10月28日、9to5Googleが「Google announces Gemini 4 Carbon with 'significant gains across coding and agentic tasks'」と題した記事を公開した。Googleが新フロンティアモデル「Gemini 4 Carbon」を発表し、コーディングやエージェントタスクで大幅な性能向上を達成したという内容だ。前モデル「Argon」のリリースからわずか2週間という異例のペースでの登場で、外部ベンチマークでの首位獲得もあわせて注目を集めている。

Argon発表からわずか2週間でのリリース

Googleは2週間前に「Argon」をリリースしたばかりだが、今回のGemini 4 Carbonはその直後の後継フロンティアモデルとして登場した。Googleはこの異例のスピードを「研究者とモデルが手を取り合って能力の向上を加速させている」と説明している。

CarbonのアピールポイントのひとつとなっているのがArtificial Analysis Intelligence Indexでの首位獲得だ。**Artificial Analysis Intelligence Index（v5.0）はモデルの総合的な知性を多角的に評価する外部ベンチマークで、主要モデル間の比較指標として業界で広く参照されている。Carbonはこの指標でスコア59を記録し、総合1位**を獲得した。あくまでも「このベンチマークにおける」1位であり、単一指標の結果として捉えるのが適切だ。

コーディング性能：WebDev Arenaで+89 Eloポイント

エンジニアが最も気にするコーディング性能について、CarbonはWebDev Arena（フルスタックWeb開発の対戦形式ランキング）でEloスコアが+89ポイント上昇し、1769点で4位に入った。

Elo（イロ）レーティングはチェスや将棋でも使われるスキル評価手法で、対戦形式の比較によりモデルの相対的な強さを数値化する。WebDev Arenaはarena.aiが提供するリーダーボードで、実際のWeb開発タスクでモデルを比較している。

サイバーセキュリティ分野への先行提供

Carbonはリリース初週、「サイバーディフェンダー（cyber defenders）」向けに優先提供される。Googleはかねてよりセキュリティ分野へのAI活用を重点領域と位置付けており、脆弱性発見・エクスプロイト対応・パッチ適用といったサイバー防衛の各工程でモデルの実用性を検証・展開してきた経緯がある。こうした取り組みの延長として、新フロンティアモデルを一般公開に先立ってセキュリティコミュニティに先行提供する形をとったとみられる。

セキュリティ分野の性能について、Googleは以下のベンチマーク結果を公開している。

• SEC-bench Pro（脆弱性発見）：88.2%
• ExploitGym（エクスプロイト）：54.8%
• CWE-bench（パッチ適用）：71.0%

社内テストでは、セキュアなコード生成の向上に加え、「ライブコーディング環境での誤整合率・ハルシネーション率の低下」も確認されたという。

アライメント改善：過剰対応も過少対応も削減

安全性・整合性の面でも具体的な数字が出ている。

LLMのアライメント（alignment）とは、モデルの出力を人間の意図や安全基準に沿わせるための調整を指す。過剰対応（over-refusal）はユーザーの正当なリクエストを不必要に拒否する問題、過少対応（under-refusal）は有害・不正確なリクエストに対して応じてしまう問題であり、両者のバランスを取ることが実用モデルの品質を左右する。Carbonではこの両方向の課題に対して改善が確認された。

• 根拠のない主張をArgon比で約2倍削減。不確かな情報は回答に混ぜず、必要な注釈を直接成果物に付記する
• 曖昧な状況での協調動作の改善：推測で先行するのではなく、関連ソースを取得してユーザーに差異を提示してから動作する
• 過剰対応を26%削減、過少対応を29%削減：マルチステップの計画をスコープ内に収めて確実に実行できるようになった

料金体系

提供開始時の導入価格は以下の通りだ。

※キャッシュ済み入力の通常価格は元記事に記載なし。

「developers、businesses、consumers向けには近日提供開始（coming soon）」とのことで、記事公開時点では一般公開には至っていない。

詳細はGoogle announces Gemini 4 Carbon with 'significant gains across coding and agentic tasks'を参照していただきたい。