Google、Gemini 4 Carbonを有料階層の開発者に公開

ニュース概要

Googleは2026年11月10日、Gemini 4 Carbonを開発者に公開し、ソフトウェアエンジニアリング、フルスタックのウェブ開発、科学研究、サイバーセキュリティにおける長期的で多段階の作業向けのモデルとして位置付けた。アクセスはGoogle AI StudioとAndroid StudioのGemini APIの有料階層から始まり、Google AI Ultra購読者はAI Studioとエージェント優先の開発プラットフォームであるGoogle Antigravityでも試すことができる。Googleはこのリリースを、すべての製品やアカウントで無制限に利用できるものとしては説明していない。

複数のステップを要する作業に狙いを定めたモデル

CarbonはGemini 4 Argonを基に構築され、長い一連の行動に及ぶ可能性のあるエージェント型ワークフロー向けに設計されている。Googleによれば、このモデルは大規模なコードベース全体にわたる微妙なバグの調査と修正、ウェブアプリケーションの生成、自由形式の研究タスクの遂行が可能だという。10月のローンチ発表では、困難な問題に取り組みながら数日間続いた社内のエンジニアリング実行について説明していた。これらの例は同社が報告する能力であり、すべてのタスクが監督なしで、あるいは確実に完了することを保証するものではない。

科学技術教育においては、長期的なワークフローを重視する点が、このモデルを研究やコーディングの助手として有用なものにする可能性がある。学習者は仮説の探求、コードの検査、デバッグ手順の連なりの説明などを依頼できる。そうした利用でも、情報源、手法、生成されたコードの確認は依然として必要だ。Googleのモデルカードは、Carbonがハルシネーションを起こす可能性があり、動作が遅くなったりタイムアウトしたりすることがあり、思考設定を高くするとより多くのトークンを消費する可能性があると警告している。

有料開発者が利用できる場所

11月10日の発表では、Google AI StudioとAndroid Studioの有料Gemini API階層が開発者の入口として挙げられている。Google AI Ultra購読者には別途、AI StudioとAntigravityでのアクセスが提供される。モデルのドキュメントにはビジネス向けGeminiやその他の配布チャネルも記載されているが、可用性は製品と購読階層によって異なると明確にしている。したがって開発者は、展開を計画する前に、該当する製品のドキュメントとアカウントのアクセス権を確認すべきだ。

Googleは10月に、入力トークン100万件あたり2ドル、出力トークン100万件あたり10ドルという導入時のAPI価格を発表し、キャッシュされた入力トークンは入力料金より95%低い価格で提供するとした。価格とアクセス条件は変更される可能性があるため、チームはプロジェクトのコストを見積もる前に、APIコンソールで現在の料金と割り当てを確認すべきだ。

Googleの評価が報告する内容

Googleの10月の発表ではサイバーセキュリティの結果が強調された。脆弱性の発見でSEC-bench Proの88.2%、悪用タスクでExploitGymの54.8%、パッチ適用でCWE-benchの71.0%を記録した。同社はまた、社内ベンチマークにおいて、Carbonが安全なコードを生成する成功率でArgonの2倍以上を達成したと報告した。これらはベンダーが報告した評価結果であり、ベンチマークの性能だけでは、特定のコードベースや運用環境でモデルがどのように機能するかは確立できない。

公開されたモデルカードは、入力と出力を合わせた100万トークンのコンテキストウィンドウと、テキスト、画像、音声、動画の入力サポートを報告している。また、コーディング、コンピュータ操作、ナレッジワーク、科学、数学における評価も含まれている。例えば、カードにはRiemannBenchで80.0%、Terminal-Bench-Science 0.1で64.8%と記載されている。カードによれば、Carbonは困難な推論においてArgonより多くの思考トークンを使用し、設定可能な思考レベルによって品質、遅延、コストのバランスを取ることを意図している。

このリリースが重要な理由

今回の開発者向け公開により、Carbonはサイバー防御担当者や信頼されたパートナー向けの初期段階の展開を超え、ソフトウェアチームがその長期的な能力を直接試せる道が開かれた。最も強みを発揮するとされるのは、モデルがコンテキストを維持し、いくつかの関連するステップを踏み、その過程で結果を検証する必要がある作業だ。実際には、チームはその可能性を、トークンコスト、遅延、アクセス制限、そして人間によるレビューの必要性という馴染みのある課題と比較検討する必要がある。特に、出力がセキュリティや科学的結論に影響する場合にはなおさらだ。