードベースに潜むバグの根本原因特定とパッチ作成を自律的に完了できます。
脆弱性の発見：SEC-bench Proで88.2%を達成してSOTAを記録し、V8エンジンやLinuxカーネルなどの実際のソフトウェアから、複雑で高リスクな脆弱性を自律的に発見できます。
脆弱性の悪用検証：ExploitGymで54.8%を記録して最高記録を更新し、攻撃者のように脆弱性が実際に悪用可能かを検証して、防御側による修正の優先順位付けを支援します。
根本原因に基づく自動パッチ適用：CWE-benchで71.0%を達成し、検証済みの脆弱性の発見を、既存機能を損なわず実行可能な修正コードへ直接変換できます。
フルスタック開発とフロントエンド構築：WebDev ArenaのEloが89ポイント上昇して1769となり、コンポーネントの品質と完成品の出力が大幅に改善され、平均タスクコストも低下しています。
超長文脈での多段階意思決定：256k–1MコンテキストのGraphWalksテストで96.2%を達成し競合を大きく引き離しました。長期的なビジネス運営シミュレーション（Vending-Bench 2）では、最終口座残高がOpus 5.5の約1.8倍に達しています。

長期自律エージェントアーキテクチャ：Carbonは「数日間継続する長期のエンジニアリングタスク」向けに設計されています。大規模なコードベースや低レイヤーシステムに対する持続的な探索メカニズムを中核とし、何度も行き詰まっても振り返り、経路を変更し、粘り強く作業を続けられます。根本原因の特定からパッチの提供まで、多段階の一連の工程を自律的に完了します。
サイバーセキュリティ防御の全ライフサイクル能力：セキュリティ能力は「発見—検証—修正」の3段階で構築されており、いずれも製品のガードレールから切り離されたフル性能の状態で訓練・評価されています。検出ではSEC-bench Proで88.2%、検証ではExploitGymで54.8%を記録して最高記録を更新し、修正ではCWE-benchで71.0%を達成して首位に立っています。3つの能力が、発見から解決までの完全なチェーンを形成しています。公式データによると、内部のセキュリティコード生成成功率はArgonの2倍以上に向上しています。Chromeチームによる実戦比較では、パッチ品質が別の一流研究所の最先端モデルを10倍以上上回りました。
アライメント訓練と不正防止の収束：高スコアモデルが「テストスクリプトを変更して合格を偽装する」問題に対処するため、Carbonは訓練段階で近道や脆弱性の悪用傾向を直接抑制しています。その結果、Terminal-Bench 4.0で不正成功率を0.0%、不正試行率を0.4%まで低減しました。同時に、精度を向上させながら、内部の実運用コーディング環境における高深刻度のアライメント異常アラートも約80%減少しました。

現在、CarbonはFairwind Programを通過した一部のサイバーセキュリティ防御担当者にのみ提供されています。一般の開発者、企業、消費者は、Googleからの今後の通知を待つ必要があります。

総合知能で首位：Artificial Analysis Intelligence Index 5.0で59点を獲得し、世界1位となりました。Claude Opus 5.5とGPT-6 Astraを正面から上回っています。
超長期の自律コーディング：数日間にわたって稼働し、行き詰まりを乗り越えながら、大規模なコードベースに潜むバグの根本原因特定と修正パッチを自律的に完了します。Terminal-Bench 4.0では65.2%を達成し、競合を上回っています。
サイバーセキュリティ全ライフサイクルSOTA：「発見（SEC-bench Pro 88.2%）—検証（ExploitGym 54.8%）—パッチ適用（CWE-bench 71.0%）」の全工程をカバーし、3項目すべてで最新記録を達成しています。
超長文脈で圧倒：256k–1MコンテキストのGraphWalksテストで96.2%を達成し、Opus 5.5（66.8%）とAstra（71.8%）を大きく引き離しています。
ほぼゼロの不正利用と幻覚（アライメント面）：Terminal-Benchでの不正成功率を0.0%に抑え、間接的なプロンプトインジェクションに対して100%の耐性を実現しています。根拠のない断定はArgonと比べて約2倍減少しています。

公式サイト：https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/

サイバーセキュリティ防御：SEC-bench Proで88.2%、ExploitGymで54.8%、CWE-benchで71.0%を達成し、「発見—検証—パッチ適用」の全ライフサイクルを自動化します。
超長期の自律コーディング：数日間にわたって稼働し、行き詰まりを乗り越えながら、大規模なコードベースに潜むバグの根本原因特定と修正を自律的に完了します。
エンタープライズ向けエージェントワークフロー：Vals Index 70.4%とキャッシュ入力95%割引により、高頻度のエージェントタスクを低コストで支援します。
超長文脈分析：1MのコンテキストウィンドウとGraphWalksで96.2%の性能を備え、コードベースの理解や長文書の多段階推論に対応します。
フルスタックWeb開発：WebDev Arenaで1769点の出力品質とより低いタスクコストを実現し、フロントエンドコンポーネントや完全なアプリケーションを迅速に生成します。