Gemini 4 Carbon: новый флагман Google для сложного кода и кибербезопасности

28 октября Google представила Gemini 4 Carbon — следующую флагманскую модель после Argon. В центре анонса — длительные инженерные задачи, работа с кодом и защита программных систем. Объявление Google.

Carbon уже заняла первое место в обновлённом Intelligence Index от Artificial Analysis. При этом независимые измерения показывают более интересную картину, чем просто смену лидера: модель заметно прибавила в программировании, но сохраняет сильные и слабые стороны относительно конкурентов.

Работа над задачами, которые занимают часы и дни

Google сообщает, что во внутренних сценариях Carbon могла работать над инженерными задачами несколько дней: продолжать поиск после неудачных подходов, находить причины сложных ошибок и готовить исправления для больших кодовых баз. Данные разработчика.

Практический смысл такого направления — возможность поручать агенту более длинную цепочку действий. Например, разобраться, почему сервис периодически теряет соединение, найти связанный участок кода, воспроизвести ошибку и проверить исправление.

В таком сценарии одного удачного ответа недостаточно. Нужны последовательная работа с инструментами, проверка гипотез и способность вернуться к задаче после тупикового решения. Именно это предстоит оценивать на реальных проектах.

Как Carbon выглядит на фоне других флагманов

На момент подготовки статьи, 29 октября 2026 года, результаты выбранных флагманов в Artificial Analysis Intelligence Index v5.0 выглядят так:

В этом сравнении Carbon опережает Argon на девять баллов. Разница с ближайшими конкурентами значительно меньше.

Баллы индекса не стоит переводить в проценты «интеллекта». Результат 59 против 50 не означает, что модель на 18% лучше выполняет любую работу. Это сводная оценка по определённому набору тестов. Для выбора модели важны и отдельные дисциплины, и настройки, с которыми проводилось измерение.

В программировании Google заметно сократила отставание

В отдельном Artificial Analysis Coding Agent Index Carbon в связке с Antigravity CLI получила 59 баллов. Выше находится Claude Opus 5.5 в Claude Code — 62 балла. Это результат всей связки модели и инструментов, поэтому сравнивать его с обычным ответом в чате некорректно. Независимый разбор Artificial Analysis.

Для разработчиков здесь интересна сама конкурентоспособность Gemini в агентном программировании. Проверять такую модель стоит на задачах с понятным критерием завершения: исправление воспроизводимой ошибки, изменение нескольких связанных модулей или реализация функции с проверками.

Общий рейтинг поможет выбрать кандидатов, а итоговое решение покажут результаты на вашем репозитории: какие изменения потребовали переделки, какие ошибки агент пропустил и довёл ли работу до проверяемого результата.

Кибербезопасность стала одним из главных направлений

Google опубликовала результаты Carbon в трёх тестах, охватывающих разные этапы работы с уязвимостями:

Эти результаты приведены в анонсе Google; компания отдельно указывает, что измерения проводились без защитных ограничений модели. Результаты тестирования.

Для команды безопасности полезна вся последовательность: обнаружить проблему, проверить её значимость и подготовить исправление. Высокий результат на одном этапе ещё не гарантирует успешного прохождения остальных. Поэтому такие показатели лучше рассматривать отдельно, сохраняя условия каждого теста.

Стало ли меньше выдуманных ответов

Google заявляет о примерно двукратном сокращении неподтверждённых утверждений относительно Argon во внутренних проверках. Компания также сообщает об улучшении устойчивости к вредоносным инструкциям, спрятанным во внешних данных. Проверки Google.

Однако независимый тест AA-Omniscience v1.1 показывает нюанс: доля правильных ответов выросла с 48% у Argon до 58% у Carbon, а показатель галлюцинаций — с 4% до 11%. По оценке Artificial Analysis, это всё ещё один из самых низких уровней среди протестированных моделей. Измерения Artificial Analysis.

Эти наблюдения получены разными методами и не описывают одно и то же измерение. Из них следует практический вывод: более сильная модель может отвечать правильно чаще, одновременно чаще ошибаясь там, где раньше воздерживалась от ответа. Проверка фактов остаётся частью работы.

Контекст и работа с разными форматами

В карточке Carbon на Artificial Analysis указаны контекст до одного миллиона токенов, поддержка текста, изображений, аудио и видео на входе и текстовый вывод. Характеристики модели.

Это позволяет рассматривать сценарии, где задача требует нескольких источников: документов, скриншотов, записей и кода. При этом вместимость контекста сама по себе не показывает, насколько точно модель найдёт нужный факт среди большого объёма материалов. Такую способность стоит проверять отдельно.

Что известно о запуске

На 29 октября Carbon проходит ограниченное развёртывание. Google начинает с выбранных специалистов по киберзащите и партнёров программы Fairwind; точная дата общего доступа в анонсе не названа. Порядок запуска.

Первые результаты делают Carbon интересным кандидатом для сложной инженерной работы. Она заметно улучшает показатели Gemini в независимых тестах, а сравнение с конкурентами уже зависит от конкретного сценария: программирования, работы со знаниями или проверки безопасности.