Google、Gemini 4 Carbonを発表。サイバーセキュリティおよび長距離タスクで競合を上回る

iconMetaEra
共有
AI summary icon概要
GoogleのGemini 4 Carbonが、Artificial Analysis Intelligence Index v5.0で59を記録し、Claude Opus 5.5およびGPT-6 Astraを上回りました。オンチェーン分析によると、脆弱性検出(88.2%)、攻撃実行(54.8%)、修正(71.0%)において優れたパフォーマンスを発揮しています。このモデルは、複数日間にわたるタスクにおいても安定性を維持しています。恐怖と欲求インデックスに反映された市場センチメントは、AI駆動のイノベーションに対して依然としてバイアスを示しています。
このモデルは、サイバーセキュリティおよび長距離タスク処理能力の両方で、現在の最先端レベルに達しています。

記事執筆者、出典:機械の心

先ほど、Googleは「最強モデル」と称される次世代最先端モデル「Gemini 4 Carbon」を発表しました。

このモデルは、サイバーセキュリティおよび長距離タスク処理能力の両方で、現在の最先端レベルに達しています。Carbonは、数日間連続して複雑なタスクを処理し、停滞することなく、タスクを完了するために近道を取ることなく、高品質で信頼性の高いコードを提供します。

前回のフラッグシップモデルGemini 4 Argonのリリースからわずか2週間。デミス・ハサビスは雷の絵文字で始めて、グーグルが新しいモデルを「雷速でイテレーションしている」と述べた。

とても良く、自信に満ちています。データによると、この新規のCarbonモデルは非常に優れています。Carbonは、第三者評価機関Artificial Analysisのインテリジェンスインデックスv5.0で59点を獲得し、1位となりました。その後を追うClaude Opus 5.5は58点、GPT-6 Astraは57点です。3つのモデルの差はわずか2点ですが、「1位」は1位です。

また、Carbonは、脆弱性発見ベンチマークSEC-bench Proで88.2%、脆弱性利用ベンチマークExploitGymで54.8%、脆弱性修正ベンチマークCWE-benchで71.0%の成績を収め、いずれのベンチマークでも明確なリードを確立しました。

ブログリンク:https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/

ネットセキュリティのエンドツーエンドでSOTA、Chromeチームの実証で「10倍以上優れている」

Googleは公式ブログでCarbonのサイバーセキュリティ機能に多くのページを割いています。具体的には、Carbonはサイバーセキュリティ防御の3つの主要な段階をカバーしており、各段階でSOTAを実現しています。

脆弱性の発見:SEC-bench Pro では、Carbon が 88.2% のスコアを記録し、GPT-6 Astra の 85.4% および Argon の 83.4% を上回りました。このベンチマークのタスクは、実際のソフトウェアに隠された複雑なセキュリティ脆弱性をモデルが自ら発見することです。

脆弱性検証:ExploitGymでのテストにおいて、Carbonは54.8%のスコアを記録し、2位のGPT-6 Astra(42.4%)を大きく上回りました。このテストは、モデルが脆弱性の実際の悪用可能性を検証できるかを評価し、セキュリティチームがパッチの優先順位を決定するのに役立ちます。10時間の制限時間内でのCarbonのスコア(54.8%)は、6時間の制限時間でのスコア(53.5%)とほぼ同等であり、短時間で大部分の検証作業を完了できることを示しています。

脆弱性の修正:脆弱性を特定した後、その根本原因を修正することは、ネットワークセキュリティ防御ライフサイクルにおける重要なステップです。CarbonはCollinearのCWE-benchで71.0%の成績を達成し、検証済みの発見を即座に機能するコード修正に変換しました。

公開されたベンチマークに加えて、Googleは内部データも提供しました。CarbonはArgonよりも安全なコードを生成する成功率が2倍以上向上しました。Chromeブラウザチームのフィードバックはさらに顕著で、Carbonは「別の研究所の大型最先端モデル」よりも高品質なセキュリティパッチの生成において10倍以上優れていると報告されています。

GoogleのクラウドセキュリティプラットフォームWizもテストに参加し、CarbonがWeb渗透テストベンチマークで優れた性能を発揮したことを確認しました。これはWizの「Scan for Good」プランの核心機能の一つです。

長期タスク:数日間連続して実行できます

Carbonのもう一つの大きな特徴は「長距離タスク」機能です。これは、次世代の最先端大規模モデル間の競争における重要な能力の一つとなっています。

Googleは、内部チームがCarbonが大規模なコードベースと基盤システムで数日間継続して動作し、ファイルをまたいで原因の特定とパッチ生成を完了することを観察したと述べています。行き詰まった場合、モデルは自ら戦略を調整して作業を継続し、タスクを直接終了することはありません。

この能力の技術的基盤の一つは、長コンテキスト処理能力の顕著な向上である。GraphWalksテスト(256k~1Mトークン範囲のBFS F1評価)において、CarbonはArgonの84.2%から96.2%へと上昇し、GPT-6 Astraの71.8%およびClaude Opus 5.5の66.8%を20ポイント以上上回った。1Mトークンのコンテキストウィンドウをサポートすることで、モデルは約1500ページ分のA4ドキュメントに相当する情報を一度に処理できる。

長期的な能力がますます重要になっている背景には、エージェントワークフローがモデルにより高い要求を課していることがあります。ソフトウェアエンジニアリングを例に挙げると、真正に複雑な開発タスクは、コードの変更を継続的に追跡し、複数のブランチの修正を調整し、モジュール間の依存関係を処理し、繰り返しテストと修正を行うことを伴います。これらの作業は数時間、あるいは数日間続くことがあり、すでに単一の質問応答の範囲を超えています。

最先端の大規模モデルにおいて、長時間の実行中に目標を一貫して維持し、適時にエラーを修正し、信頼できる結果を提供できるかどうかが、その実用的な工学的価値を測る重要な基準となっています。

ベンチマーク全体:スマートインデックスの9項目評価で4つが第1位

Artificial Analysis 智能指数 v5.0 は、業界で広く採用されている総合評価システムです。

Carbonは総得点59で1位となり、そのうち4項目(HLE-Diamond、Terminal-Bench-Science、AA-Omniscience、AutomationBench-AA)で1位を獲得。Claude Opus 5.5(58点)を1点上回り、GPT-6 Astra(57点)を2点上回った。2週間前のArgon(50点)から9点の向上である。Artificial Analysisは、Carbonのリードは複雑な推論、知識、科学タスクでの強力なパフォーマンスによってもたらされ、プログラミングおよび知識作業において大幅な進歩を遂げている(特にGeminiシリーズの過去のパフォーマンスと比較して)が、これらの分野でまだ全体的にリードしているわけではないと評価している。

以下、次元ごとに展開します。

プログラミング分野では、Googleモデルの従来の弱みであったが、Carbonの進歩が最も注目される。Artificial Analysis Coding Agent Indexにおいて、CarbonはAntigravity CLI(high reasoning)と組み合わせて59点を獲得し、1位のClaude Code + Claude Opus 5.5(max reasoning、62点)に3点差で迫っている。単一評価では、Terminal-Bench 4.0で64%、FrontierCode v1.1で51%を記録し、いずれも2位となり、Claude Opus 5.5(max、56%)に次いでいる。WebDev Arena(フルスタックWeb開発アリーナ)では89 Elo上昇し、4位(1768 Elo)に躍り出た。

知識作業:AA-Briefcase では、Carbon(high)のEloスコアが1609となり、Argon(high、1483)から126ポイント向上しました。最も大幅に向上したのはPresentation(プレゼンテーション品質)で、293ポイント上昇して1598となりました。Analytical Quality(分析品質)も120ポイント向上し、1671となりました。ただし、全体としてはKimi K3.1 Pro(1678)、Muse Wonder(max、1659)、Grok 4.7(xhigh、1638)に依然として遅れています。

知識の信頼性と幻覚率:AA-Omniscience v1.1 は Carbon でスコア54を記録し、Claude Opus 5.5(max、48)を6ポイント上回り、Argon(46)を8ポイント上回りました。正確率(正しい回答の割合)はArgonの48%から58%へと10ポイント向上しました。幻覚率はArgonの4%から11%へと上昇しましたが、依然としてすべてのモデルの中で2番目に低く、Argonに次いでいます。対照的に、Claude Opus 5.5(max)とGPT-6 Astra(max)の幻覚率はいずれも50%です。

科学と数学:RiemannBench 80.0%、Terminal-Bench-Science 64.8%、いずれも現在の最高スコア。

コスト効率:Carbonは、スマートインデックスタスク1件あたりの平均コストが7.76ドルで、Claude Opus 5.5(max、10.04ドル)より約23%低く、GPT-6 Astra(max、6.25ドル)の約1.2倍です。1タスクあたりの平均出力トークン数は123kで、Claude Opus 5.5(max、173k)より29%少ないです。同価格帯のArgon(1タスクあたり7.68ドル)と比較するとコストはほぼ同等ですが、スマートインデックスは9ポイント高いです。

Artificial Analysis モデル評価分析:https://artificialanalysis.ai/models/gemini-4-carbon

セキュリティアライメント:不正率 0%、プロンプトインジェクション攻撃成功率 0%

Carbonは、訓練段階のアライメント、リアルタイムでの悪用検出、プロンプトインジェクション防御、および思考チェーン監視を含むArgonのマルチレイヤー防御アーキテクチャを継承し、さらに強化しました。

不正行為率が0.0%に低下。Terminal-Bench 4.0のテストにおいて、Carbonの不正成功率はゼロで、不正を試みた割合はわずか0.4%であり、全体的なタスク精度は引き続き向上しています。Googleは、この成果がトレーニング段階でモデルの近道行動(shortcut exploitation)をさらに緩和した結果であると述べています。

提示インジェクション攻撃の成功率は0.0%です。Gray Swanの間接的提示インジェクション(Indirect Prompt Injection, IPI)ベンチマークテスト(k=15回の攻撃試行)において、Carbonはすべての攻撃を成功裏に防ぎました。他の最先端モデルとの比較:Argonは0.7%、Claude OpusとClaude Fableはそれぞれ1.0%、GPT-6 Astraは8.5%、Grok 4.6は51.8%と非常に高い成功率を示しています。

行動制御のレベルで、Carbonは、一般的なアラインメント失敗の2つのパターンを同時に改善しました。ユーザーの意図を超える操作(オーバーリーチ)は26%削減され、ユーザーの要求を漏らす操作(アンダーサービス)は29%削減されました。Googleは、Carbonが曖昧なタスクに直面した際の行動変化について、モデルが関連するソースを積極的に検索し、ユーザーに情報の差異を提示して確認した上で行動し、推測したり強引に進行したりしないと説明しています。

モデルの透明性において、CarbonはArgonに比べて根拠のない主張が約2倍少ない。重要な情報が欠落している場合、モデルは出力内で方法論の制限を明示したり、未完了の前提条件を列挙したりし、捏造や曖昧な処理は行わない。

内部チームによる実地テストで、重大度の高いアラートはArgonと比較して約80%削減されました。

価格と利用可能性

Carbonの価格はArgonと同一で、標準料金は入力トークン100万トークンあたり4ドル、出力トークン100万トークンあたり20ドルです。現在、期間未定で50%のリリースディスカウントを提供中です。キャッシュされた入力トークンには95%のディスカウントが適用され、100万トークンあたり0.20ドルとなります。コンテキストウィンドウは1Mトークンで、テキスト、画像、動画、音声の入力をサポートしています。

タスクあたりのコストを見ると、Carbonはスマートインデックスタスクの平均コストが7.76ドルで、Claude Opus 5.5(10.04ドル)より約23%低く、GPT-6 Astra(6.25ドル)より約24%高い。タスクあたりの平均出力は123kトークンで、Claude Opus 5.5の173kトークンより29%少ないことから、Carbonはトークン効率においても優位性を示している。

Carbonは今週からFairwindプロジェクトの信頼できるネットワーク防御者に限定して開放し、フィードバックを収集しセキュリティガードレールを改善した後、開発者、企業、消費者へ段階的に拡大します。

エピローグ

馴染みのサイクルが戻ってきた。Claudeが「核弾頭」を投下した直後、Googleが新メニューを披露し、OpenAIはさらに火力を強めた。一周回って、またAI業界でごく普通の1週間だった。

以前、Googleは最先端の大規模モデルの高速な進化の中で存在感を失い、競争のテーブルに座り続けられるのか疑問視されるほどだったが、最近次々と発表された新成果、特にCarbonは依然として目を引くものである。

もちろん、大手企業たちがしのぎを削るほど、業界全体にとって良いことです。しかし、「AIが世界を破壊する」という危機的な物語や、「めまいを催すような」誇張されたマーケティングで注目を集めるのではなく、我々はモデルが実際のタスクで着実な進歩を遂げることを望んでいます。

少些故弄玄虚,多些真本事。这样的AI竞赛才更值得期待。

免責事項: 本ページの情報はサードパーティからのものであり、必ずしもKuCoinの見解や意見を反映しているわけではありません。この内容は一般的な情報提供のみを目的として提供されており、いかなる種類の表明や保証もなく、金融または投資助言として解釈されるものでもありません。KuCoinは誤記や脱落、またはこの情報の使用に起因するいかなる結果に対しても責任を負いません。 デジタル資産への投資にはリスクが伴います。商品のリスクとリスク許容度をご自身の財務状況に基づいて慎重に評価してください。詳しくは利用規約およびリスク開示を参照してください。