Gemini 4 Carbon、知能指数で59を記録するも先行アクセスはサイバー防御担当者のみ

ニュース概要

Googleは2026年10月28日（太平洋時間午前10時10分頃）、Gemini 4 Argonの広範なリリースから約2週間後にGemini 4 Carbonを発表しました。Google DeepMindはCarbonを「これまでで最も強力なモデル」と位置づけ、AIシステムが数時間から数日にわたって稼働し続ける必要がある長期的なエンジニアリング業務向けに構築されたとしています。現時点では一般公開されていません。まず選定されたサイバーセキュリティ防御担当者がアクセス権を得て、その後開発者、企業、消費者へと順次拡大されますが、具体的な日程は示されていません。

Googleの発表内容

CarbonはGemini 4ファミリーの新モデルであり、2026年10月13日にGemini 4 Argonがグローバル展開されてから2週間後の2026年10月28日に発表されました（業界メディアの報道に基づく太平洋時間での発表）。Googleによると、Carbonはより困難で長期的なエンジニアリング課題を対象としており、持続的かつエージェント型のワークフロー、すなわちモデル自身が計画を立て、試行し、自身の作業を検証しながら多数のステップを継続的に処理できる能力が求められます。

Googleは、社内チームが複雑なタスクに対してCarbonを複数日間稼働させ、モデルが行き詰まっても停止せずに自力で解決策を見出したと述べています。また、科学的推論、マルチモーダル理解、フルスタックWeb開発においても性能が向上したと報告しています。さらに、微妙なバグを追跡し、大規模なコードベースや低レベルシステム全体にわたって修正を適用できると説明しています。

Fairwind Programを通じた段階的アクセス

Carbonは一般的なローンチではありません。発表週には選定されたサイバー防御担当者にアクセス権が付与されます。その後、世界中で650社以上のパートナーが参加しているとされるGoogle DeepMindのFairwind Programを通じて、信頼性の高いパートナーが追加されていきます。優先対象となるのは政府および国家サイバーセキュリティ機関、重要インフラ事業者、主要テクノロジー基盤であり、防御型ベンチマーク評価に注力する学術研究機関も申請可能です。申請者はセキュリティおよび倫理に関する審査を受けます。

Googleは、開発者、企業、消費者へアクセスを拡大する前にフィードバックを収集し、安全対策を洗練させるとしています。また、米国政府の自主的なリリース前テストプロセスにも参加しています。2026年10月28日夜（インド標準時）に有料Gemini APIキーを用いた第三者による確認が行われた際、リストにはArgonのみが表示されCarbonは含まれておらず、これは限定公開という状況と一致しています。

ベンチマーク結果

Artificial Analysis知能指数v5において、CarbonはArgonの50を上回る59を記録し、The Decoderの報道によれば同指数の首位に立ちました。Artificial Analysisコーディングエージェント指数でもArgonの50に対し59を記録しましたが、この指数では依然としてClaude Opus 5.5が62で首位を維持しています。

その他の報告されている数値は以下の通りです。

• WebDev Arena：Eloレートが89上昇して約1,769となり、第4位。
• Text Arena：Argonの1,520点に対し1,528点で第1位。
• Agent Arena：21,900件以上のセッションで第2位、タスクあたりの中央値コストは1.80ドル。
• AA-Briefcase（エージェント型ナレッジワーク）：Eloレート1,609で、Argonから126ポイント上昇。
• Vals AI：正答率70.36%で総合第2位、金融指数および法律調査ベンチマークでは第1位。

Artificial Analysisはトレードオフについても指摘しています。回答精度は48%から58%へ向上した一方で、ハルシネーション発生率も4%から11%へ上昇しました。Carbonが生成する推論トークン数はArgonの2.3倍に達し、金融や税務関連といった一部のエージェントタスクでは所要時間が2倍以上になっています。タスクあたりのコストはArgonの7.68ドルに対し7.76ドルでした。

サイバーセキュリティへの注力

Googleが公開した表によると、Carbonは16項目のサイバーセキュリティテストのうち15項目で首位となりました。主な結果は、SEC-bench Pro（脆弱性発見）で88.2%、10時間実行時のExploitGym（エクスプロイト検証）で54.8%、CWE-Bench（欠陥の根本原因修正）で71.0%です。Googleはこれらの評価がガードレールなしで実施されたものであり、完全な安全対策下での挙動ではなく純粋な能力を示していると説明しています。

また、Carbonは安全なコードを生成する割合がArgonの2倍以上になったとする社内データや、Chromeチームが他社のフロンティアモデル（名称は非公表）と比較して高品質なパッチ作成で10倍以上の改善を確認したとの主張も発表されています。ただし、これらの社内主張は第三者によって独立検証されていません。

安全対策と保護措置

CarbonはArgonで導入された多層的な保護機能を維持しています。リアルタイムの不正利用防止、モデルの推論過程の監視、プロンプトインジェクションへの耐性などです。Gray Swanの間接的プロンプトインジェクションベンチマークでは、評価対象となった攻撃がすべて失敗し、Argonの成功率0.7%から改善が見られました。ただし、これはテストされた攻撃に限った結果です。Terminal-Bench 4.0では不正行為の試行率が0.4%にとどまり、成功例はありませんでした。

社内チームとのライブコーディングでは、重大度の高いアライメント逸脱アラートが約80%減少し、根拠のない主張を行う頻度もArgonの約半分に抑えられたとGoogleは述べています。証拠が不足している場合や操作がブロックされた場合は、結果を捏造するのではなくその旨を開示することが意図された動作となっています。

価格設定

APIの導入価格は、入力トークン100万あたり2ドル、出力トークン100万あたり10ドルでArgonと同水準であり、キャッシュ済み入力は95%割引となります。今後の通常価格は100万トークンあたり入力4ドル、出力20ドルに設定されています。Artificial Analysisによると、導入価格の50%割引は2026年末まで適用されます。

今後の注目点

性能に関する数値のほぼすべてがGoogleまたはベンチマーク運営元によるものであり、本レポートのために第三者が独立して再現したものではありません。主な未解決の疑問としては、Carbonがいつ一般開発者向けAPIで利用可能になるか、サイバーセキュリティテストを保護機能有効の状態で再実施した場合にガードレールが結果をどう変化させるか、そして精度の向上がハルシネーション率の上昇や長時間のエージェントタスクにおける処理速度低下を正当化できるかどうか、といった点が挙げられます。