Google, Gemini 4 Carbon adlı yeni nesil ileri modeli yayınladı ve uzun süreli AI Agent, yazılım mühendisliği ile siber güvenlik yeteneklerini odaklandırdı. Carbon, Artificial Analysis Intelligence Index v5.0'te 59 puanla geçici olarak birinci sırada yer alıyor ve güvenlik açıkları bulma, güvenlik açıklarının kullanıma uygunluk doğrulama ve kod onarımı testlerinde sırasıyla %88,2, %54,8 ve %71,0 başarı oranları elde etti. Google, bu modelin büyük kod kütüphanelerinde günlerce sürekli çalışabileceğini, tıkanma durumlarında alternatif çözümler aramaya devam edebileceğini ve dolandırıcılık, sınırların dışına çıkma ve temelsiz iddiaları azaltabileceğini belirtti. Ancak bu, daha doğru bir şekilde “test sonuçlarıyla sınırlı ön yayın” olarak nitelendirilebilir: Carbon şu anda yalnızca bazı siber savunma kurumlarına açıktır; genel geliştiriciler için açık bir API henüz mevcut değildir. Güvenlik ve güvenilirlik verilerinin çoğu Google iç testlerinden gelmekte olup, bağımsız tekrarlanabilirlik hâlâ gerekmektedir.Yazar ve kaynak: Google DeepMind
Carbon yeni bir hafif model değil, Argon'un hızlı bir güncellemesidir.
Gemini 4 Carbon, Gemini 4 Argon'un yaklaşık iki hafta sonra piyasaya sürülen başka bir öncü modelidir. Google, Carbon'un parametre sayısını, mimari değişikliklerini, eğitim verilerini veya eğitim hesaplama gücünü kamuoyuna açıklamadı ve Carbon'un yeniden ön eğitimli bir model mi, Argon'un derinlikte sonraki eğitimli bir versiyonu mu, yoksa aynı temel modelin güncellenmiş bir kontrol noktası mı olduğunu açıkça belirtmedi.
Aynı bağlam boyutu, yakın fiyat ve kısa yayın aralığı göz önüne alındığında, bu, düşük maliyetli senaryolar için bir “Flash” modeli değil, Gemini 4 serisinin hızlı bir yetenek yinelemesi gibi görünüyor. Ancak bu, yalnızca açık kaynaklardan yapılan bir tahmindir ve Google, ikisi arasındaki teknik ilişkiyi resmen doğrulamamıştır.
Carbon, metin, görüntü, ses ve video girdilerini destekler; çıktı hâlâ metin odaklıdır ve bağlam penceresi 1 milyon Token'dir. Google, bunu "uzun süreli" bir model olarak tanımlıyor: Dahili ekip, bunu günlerce sürekli çalıştırdı, büyük kod kütüphanelerini tekrar tekrar inceledi, alt sistemlerdeki gizli hataları takip etti ve görevi erken tamamlamak yerine geçersiz rotalarla karşılaştığında aramaya devam etti.
Toplam sıralamada birinci, ancak tüm projeler önde değil
Carbon, Artificial Analysis'ın yeni güncellenen Intelligence Index v5.0'ında 52 değerlendirilen model arasında 59 puanla birinci oldu. Karşılaştırma olarak, Google'ın aynı tablosunda Claude Opus 5.5 58 puan, GPT‑6 Astra 57 puan ve önceki nesil Argon 50 puan aldı. Bu endeks, Google'ın kendi soru bankasını değil, dokuz grup programlama, bilgi, muhakeme, bilim ve otomasyon görevinden oluşuyor.
Ancak "toplam birinci" genel liderlik anlamına gelmez.
FrontierSWE 2 yazılım mühendisliği değerlendirmesinde Carbon, GPT-6 Astra'nın %65,5 ve Claude Opus 5,5'in %62,3'ünden düşük olan %61,2'lik bir puan aldı; OSWorld bilgisayar işlemleri oflin alt kümesinde Carbon %81,5 puan aldı, ancak Opus 5,5'in %87,2'sinden hâlâ düşük. Öne çıkan sonuçları arasında Terminal-Bench 4.0 için %65,2, AutomationBench için %53,9 ve GraphWalks uzun bağlam testi için %96,2 yer alıyor.
Artificial Analysis, başarıların arkasındaki maliyeti de ortaya koydu. Carbon, tüm kapsamlı testlerinde yaklaşık 200 milyon çıktı Token üretti; benzer modellerin medyanı ise yaklaşık 64 milyon. Bu, performans elde etmek için daha fazla çıkarım ve metin kullandığını gösteriyor. Resmi fiyatlarla hesaplandığında, bir endeks görevini tamamlamak ortalama yaklaşık 7,76 dolar maliyetine yol açıyor. Testlerdeki çıktı hızı saniyede yaklaşık 99,8 Token, ancak ilk Token bekleme süresi 97,5 saniyeye yakın. Bu nedenle, derin analiz bekleyebilen uzun görevler için daha uygundur; anlık yanıt aranan etkileşimli senaryolar için değil.
Güvenlik ağları, "keşfetme—doğrulama—düzeltme" üç aşamasını kapsar.
Google, bu sefer网络安全'yi Carbon'un temel satış noktası olarak sunuyor, sadece yan özellik olarak değil.
SEC‑bench Pro'da Carbon %88,2 puan aldı ve görev, gerçek yazılımlarda karmaşık açıklar bulmaktı; ExploitGym'de %54,8 puan aldı ve modelin bir açığın gerçekten istismar edilebilir olup olmadığını doğrulayabilme yeteneğini ölçtü; CWE‑bench'de %71,0 puan aldı ve temel nedeni belirleyip testleri geçebilecek düzeltme kodu üretme yeteneğini değerlendirdi.
Bu üç yetenek, güvenlik işinin üç aşamasını karşılık getirir: şüpheli sorunları tespit etmek, gerçek riskleri değerlendirmek ve onarımları tamamlamak. Google, bu yetenekleri aynı Agent sürecine dahil etmenin, geleneksel güvenlik taramalarının ürettiği yüksek miktarda düşük değerli uyarıları azaltıp bunların doğrulanması ve onarılması konusunda sorun yaşamayı önleyeceğini düşünmektedir.
Google iç güvenlik kod üretimi testinde, Carbon'un başarı oranı Argon'un iki katından fazla olduğu iddia ediliyor; Chrome ekibi, Carbon'un kaliteli onarım kodları üretme performansının başka bir laboratuvarın öncü büyük modelinin on katından fazla olduğunu rapor etti. Ancak Google, burada bahsedilen rekabetçi modeli, tam soruları, örnek boyutunu ve başarısız durumları kamuoyuna açmadığından, “on kat” ifadesi tüm kod kütüphaneleri için geçerli bağımsız bir sonuç olarak yorumlanamaz.
Google ayrıca, üç açık网络安全 performansının, üretim koruma kısıtlamalarının kapatıldığı bir ortamda ölçüldüğünü açıkça belirtti. Gerçek ürün canlı hale geldikten sonra, tehlikeli istekler reddedilebilir, yönlendirilebilir veya araç izinleriyle sınırlanabilir; gerçek kullanılabilir kapasite, korumasız değerlendirme sonuçlarıyla aynı olmayabilir.
Daha az hile ve sınırların dışına çıkma, ancak "0% saldırı başarısı" mutlak güvenlik anlamına gelmez.
Uzun süreli Agent'in riski, yanlış cevap vermekle sınırlı değil; aynı zamanda hedefi tamamlamak için puan açığı aramak, kısıtlamaları atlamak veya aslında yapılmamış işlemleri yapıldığını iddia etmek de dahil.
Google, Carbon'ın Terminal-Bench 4.0'teki başarıyla dolandırma oranının %0'a düştüğünü, dolandırma girişim oranının %0,4 olduğunu; içsel gerçek programlama ortamlarında yüksek ciddiyetteki "tutarsız davranış" uyarılarının Argon'a göre yaklaşık %80 azaldığını belirtti. İçsel değerlendirme ayrıca, temelsiz iddiaların yaklaşık yarısı azaldığını, aşırı eylemlerin %26 azaldığını ve aşırı dikkatli olma nedeniyle mantıklı görevlerin tamamlanamamasının %29 azaldığını gösterdi.
Gray Swan dolaylı ipucu enjeksiyon testinde, Carbon'un saldırı başarı oranı %0 olarak kaydedildi ve Argon'un %0,7'sini geçti. Bu, test serisindeki tüm saldırıları engellediğini gösterir, ancak herhangi bir web sayfası, belge veya aracın döndürdüğü kötü amaçlı ipuçlarının onu etkileyemeyeceğini kanıtlamaz. İpucu enjeksiyonu sürekli değişen saldırı yöntemlerine sahiptir ve bir referansın %0 sonucu, gerçek dünyadaki dağıtımlarda sıfır risk anlamına gelmez.
Özellikle dikkat edilmesi gereken nokta, yukarıda bahsedilen hile, sınır aşımları, temelsiz iddialar ve dahili uyarı verilerinin çoğunluğunun Google tarafından tanımlanıp ölçüldüğüdür. Şu anda Carbon için ayrı bir tam model karta sahip değiliz ve Google model kataloğu hâlâ daha önce yayınlanan Argon'u listelemektedir; dışarıdan bu güvenilirlik sonuçlarını büyük ölçekli olarak yeniden test etmek için yeterli erişim izni henüz sağlanmamıştır.
Fiyatlar açıklandı, ancak model hâlâ resmi olarak yayınlanmadı.
Google, resmi lanzmanında Argon ile aynı fiyatlandırmayı kullanmayı planlıyor: her milyon giriş Token için 2 dolar, her milyon çıkış Token için 10 dolar; önbellek giriş fiyatı %95 indirimli; indirim süresi sona erdikten sonra fiyatlar 4 ve 20 dolara geri dönecek.
Ancak, fiyatın açıklanması, şu anda normal Gemini API çağrıları ile erişilebilir olduğu anlamına gelmez. Carbon, ilk olarak yalnızca bir dizi ağ savunma kuruluşuna ve ABD hükümetinin gönüllü ön yayınlama testine katılmak üzere açılır; ardından Fairwind güvenlik ortaklarına doğru adım adım genişletilecektir. Google, geri bildirim ve koruma ayarlamaları tamamlandıktan sonra geliştiricilere, işletmelere ve tüketicilere “en kısa sürede” sunacağını belirtti, ancak kesin bir tarih vermedi.
Bu, toplulukta en çok tartışılan nokta: Sıralama listesinde zaten Carbon sonuçları görünüyor, ancak normal kullanıcılar bunu kendi başlarına doğrulayamıyor. Hacker News'teki ilgili konu, arama anında yaklaşık 799 puan ve 655 yorum alıyor; birçok tartışma, değerlendirme sayılarını değil, "önce birinciyi ilan et, sonra erişimi sağla" yönteminin uygulanmasını sorguluyor.
Bu nedenle, Carbon için şu anda en mantıklı yorum şudur: Google, Argon'dan açıkça daha güçlü birleşik Agent yetenekleri ve ağ güvenliği sunan bir aday modeli gösterdi ve oldukça kapsamlı bir değerlendirme tablosu sundu; ancak henüz geliştiricilerin serbestçe test edip dağıtabileceği olgun bir ürün haline gelmedi. Gerçek değeri, açıklandıktan sonra bu sonuçların aynı fiyat, gecikme ve araç ortamıyla yeniden üretilebilir olup olmaması ve üretim koruması etkinleştirildiğinde ne kadar güvenlik kapasitesi kalacağıdır.


