Google、新型「Gemini 4 Carbon」を発表。Argonから2週間で次の旗艦、サイバー防御の指標で首位を並べ、まず守る側にだけ渡す

まず初めに

2週間前に「次の時代」を名乗ったArgonを出したばかりなのに、もう次の旗艦である。モデル名が元素記号の並びみたいになってきたあたり、もはや季節商品の様相だが、中身の売りは明確だ。「攻撃に使えるAI」ではなく「守るためのAI」として、まず防御側の手にだけ渡す。この順番の付け方は、能力の競争が速すぎて、配り方の設計が追い付いていない業界への、Googleなりの回答だと思う。ベンチマークの首位は割り引いて読むとして、配布を絞る判断そのものは、速さの競争の中で一番まともな部分かもしれない。

※個人の感想です

発表の概要

Googleによると、Gemini 4 Carbonは同社で最も強力なモデルで、サイバーセキュリティと長時間の作業（ロングホライズン）における能力を特徴とします。米国政府の任意の枠組みである、公開前のモデルテストのプロセスにも関与している、と同社は説明しています。

提供の進め方は慎重です。今週から一部のサイバー防御担当者へ提供を始め、Fairwind Programを通じて、信頼できるパートナーへ段階的に広げます。ガードレールへのフィードバックを集めて改善を重ねたうえで、開発者、企業、一般利用者が製品経由で使えるようにする方針で、具体的な一般提供の時期は示されていません。

価格は、導入期間中はArgonと同じで、入力100万トークン当たり2ドル、出力100万トークン当たり10ドルです。キャッシュされた入力トークンは入力価格の95%引きとされます。導入期間の終了後は、入力4ドル、出力20ドルが適用される、と脚注で示されています。

公表されたベンチマーク

Googleの公表値を整理します。いずれも同社の発表に基づく数値で、サイバーセキュリティ系の指標は「ガードレールなし」で評価されたものと明記されています。

• Artificial Analysis Intelligence Index v5.0: 59点で首位
• SEC-bench Pro（実際のソフトから脆弱性を見つける）: 88.2%
• ExploitGym（脆弱性が悪用可能かを検証する）: 54.8%
• CWE-bench（検証済みの問題をコード修正に変える）: 71.0%
• WebDev Arena（Web開発）: Argonから89エロポイント上昇し、1768点で4位

コーディングと長時間作業では、大規模なコードベースや低レイヤーのシステムにまたがる、捉えにくいバグの原因究明と修正のような複合的な課題を、行き止まりを乗り越えながら数日間走り続けた内部事例がある、としています。安全なコード生成の成功率は、内部指標でArgonの2倍超に向上したといいます。Chromeチームからは、別の研究所の大規模フロンティアモデルと比べて10倍超の品質のパッチが得られたという報告も紹介されています。これらはGoogle側の公表値であり、第三者による再現検証の結果ではない点には注意が必要です。

安全性の改善として公表された点

Carbonは、Argonと同じ多層の安全・セキュリティの仕組みを土台にするとしたうえで、アライメント（意図に沿った振る舞い）の改善が列挙されています。

• Terminal-Bench 4.0で「ズル（チート）」の成功が0.0%まで減少し、試行自体も0.4%に低下
• 実際の開発環境での高重大度のミスアライメント警告が、ほぼ80%減少
• 根拠のない主張（unsupported claims）が、Argon比でおよそ半分に減少
• 行き過ぎた対応が26%、不足した対応が29%それぞれ減少
• Gray Swanの間接プロンプトインジェクションベンチマークで、攻撃成功率が0.0%（Argonは0.7%）

曖昧な指示への対応として、推測で進めずに関連する出典を取得し、食い違いを利用者に示してから動くよう改善した、とも説明されています。

初心者が知っておくべきこと

Q. Gemini 4 Carbonは、すぐ使えますか。

A. 一般の利用者や開発者が今すぐ使えるわけではありません。当面は一部のサイバー防御担当者と、Fairwind Programのパートナー向けの段階提供で、製品経由の一般提供は「近日」とされています。

Q. Argonと何が違うのですか。

A. Googleの説明では、コーディングとエージェント作業、科学分野、フルスタックのWeb開発、マルチモーダル理解の全般で性能が上がり、とくにサイバーセキュリティ防御（脆弱性の発見・検証・修正）と、長時間の作業の持続力が強化点です。あわせて、根拠のない主張や指示の行き過ぎを抑える調整も進めたとしています。

Q. 価格はどうなりますか。

A. 導入期間中はArgonと同じ、入力100万トークン当たり2ドル、出力100万トークン当たり10ドルです。期間終了後は入力4ドル、出力20ドルになることが脚注で予告されています。

IT Postの見方——「誰に先に渡すか」が性能指標になった

IT Postでは、今回の発表の核心はベンチマークの数字ではなく、配布の順序の設計だと考えます。脆弱性を見つけて悪用可能性まで検証できるモデルは、守る側の道具であると同時に、そのまま攻撃側の道具にもなる。GoogleがArgonに続いてCarbonでも「防御担当者から先に」という順序を選び、政府の事前テストにも乗せたのは、能力の公開と配布の分離が、フロンティアモデルの標準的な作法になりつつあることの表れである。

一方で、発表の数字はすべてGoogleの土俵のものである点は割り引く必要がある。とくにサイバー系の指標は「ガードレールなし評価」と自ら断っており、実際の提供形態での性能とは別物だ。評価すべきは首位の数ではなく、第三者の検証と一般提供の段階で、同じ主張を維持できるかどうかになる。

※個人の感想です

今後どうなりそうか

焦点は、Fairwind Programの対象拡大のペースと、開発者・一般向け提供の時期、そして価格の導入期間がいつ終わるかです。Argonから2週間という間隔が続くなら、「最新モデル」の賞味期限そのものが、利用者側の選定を難しくしていく可能性があります。

IT Postでは、一般提供の開始や料金条件の確定が公表された場合は本記事を更新します。