Gemini 4 Carbon debiutuje w cieniu Fable 5.2

Premiera Gemini 4 Carbon miała być momentem, w którym Google ponownie wysuwa się na czoło wyścigu modeli AI. Ogłoszenie odbyło się jednak na tyle wcześnie, że zanim model trafił do ogólnego dostępu, Anthropic zdążył zaprezentować Fable 5.2 – swoją nową flagową konstrukcję. W efekcie świeżo wydany Carbon momentami sprawia wrażenie produktu z poprzedniej epoki, choć od jego zapowiedzi minęły zaledwie dwa tygodnie. To chyba najlepsza ilustracja tempa, w jakim obecnie rotują modele.

Po fazie testów zamkniętych, w której udział brali wybrani specjaliści od bezpieczeństwa, Gemini 4 Carbon jest już dostępny dla wszystkich. Google podkreśla, że nowy model nie zastępuje wcześniejszego Gemini 4 Argon, lecz go uzupełnia. Założenie jest takie, że Argon pozostaje lepszym wyborem do typowej pracy inżynierskiej i zadań wiedzowych, a Carbon wchodzi tam, gdzie potrzebna jest maksymalna inteligencja modelu.

Dwa modele, jedna cena, różne rachunki

Na pierwszy rzut oka deklaracja Google może dziwić, ponieważ oba modele wyceniono identycznie – cztery dolary za milion tokenów wejściowych i dwadzieścia za milion tokenów wyjściowych. Carbon osiąga przy tym wyższe wyniki w benchmarkach. Różnica kryje się w sposobie pracy: nowy model zużywa więcej tokenów, żeby głębiej rozumować przy złożonym debugowaniu czy otwartych badaniach naukowych, a także po to, by prowadzić dłuższe pętle weryfikacyjne. W praktyce rachunek za konkretne zadanie może więc okazać się wyższy niż w przypadku Argonu.

W teście Artificial Analysis z końca października koszt rozwiązania jednego zadania przez Carbon wyniósł 7,76 dolara. To mniej niż w przypadku starszego modelu budżetowego Flash 3.8, który wypadał słabiej – wynik wart odnotowania. Dla porównania Opus 5.5 Max wyceniono na 10,04 dolara, GPT-6 Astra Max na 6,25 dolara, a Fable 5.2 w wariancie maksymalnym aż na 26,50 dolara. W trybie High model Anthropic kosztuje około 9 dolarów za zadanie, ale w ogólnym indeksie wyprzedza Carbon o dwa punkty (62 do 60).

Klienci biznesowi oraz użytkownicy płatnych planów mogą korzystać z nowego Gemini przez API w Google AI Studio, w Android Studio oraz w ramach Gemini for Business. Cena promocyjna pozostaje na poziomie dwóch dolarów za milion tokenów wejściowych i dziesięciu za milion tokenów wyjściowych.

Rój agentów zamiast pojedynczego promptu

Razem z modelem Google zapowiada funkcję "/swarm" w narzędziu Antigravity, które jest odpowiedzią firmy na Claude Code. Mechanizm zamienia jedno polecenie w skoordynowany zespół agentów, którego pracę można śledzić na bieżąco. Carbon odpowiada za role wymagające głębokiego rozumowania – projektowanie architektury, koordynację i audyt – natomiast szybsze, lżejsze modele działają równolegle w odizolowanych środowiskach i pełnią funkcję adwersaryjnych weryfikatorów.

Google pokazuje możliwości rozwiązania na trzech przykładach: trójwymiarowej grze, w której gracz zwiedza kampus w Mountain View jako pelikan na rowerze GBike, interaktywnej rekonstrukcji budowy wieży Eiffla opartej na zdjęciach historycznych oraz grywalnym fortepianie z XVIII wieku z akustyką przestrzenną zależną od miejsca siedzenia.

Ekonomika takich rojów agentów budzi jednak spory w branży. Zarówno OpenAI, jak i Anthropic podchodzą do tematu ostrożnie, a badacze również wyrażają sceptycyzm. Główna korzyść wydaje się ograniczać do większej szybkości dzięki paralelizacji, ale całość jest złożona organizacyjnie.

Gdzie Carbon faktycznie wygrywa

Poza wynikami znanymi już z października Google przedstawia nowe dane benchmarkingowe. Carbon zajmuje pierwsze miejsce w CursorBench 4.0 – z wynikiem nieco poniżej 60 procent – wyprzedzając Fable 5.2 oraz Gemini 4 Argon, przy koszcie za zadanie o połowę niższym niż u drugiego w kolejności rywala. Model prowadzi również w benchmarkach WANDR od Perplexity oraz AutomationBench od Zapier. GPT-5.6 Sol i Grok 4.7 pozostają wyraźnie z tyłu.

Do analizy gęstych dokumentów zawierających wykresy, schematy i tabele Google wspólnie z Artificial Analysis przygotował nowy benchmark Multimodal Knowledge Agent. Carbon plasuje się w nim na drugim miejscu – tuż za Fable 5.2 i minimalnie przed Opus 5.5 – ale kosztuje średnio mniej niż jedną szóstą tego, co najlepszy zawodnik.

Bezpieczeństwo jako mocna strona modelu

W ramach programu wczesnego dostępu Fairwind Google po raz pierwszy dzieli się konkretnymi efektami w cyberobronie. W projekcie Scan for Good firmy Wiz model Carbon wykrył prawdziwe luki zero-day podczas skanowania dwóch dużych dostawców SaaS – cała operacja zajęła mniej niż dwie godziny. Zespół bezpieczeństwa chmury Google wykorzystał z kolei model do napisania działających proof-of-concept exploitów dla dwóch znanych błędów w popularnym projekcie open source. Dopiero wtedy udało się dowieść, że są one krytycznie podatne na wykorzystanie, na poziomie porównywalnym z luką PHP2Shell.

W autonomicznym systemie bezpieczeństwa Project Fortify Carbon poprawił skuteczność wykrywania w bazach kodu open source o ponad 25 procent względem Argonu. Google wskazuje cyberbezpieczeństwo jako szczególnie mocną stronę nowego modelu i podkreśla prowadzenie w benchmarkach SEC-bench Pro, ExploitGym oraz CWE-bench v1 – zastrzega jednak, że dotyczy to wyłącznie wersji udostępnianej w ramach Fairwind. Konkretnych liczb firma nie publikuje.

Zero procent skuteczności prompt injection

Google opublikował także pełny raport bezpieczeństwa oraz kartę modelu. W wewnętrznym teście uczciwości obejmującym 375 zadań Carbon przechodzi 92 procent prób (Argon: 70 procent) i w 98 procentach przypadków odmawia sfabrykowania brakujących danych eksperymentalnych. W symulowanych cyberatakach model blokował 99 procent ścieżek ataku prowadzonych przez adaptacyjnych agentów red team, a skuteczność przełamania na jedną próbę spadła z 3,1 procent przy Argonie do 0,8 procent.

Zewnętrzni testerzy z Trajectory Labs nie znaleźli ani jednego uniwersalnego jailbreaka w ciągu 132 godzin i ponad 13 tysięcy zapytań. W benchmarku Gray Swan IPI Carbon osiągnął zerową skuteczność prompt injection – jak twierdzi Google, żaden wcześniejszy model nie dotarł do tego progu. Trzeba jednak zachować ostrożność: nie oznacza to, że problem prompt injection został rozwiązany. Test mógł po prostu zostać wysycony. To mimo wszystko postęp, zwłaszcza że część konkurencyjnych modeli pozostaje w tym obszarze bardziej podatna.

Co to oznacza dla użytkowników

Gemini 4 Carbon trafia na rynek w momencie, gdy przewaga technologiczna pojedynczego modelu utrzymuje się coraz krócej. Google dostarcza narzędzie o wyraźnych atutach – przede wszystkim w kodowaniu, analizie dokumentów i cyberbezpieczeństwie – i robi to w cenie, która w wielu scenariuszach wypada korzystniej niż u konkurencji. Równocześnie Fable 5.2 pokazuje, że liderowanie w ogólnym indeksie jest dziś kwestią tygodni, a nie kwartałów.

Dla zespołów wdrażających AI oznacza to jedno: wybór modelu coraz rzadziej sprowadza się do pytania "który jest najlepszy", a coraz częściej do "który jest najlepszy w moim konkretnym zadaniu i przy moim budżecie". Zapowiedź rojów agentów w Antigravity sugeruje przy tym, że następna faza rywalizacji rozegra się nie między pojedynczymi modelami, lecz między całymi ekosystemami orchestracji.