O modelo atingiu o nível mais avançado atualmente disponível em segurança cibernética e capacidade de processamento de tarefas de longo prazo.Autor do artigo, fonte: Machine Heart
Há pouco, o Google anunciou o lançamento do novo modelo avançado, chamado Gemini 4 Carbon, o "modelo mais poderoso"!

O modelo atingiu o nível mais avançado atualmente disponível em segurança cibernética e capacidade de processamento de tarefas de longo prazo. O Carbon pode processar tarefas complexas por vários dias consecutivos sem entrar em impasse nem buscar atalhos para completar as tarefas, entregando finalmente código de alta qualidade e confiável.
Passaram-se apenas duas semanas desde o lançamento do último flagship, Gemini 4 Argon. Demis Hassabis começou com um emoji de relâmpago, indicando que o Google está "Iterating at lightning speed" (iterando com velocidade de relâmpago) um novo modelo.

Muito bem, com muita confiança. Pelos dados, o novo modelo Carbon é realmente impressionante. O Carbon obteve 59 pontos no Índice de Inteligência v5.0 da agência independente Artificial Analysis, ocupando o primeiro lugar. Logo atrás, o Claude Opus 5.5 ficou com 58 pontos e o GPT-6 Astra com 57 pontos. As três modelos diferem apenas por 2 pontos, mas “primeiro” é primeiro.

Além disso, o Carbon obteve 88,2% no benchmark de detecção de vulnerabilidades SEC-bench Pro, 54,8% no benchmark de exploração ExploitGym e 71,0% no benchmark de correção de vulnerabilidades CWE-bench, estabelecendo clara vantagem em todos os modelos.

Link do blog: https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/
Segurança de rede de ponta a ponta SOTA, equipe do Chrome testou “mais de 10 vezes melhor”
O Google dedicou grande parte de seu blog oficial às capacidades de segurança cibernética do Carbon. Especificamente, o Carbon abrange os três estágios-chave da defesa cibernética, alcançando o SOTA em cada um deles.
Buscando vulnerabilidades: No SEC-bench Pro, o Carbon alcançou 88,2%, superando o GPT-6 Astra com 85,4% e o Argon com 83,4%. A tarefa deste benchmark é fazer com que o modelo descubra autonomamente vulnerabilidades de segurança complexas ocultas em software real.

Verificação de vulnerabilidades: No ExploitGym, o Carbon obteve 54,8%, liderando significativamente o segundo colocado, GPT-6 Astra, com 42,4%. Este teste mede a capacidade do modelo de verificar a exploração real de vulnerabilidades, ajudando equipes de segurança a determinar prioridades de correção. Dentro do limite de 10 horas, a diferença entre o Carbon e o limite de 6 horas foi pequena (54,8% vs. 53,5%), indicando que ele consegue realizar a maior parte da verificação em um curto espaço de tempo.

Correção de vulnerabilidades: Após identificar a vulnerabilidade, corrigir a causa raiz é um passo fundamental no ciclo de vida da defesa de segurança cibernética. A Carbon alcançou 71,0% no CWE-bench da Collinear, convertendo diretamente as descobertas validadas em correções de código funcionais.

Além dos benchmarks públicos, o Google também forneceu dados internos. A taxa de sucesso do Carbon na geração de código seguro é mais de duas vezes superior à do Argon. O feedback da equipe do navegador Chrome foi ainda mais impressionante: eles relataram que o Carbon desempenha mais de dez vezes melhor do que "um grande modelo de ponta de outro laboratório" na geração de patches de segurança de alta qualidade.
A plataforma de segurança em nuvem da Google, Wiz, também participou do teste e observou que o Carbon se destacou no benchmark de teste de penetração web, uma das capacidades centrais do programa "Scan for Good" da Wiz.
Tarefa de longo prazo: pode funcionar continuamente por vários dias
Outro grande destaque do Carbon é a capacidade de "missões de longo prazo", que também está se tornando uma das principais competições entre os novos modelos de ponta.
O Google afirmou que equipes internas observaram que o Carbon pode operar continuamente por vários dias em grandes bases de código e sistemas subjacentes, realizando rastreamento de causa raiz e geração de patches entre arquivos. Quando enfrenta impasses, o modelo ajusta automaticamente suas estratégias para continuar avançando, sem encerrar a tarefa diretamente.
Uma das bases técnicas dessa capacidade é a melhoria significativa no processamento de contextos longos. No teste GraphWalks (avaliação BFS F1 em intervalo de 256k a 1M tokens), o Carbon subiu de 84,2% do Argon para 96,2%, superando em mais de 20 pontos percentuais o GPT-6 Astra (71,8%) e o Claude Opus 5.5 (66,8%). O suporte a uma janela de contexto de 1M tokens significa que o modelo pode processar, em uma única vez, uma quantidade de informação equivalente a cerca de 1500 páginas de documento A4.
A capacidade de longo prazo está se tornando cada vez mais importante porque os fluxos de trabalho de Agentes exigem mais dos modelos. Por exemplo, na engenharia de software, tarefas de desenvolvimento verdadeiramente complexas geralmente envolvem rastrear continuamente alterações no código, coordenar modificações em múltiplas branches, lidar com dependências entre módulos e realizar testes e correções repetidas. Essas tarefas podem durar horas ou até dias, ultrapassando amplamente o escopo de uma única pergunta e resposta.
Para modelos avançados, manter a consistência de objetivo, corrigir erros em tempo hábil e entregar resultados confiáveis ao longo de execuções prolongadas está se tornando um critério importante para medir seu valor de engenharia real.
Benchmark Panorâmico: 9 avaliações do índice inteligente, 4 primeiros lugares
Artificial Analysis Índice Inteligente v5.0 é o sistema de avaliação abrangente mais amplamente referenciado na indústria atualmente.
Carbon obteve uma pontuação total de 59, liderando em 4 categorias (HLE-Diamond, Terminal-Bench-Science, AA-Omniscience e AutomationBench-AA), superando o Claude Opus 5.5 (58 pontos) em 1 ponto, o GPT-6 Astra (57 pontos) em 2 pontos e aumentando em 9 pontos em relação ao Argon de duas semanas atrás (50 pontos). A Artificial Analysis avaliou que a liderança do Carbon é impulsionada por desempenho forte em raciocínio complexo, conhecimento e tarefas científicas, com avanços significativos em programação e trabalho baseado em conhecimento (especialmente em comparação com o desempenho histórico da série Gemini), mas ainda não lidera abrangentemente nesses aspectos.

A seguir, detalhado por dimensões.
Em termos de programação, o modelo do Google tradicionalmente foi uma fraqueza, e o Carbon apresentou a melhoria mais notável. No Artificial Analysis Coding Agent Index, o Carbon, combinado com o Antigravity CLI (high reasoning), obteve 59 pontos, apenas 3 pontos atrás do primeiro colocado, Claude Code + Claude Opus 5.5 (max reasoning, 62 pontos). Nos testes individuais, obteve 64% no Terminal-Bench 4.0 e 51% no FrontierCode v1.1, ambos em segundo lugar, atrás apenas do Claude Opus 5.5 (max, 56%). Subiu 89 Elo no WebDev Arena (arena de desenvolvimento web full-stack), alcançando a quarta posição (1768 Elo).

Trabalho de conhecimento: No AA-Briefcase, o Carbon (high) alcançou 1609 Elo, um aumento de 126 pontos em relação ao Argon (high, 1483). O maior aumento ocorreu na dimensão Presentation (qualidade da apresentação), subindo 293 Elo para 1598; a Analytical Quality (qualidade analítica) também aumentou 120 pontos, atingindo 1671. No entanto, ainda está atrás do Kimi K3.1 Pro (1678), Muse Wonder (max, 1659) e Grok 4.7 (xhigh, 1638).

Confiabilidade do conhecimento e taxa de ilusões: AA-Omniscience v1.1 obteve pontuação 54 no Carbon, liderando o Claude Opus 5.5 (max, 48) em 6 pontos e o Argon (46) em 8 pontos. A precisão (proporção de respostas corretas) aumentou de 48% no Argon para 58%, uma elevação de 10 pontos percentuais. A taxa de ilusões subiu de 4% no Argon para 11%, embora tenha aumentado, continua sendo a segunda mais baixa entre todos os modelos, atrás apenas do Argon. Para comparação, as taxas de ilusões do Claude Opus 5.5 (max) e do GPT-6 Astra (max) são ambas de 50%.

Ciência e matemática: RiemannBench 80,0%, Terminal-Bench-Science 64,8%, ambos os maiores escores atuais.
Eficiência de custo: O Carbon tem um custo médio de US$ 7,76 por tarefa de índice inteligente, cerca de 23% menor que o Claude Opus 5.5 (máx., US$ 10,04) e 1,2 vez o custo do GPT-6 Astra (máx., US$ 6,25). A saída média por tarefa é de 123k tokens, 29% menos que o Claude Opus 5.5 (máx., 173k). Em comparação com o Argon ao mesmo preço (US$ 7,68 por tarefa), o custo é essencialmente equivalente, mas com um índice inteligente 9 pontos superior.

Análise de avaliação do modelo Artificial Analysis: https://artificialanalysis.ai/models/gemini-4-carbon
Alinhamento de segurança: taxa de fraude 0%, taxa de sucesso de ataques por injeção de prompt 0%
O Carbon mantém a arquitetura de defesa em camadas do Argon em termos de alinhamento de segurança, incluindo alinhamento durante o treinamento, detecção em tempo real de abusos, defesa contra injeção de prompts e monitoramento de cadeias de pensamento, além de reforçar ainda mais esses componentes.
A taxa de fraude caiu para 0,0%. No teste Terminal-Bench 4.0, a taxa de sucesso de fraude do Carbon foi zero, com apenas 0,4% das tentativas de fraude, enquanto a precisão geral das tarefas continua a aumentar. O Google afirma que isso foi alcançado ao reduzir ainda mais o comportamento de atalho (shortcut exploitation) durante a fase de treinamento.
Taxa de sucesso de ataques de prompt injection: 0,0%. No teste de referência de prompt injection indireto (Indirect Prompt Injection, IPI) do Gray Swan (k=15 tentativas de ataque), o Carbon defendeu com sucesso todos os ataques. Em comparação com o desempenho de outros modelos de ponta: Argon 0,7%, Claude Opus 5,5 e Claude Fable 5,1 apresentaram todos 1,0%; GPT-6 Astra atingiu 8,5%; e Grok 4,6 chegou a 51,8%.

No nível de controle de comportamento, o Carbon melhorou sincronicamente dois padrões comuns de falha de alinhamento: redução de 26% na superexecução (overreach, ou seja, operações que vão além da intenção do usuário) e redução de 29% na subexecução (under-service, ou seja, omissões de operações solicitadas pelo usuário). O Google descreve a mudança de comportamento do Carbon ao enfrentar tarefas ambíguas como a capacidade do modelo de buscar ativamente fontes relevantes e apresentar ao usuário as diferenças de informação antes de agir, evitando suposições ou avanços forçados.
Em transparência de modelo, o Carbon reduz afirmações sem base em cerca de 2 vezes em comparação com o Argon. Quando informações críticas estão ausentes, o modelo indica diretamente nas saídas as limitações metodológicas ou lista os pré-requisitos não concluídos, sem inventar ou obscurecer.
Testes internos mostram que alertas de alta severidade foram reduzidos em cerca de 80% em comparação com o Argon.
Precificação e disponibilidade
O preço do Carbon permanece alinhado ao do Argon, com tarifas padrão de US$ 4 por milhão de tokens de entrada e US$ 20 por milhão de tokens de saída. Atualmente, há um desconto de 50% na lançamento, sem data de encerramento definida. Tokens de entrada em cache recebem desconto de 95%, custando apenas US$ 0,20 por milhão. Janela de contexto de 1M tokens, com suporte para entradas de texto, imagem, vídeo e áudio.
Em termos de custo por tarefa, o Carbon tem um custo médio de US$ 7,76 por tarefa de índice inteligente, cerca de 23% menor que o Claude Opus 5.5 (US$ 10,04), mas cerca de 24% maior que o GPT-6 Astra (US$ 6,25). O Carbon gera em média 123k tokens por tarefa, 29% a menos que os 173k do Claude Opus 5.5, indicando que o Carbon também possui vantagem em eficiência de tokens.
Carbon abrirá inicialmente para defensores de rede confiáveis no projeto Fairwind a partir desta semana, expandindo gradualmente o acesso após coletar feedback e iterar os mecanismos de segurança, para depois liberar para desenvolvedores, empresas e consumidores.
Epílogo
O ciclo familiar voltou. Claude acabou de lançar uma “bomba nuclear”, o Google apresentou um novo prato e a OpenAI aumentou ainda mais o fogo. Após uma volta, mais uma semana comum para a indústria de IA.
Há algum tempo, o Google parecia ter perdido voz na rápida iteração de modelos avançados, levantando dúvidas sobre se ainda conseguiria manter sua posição nesta mesa de competição. Mas os recentes avanços consecutivos, especialmente o Carbon, ainda conseguem surpreender.
Claro, os grandes jogadores se competem, e quanto mais intensa for a concorrência, melhor será para toda a indústria. No entanto, em vez de gerar ruído com narrativas de crise como "a IA destruirá o mundo" ou marketing exagerado que deixa as pessoas "tontas e paralisadas", esperamos ver progressos reais e concretos dos modelos em tarefas reais.
Menos mistério, mais habilidade real. Essa competição de IA é mais digna de expectativa.



