Google apresenta o Gemini 4 Carbon: liderança nos benchmarks, mas acesso limitado aos defensores cibernéticos

Cerca de duas semanas após o lançamento do Argon, o Google anunciou em seu blog oficial a apresentação do Gemini 4 Carbon. Assinado por Koray Kavukcuoglu, vice-presidente sênior do Google DeepMind e arquiteto-chefe de inteligência artificial da empresa, o post descreve o Carbon como o modelo mais forte do Google, no estado da arte em cibersegurança e em tarefas de longo horizonte. O executivo afirmou que, nos testes internos, as equipes viram o modelo trabalhar por dias seguidos para superar becos sem saída. A disponibilidade inicial, porém, está restrita a um subconjunto de defensores cibernéticos por meio do Fairwind Program. Para desenvolvedores, empresas e o público em geral, o Google fala de uma chegada posterior, sem data definida e sem dizer quando termina o preço promocional de dois dólares por milhão de tokens de entrada e dez por milhão de saída.

No desempenho, os dados divulgados pelo Google mostram avanços expressivos, acompanhados de limites metodológicos claros. Nos benchmarks de cibersegurança, avaliados pela empresa sem filtros de proteção (guardrails) e que, portanto, não correspondem à experiência de uso final, o Carbon atinge 88,2% no SEC-bench Pro na detecção de vulnerabilidades, 54,8% no ExploitGym na exploração (o Argon tinha 42,0%, segundo a VentureBeat) e 71,0% no CWE-bench na correção das causas raiz. Quase todos esses números são declarados pelo próprio Google e não trazem estimativas de incerteza. Na versão 5.0 do Artificial Analysis Intelligence Index, revisada e não comparável às anteriores, o modelo fica em primeiro com 59 pontos, à frente do Claude Opus 5.5 (58), do GPT-6 Astra (57) e do Argon (50). A liderança, no entanto, não é homogênea: no FrontierSWE 2 o Carbon para em 61,2%, atrás do GPT-6 Astra (65,5%) e do Claude Opus 5.5 (62,3%), e no subconjunto offline do OSWorld obtém 81,5% contra 87,2% do Opus 5.5.

As avaliações independentes citadas pela VentureBeat mostram um quadro com nuances. No AA-Omniscience, da Artificial Analysis, a precisão do Carbon sobe para 58% (Argon 48%), mas a taxa de alucinação cresce de 4% para 11%. No Vals Index o Carbon marca 70,4%, logo acima do Claude Opus 5.5 (70,2%). Nos testes internos de segurança feitos pelo Google sobre o mesmo stack multicamadas do modelo anterior, os alertas de desalinhamento grave na geração de código caem quase 80% e o sucesso dos ataques de prompt injection indireta no benchmark Gray Swan cai para 0,0% (Argon 0,7%). Já uma afirmação da nota da empresa segue sem confirmação pública nem dados de apoio: a de que a equipe do navegador Chrome teria obtido correções de qualidade mais de dez vezes superior às do grande modelo de fronteira de um laboratório concorrente, que não é nomeado.

Sem um relatório técnico detalhado, continuam sem esclarecimento tanto a arquitetura quanto o número total de parâmetros. O Google escolheu um lançamento escalonado para um modelo capaz de encontrar e explorar vulnerabilidades: quando a autonomia operacional se estende por vários dias, decidir quem pode acessá-lo importa pelo menos tanto quanto os resultados nos benchmarks. — Olya