Gemini 4 Carbon: Google punta sulla sicurezza del codice e sugli agenti di lunga durata

Il 28 ottobre 2026 Google DeepMind ha annunciato Gemini 4 Carbon, il secondo modello di punta della famiglia Gemini 4 dopo Argon.

Carbon è progettato per attività di ingegneria software che richiedono numerosi passaggi, utilizzo di strumenti e analisi prolungate. Secondo Google, durante i test interni il modello ha lavorato per giorni su problemi complessi, individuando cause di malfunzionamenti e preparando correzioni all'interno di grandi codebase.

Una parte centrale dello sviluppo riguarda la cybersecurity: trovare vulnerabilità nel software, verificare se siano sfruttabili e proporre modifiche per correggerle.

Si tratta per ora di capacità descritte attraverso valutazioni e utilizzi interni. Google non ha ancora reso disponibile Carbon al pubblico per consentire prove dirette e riproducibili.

La valutazione indipendente di Artificial Analysis assegna a Gemini 4 Carbon 59 punti nell'Intelligence Index v5.0, contro i 50 di Argon. Il risultato colloca Carbon al primo posto nella classifica complessiva al momento dell'annuncio.

Nel Coding Agent Index dello stesso laboratorio, Carbon si posiziona invece secondo, dietro Claude Opus 5.5. Il primato nelle capacità generali non si traduce quindi in un primo posto in ogni categoria.

Per la cybersecurity, Google comunica tre risultati principali su benchmark dedicati:

Google precisa che queste prove sono state eseguite senza i normali guardrail del modello. I benchmark sono esterni, ma i risultati citati nell'annuncio sono riportati dal produttore: non equivalgono a una valutazione indipendente dell'intero sistema distribuito ai clienti.

Nei test interni, Google dichiara inoltre che Carbon supera di oltre due volte Argon nel tasso di successo della generazione di codice sicuro.

Carbon introduce anche modifiche al comportamento degli agenti durante l'esecuzione di attività complesse.

Google dichiara una riduzione di circa il 50% delle affermazioni prive di supporto rispetto ad Argon e una diminuzione degli avvisi gravi di disallineamento di quasi l'80% nei propri ambienti di sviluppo.

Nel benchmark Gray Swan dedicato alle prompt injection indirette, il modello ha registrato uno 0% di attacchi riusciti nei casi valutati, rispetto allo 0,7% di Argon.

Il risultato riguarda quel benchmark e quella configurazione. Non dimostra che Carbon sia immune alle istruzioni malevole nascoste in documenti, pagine web o altri contenuti elaborati da un agente.

Anche le misure di accuratezza richiedono attenzione. Nel test indipendente AA-Omniscience, Artificial Analysis registra un miglioramento delle risposte corrette rispetto ad Argon, ma anche un aumento del tasso di allucinazioni dal 4% all'11%. Sono misure diverse da quelle interne di Google e non possono essere confrontate direttamente.

Google distribuirà inizialmente Carbon a un gruppo ristretto di professionisti della difesa informatica, ampliando successivamente l'accesso a partner selezionati attraverso il Fairwind Program.

L'azienda ha inoltre dichiarato di partecipare al programma volontario statunitense di valutazione dei modelli prima del rilascio.

Il prezzo introduttivo annunciato è di 2 dollari per milione di token in input e 10 dollari per milione di token in output, con uno sconto del 95% sugli input recuperati dalla cache.

Al termine del periodo promozionale, le tariffe saliranno rispettivamente a 4 e 20 dollari. Google non ha comunicato una data di scadenza per questa offerta.

Artificial Analysis riporta una finestra di contesto di un milione di token e supporto a input multimodali. Mancano tuttavia dettagli pubblici completi sull'API, sulle modalità di accesso generale e sui limiti operativi del servizio.

Le capacità descritte da Google riguardano attività che oggi richiedono la collaborazione tra sviluppatori, strumenti di analisi statica, sistemi di testing e revisione del codice.

Un agente in grado di individuare un problema, modificarne la causa e verificare la correzione potrebbe ridurre diversi passaggi manuali. L'efficacia dipenderà però anche dagli strumenti disponibili, dai permessi concessi e dalla capacità di controllare le modifiche prima che raggiungano la produzione.

Per valutare Carbon in un contesto aziendale serviranno prove su repository rappresentativi, misurando qualità delle patch, regressioni introdotte, tempi e costi complessivi.

I risultati attuali non dimostrano che il modello possa gestire autonomamente la sicurezza di un software in produzione.