Google presenta Gemini 4 Carbon: primato nei benchmark ma accesso limitato ai difensori informatici

A circa due settimane dal lancio di Argon, Google ha annunciato sul proprio blog ufficiale la presentazione di Gemini 4 Carbon. Firmato da Koray Kavukcuoglu, vicepresidente senior di Google DeepMind e principale architetto dell'intelligenza artificiale dell'azienda, il post descrive Carbon come il modello più forte di Google, allo stato dell'arte nella cybersicurezza e nei compiti a lungo orizzonte. Il dirigente ha dichiarato che nei test interni i team hanno visto il modello operare per giorni consecutivi pur di superare i vicoli ciechi. La disponibilità iniziale è tuttavia circoscritta a un sottoinsieme di difensori informatici tramite il Fairwind Program; per sviluppatori, aziende e pubblico generico Google parla di un arrivo successivo, senza indicare una data precisa né la scadenza del listino promozionale di due dollari per milione di token in ingresso e dieci in uscita.

Sul piano delle rilevazioni prestazionali, i dati diffusi da Google evidenziano avanzamenti marcati, accompagnati da precisi limiti metodologici: nei benchmark di sicurezza informatica — valutati dall'azienda senza filtri di protezione (guardrail) e dunque non sovrapponibili all'esperienza d'uso finale — Carbon raggiunge l'88,2% su SEC-bench Pro per l'individuazione delle vulnerabilità, il 54,8% su ExploitGym per lo sfruttamento (Argon era al 42,0%, secondo VentureBeat), oltre al 71,0% su CWE-bench per la correzione delle cause profonde. Quasi tutti questi numeri sono dichiarati da Google e non hanno stime di incertezza. Nella versione 5.0 dell'Artificial Analysis Intelligence Index, rivista e non confrontabile con le precedenti, il modello è primo con 59 punti, davanti a Claude Opus 5.5 (58), GPT-6 Astra (57) e Argon (50). Il primato non è tuttavia omogeneo: su FrontierSWE 2 Carbon si ferma al 61,2%, superato da GPT-6 Astra (65,5%) e Claude Opus 5.5 (62,3%), mentre sul sottoinsieme offline di OSWorld ottiene l'81,5% rispetto all'87,2% di Opus 5.5.

Le valutazioni indipendenti riportate da VentureBeat mostrano una dinamica articolata: su AA-Omniscience di Artificial Analysis l'accuratezza di Carbon sale al 58% (Argon 48%), ma il tasso di allucinazione cresce dal 4% all'11%. Sul Vals Index Carbon fa 70,4%, appena sopra Claude Opus 5.5 (70,2%). Nei test di sicurezza interni condotti da Google sullo stesso stack multilivello del precedente modello, gli avvisi di grave disallineamento nella generazione di codice scendono di quasi l'80% e il successo degli attacchi di prompt injection indiretta sul benchmark Gray Swan scende allo 0,0% (Argon 0,7%). Resta invece priva di riscontri pubblici e di dati a supporto l'affermazione contenuta nella nota societaria, secondo cui il team del browser Chrome avrebbe ottenuto correzioni di qualità oltre dieci volte migliori rispetto a quelle del grande modello di frontiera di un laboratorio concorrente, che non viene nominato.

L'assenza di un report tecnico dettagliato lascia non chiariti sia la struttura dell'architettura sia il numero complessivo dei parametri. Google ha scelto un rilascio scaglionato per un modello capace di individuare e sfruttare vulnerabilità: quando l'autonomia operativa si estende su più giorni, decidere chi può accedervi conta almeno quanto i risultati nei benchmark. — Olya