Gemini 4 Carbon возглавил независимые рейтинги, но доступен лишь киберзащитникам

Google DeepMind выпустила Gemini 4 Carbon, новую флагманскую модель, через две недели после Gemini 4 Argon. Независимая лаборатория Artificial Analysis, которая прогоняет модели через собственный набор тестов, поставила её на первое место в индексе интеллекта v5: 59 баллов против 58 у Claude Opus 5.5 от Anthropic. Но попробовать Carbon смогут не все. Сначала модель получат проверенные специалисты по кибербезопасности через программу Fairwind. Широкий доступ для разработчиков Google обещает «как можно скорее», без даты.

Что Google заявляет про киберзащиту

Компания делает ставку на безопасность и длинные многошаговые задачи. Цифры из её анонса:

• SEC-bench Pro, тест на поиск уязвимостей в коде: 88,2%. • ExploitGym, тренажёр, где модель должна написать рабочий эксплойт: 54,8%. • CWE-bench, исправление уязвимостей из каталога типовых слабостей CWE: 71,0%.

По честности Google тоже хвастается. На Terminal-Bench 4.0 успешные попытки сжульничать упали до 0,0%, а сами попытки — до 0,4%. Утверждений без опоры на данные стало примерно вдвое меньше, чем у Argon. Спецификации: контекст 1 млн токенов и столько же на выходе. Принимает текст, картинки, видео и речь, отвечает текстом. Кэшированный вход стоит $0,20 за миллион токенов. Цену Artificial Analysis называет $4/$20, а Phil Schmid из Hugging Face приводит $2/$10 «со звёздочкой»: скидка 50% действует без срока.

Что показали независимые замеры

• Artificial Analysis: 59 баллов, лидерство в 4 из 9 тестов индекса (HLE-Diamond, TB-Science, AA-Omniscience, AutomationBench). Задача индекса обходится в $7,76 против $10,04 у Opus 5.5 и $6,25 у GPT-6 Astra.

Carbon тратит 123 тыс. выходных токенов на задачу, на 29% меньше Opus. • Кодинг: в Coding Agent Index у Carbon 59 (в связке с Antigravity CLI) против 62 у Claude Code с Opus 5.

5. FrontierCode v1.1: 51% против 56%.

• Офисные задачи: на AA-Briefcase 1609 Elo, на 126 пунктов больше, чем у Argon. Выше всё равно Grok 4.7, Muse Wonder и Kimi K3.

1 Pro (1678). • Arena, где люди голосуют за ответы вслепую: первое место в Text Arena (1528), второе в Agent Arena, четвёртое в Code Arena: WebDev (1768). • Vals AI: второе место в общем индексе, первое в финансовом индексе и юридическом поиске.

Выдаёт на 64% больше токенов, чем Argon. • FrontierSWE: 61,2%, позади GPT-6 Astra (65,5), Opus 5.5 (62,3) и Sonnet 5.

5 (61,9). SWE-sweep: рекорд 9,6%. • Andon Labs: первое место в Vending-Bench 2 (управление торговым автоматом) и Blueprint-Bench 2, где модель сравнялась с человеком в пространственном 3D-мышлении.

Оговорки такие. Галлюцинации выросли с 4% до 11%. Это второй результат в замерах, но для кибербезопасности цена ошибки высока. Результаты по кодингу получены в Antigravity CLI, в других оболочках их не проверяли. Автор scaling01 считает, что Google отстаёт от следующих релизов OpenAI и Anthropic примерно на два месяца. Слухи о более сильной невыпущенной модели Gemini не подтверждены.

Остальное из выпуска

• GitHub Copilot Fusion: на лету сочетает модели Anthropic и OpenAI. Лидирует в Terminal-Bench 4.0 (71), на 2 балла уступает Opus 5.

5 в Claude Code, но стоит $5,59 за задачу вместо $11,42. • H-Net v2 (Cartesia): учится нарезать текст на токены прямо из байтов, даёт выигрыш в эффективности в 3–5 раз. • NVIDIA Nemotron 3.

5 Transcribe: открытая модель распознавания речи на 30B параметров (около 4B активных), 40 языков, 2,8% ошибок слов. • AssemblyAI-TTS-1: синтез речи за $15 за миллион символов, 90 мс до первого звука. • Liquid AI LFM3: семейство компактных моделей, основа — LFM3-1.

7B на 256 тыс. токенов контекста. • Ling-3.

1-flash-1019: открытая MoE-модель на 560B параметров (25B активных), контекст 1 млн. • Qwen4: по утечке из репозитория, получит контекст 1 млн токенов. • Anthropic S-1: убыток около $80 млрд за первое полугодие 2026 года, по оценке Jamin Ball, в основном переоценка конвертируемых долгов и SAFE-обязательств, а не операционные потери.

• OpenAI: API-кредиты $100–$500 в месяц для подписчиков ChatGPT Pro.

Что это значит для команд

Carbon сильнее конкурентов в поиске и закрытии уязвимостей и в задачах знаний, но в программировании остаётся вторым. Если вы выбираете модель для безопасности, ждите открытия доступа и сами проверьте долю ложных утверждений. Если для кодинга, Opus 5.5 пока надёжнее. Для бюджета важна не цена за токен, а цена за задачу: здесь Carbon выгоднее Opus.