Google apresenta o Gemini 4 Carbon, com a maior pontuação em IA e acesso restrito a profissionais de cibersegurança

Novo líder no placar, com acesso limitado

O Google anunciou o Gemini 4 Carbon, um modelo de inteligência artificial que obteve 59 pontos no Artificial Analysis Intelligence Index v5.0 e apresentou resultados expressivos na identificação, exploração e correção de vulnerabilidades de software. Os primeiros usuários serão profissionais selecionados de defesa cibernética, não o público em geral.

O anúncio do Gemini 4 Carbon pela empresa, datado de 28 de outubro de 2026, coloca o modelo à frente do Claude Opus 5.5 e do GPT-6 Astra nesse índice geral de capacidades. O lançamento ocorre apenas duas semanas depois do Gemini 4 Argon, dando ao Google outro modelo de ponta antes que muitos usuários tenham tido tempo de conhecer melhor seu antecessor.

Koray Kavukcuoglu, vice-presidente sênior do Google DeepMind e principal arquiteto de IA do Google, descreveu os principais pontos fortes do modelo:

O Gemini 4 Carbon é nosso modelo mais forte em cibersegurança de ponta e capacidades de longo prazo.

O Google afirma que suas equipes internas observaram o Carbon trabalhar por dias em tarefas complexas de engenharia, incluindo localizar erros sutis e desenvolver correções em grandes projetos de software. Para as equipes de segurança, a promessa é de um assistente capaz de persistir diante de várias tentativas malsucedidas, em vez de simplesmente sugerir uma resposta e parar.

O lançamento do Carbon também expõe uma tensão prática. A capacidade de descobrir e explorar vulnerabilidades de software pode ajudar profissionais de defesa a corrigir sistemas, mas também pode oferecer recursos úteis a invasores. Antes do lançamento, o Google participa de testes voluntários do governo dos Estados Unidos e ampliará o acesso gradualmente por meio do Fairwind Program.

O quadro mais útil surge ao considerar os resultados em conjunto: o Carbon lidera um amplo índice de inteligência e vários testes de segurança, mas fica atrás dos concorrentes em algumas tarefas de programação. As melhorias internas de confiabilidade do Google também coexistem com um teste externo em que a taxa de respostas inventadas aumentou em relação ao Argon.

O que as pontuações de cibersegurança avaliam

O Google destaca três resultados de segurança: 88,2% no SEC-bench Pro, 54,8% no ExploitGym e 71,0% no CWE-bench da Collinear. Cada avaliação mede uma parte diferente do trabalho de defesa.

O SEC-bench Pro testa se um modelo consegue encontrar vulnerabilidades em softwares reais. Uma vulnerabilidade é uma falha que pode permitir que alguém acesse informações, altere um sistema ou interrompa seu funcionamento. O Google afirma que o Carbon lidera essa avaliação ao descobrir falhas complexas ocultas em softwares.

O ExploitGym avalia a etapa seguinte: transformar uma vulnerabilidade em um exploit funcional. Um exploit é um método de usar uma falha para fazer um sistema se comportar de maneira não prevista. As equipes de segurança recorrem à exploração controlada para verificar quais vulnerabilidades representam um perigo imediato e devem ser corrigidas primeiro.

O CWE-bench mede a correção de vulnerabilidades, ou seja, a elaboração de código que resolva o problema na origem. A pontuação de 71,0% do Carbon dá destaque à conclusão do reparo, e não apenas à identificação de código suspeito.

O Google afirma que esses testes externos de cibersegurança foram realizados sem barreiras de segurança, ou seja, as restrições de proteção usadas para limitar as ações de um modelo em funcionamento não estavam ativas durante as avaliações. As pontuações descrevem o desempenho nessas condições de teste; o acesso pelos produtos do Google contará com os controles de segurança da empresa.

O Google também relata que, em avaliações internas, o Carbon teve mais que o dobro da taxa de sucesso do Argon na geração de código seguro. A equipe do Chrome diz que o Carbon teve desempenho mais de 10 vezes superior na produção de correções de alta qualidade, em comparação com um grande modelo de ponta de um laboratório concorrente não identificado. Esses resultados internos sobre código seguro ainda não foram reproduzidos de forma independente, e o Google não identifica o modelo rival nessa comparação.

Ficar em primeiro não significa vencer todas as tarefas

O Artificial Analysis atribui 59 pontos ao Carbon no Intelligence Index v5.0, contra 58 para o Claude Opus 5.5 e 57 para o GPT-6 Astra. Portanto, o Carbon lidera o Opus por um ponto e o Astra por dois, uma diferença menor que nas comparações de cibersegurança mais favoráveis ao Google.

O índice reúne nove avaliações, e o Carbon lidera quatro: HLE-Diamond, TB-Science, AA-Omniscience e AutomationBench. O Artificial Analysis afirma que 60% do índice revisado usa testes privados, cujas perguntas não são divulgadas publicamente.

Os resultados em programação são mais variados. O Carbon combinado com a interface de linha de comando Antigravity do Google obtém 59 pontos no Coding Agent Index, enquanto o Claude Code combinado com o Opus 5.5 chega a 62. Um agente de programação combina um modelo com ferramentas que permitem examinar arquivos, executar comandos e editar software; por isso, os recursos do software que o acompanha influenciam o resultado.

O Carbon obtém 51% no FrontierCode v1.1, atrás dos 56% do Opus. No FrontierSWE, chega a 61,2%, ante 65,5% do GPT-6 Astra, 62,3% do Opus 5.5 e 61,9% do Sonnet 5.5. Essas comparações dão aos desenvolvedores um motivo concreto para analisar as tarefas mais próximas do próprio trabalho, além da classificação geral.

O desenvolvimento web é outra área em que houve avanço. Segundo o anúncio do Google, o Carbon ocupa o quarto lugar no WebDev Arena, com 1.768 pontos Elo após avançar 89 pontos. Elo é um sistema de classificação baseado em desempenho comparativo. O Carbon também fica em primeiro lugar no Text Arena, com 1.528 pontos, e em segundo no Agent Arena, ampliando seu bom desempenho para além das tarefas de segurança.

Trabalhar por dias em vez de responder uma única vez

O Google desenvolveu o Carbon para fluxos de trabalho com agentes que se prolongam no tempo, nos quais um sistema de IA realiza uma sequência de ações para atingir um objetivo. Na engenharia de software, isso pode significar examinar um projeto, elaborar uma explicação para um erro, alterar o código, executar testes e revisar a correção quando eles falham.

As equipes internas do Google afirmam que o Carbon continuou trabalhando por dias em tarefas complexas que envolviam grandes bases de código e sistemas de baixo nível. A empresa diz que o modelo consegue persistir mesmo diante de impasses, uma característica importante quando a primeira explicação plausível se revela incorreta.

As especificações divulgadas indicam uma janela de contexto de um milhão de tokens e um limite máximo de saída de um milhão de tokens. Tokens são pequenas unidades de texto processadas por um modelo. A janela de contexto é a quantidade de conteúdo que ele consegue considerar de uma vez, incluindo instruções e materiais fornecidos para uma tarefa.

Segundo informações divulgadas, o Carbon aceita texto, imagens, vídeo e fala, e gera texto. Esses formatos de entrada podem permitir que uma mesma tarefa reúna um relatório escrito sobre um erro, uma captura de tela e uma gravação do comportamento inesperado do software.

O desempenho varia em outras áreas. O Carbon obtém 1.609 pontos Elo na avaliação de trabalho intelectual AA-Briefcase, um avanço de 126 pontos em relação ao Argon, mas continua atrás do Grok 4.7, do Muse Wonder e do Kimi K3.1 Pro. Fica em segundo lugar no Vals Index e em primeiro no Finance Index e no Legal Research Benchmark. A variedade dos resultados mostra por que a escolha de uma empresa pode depender de ela precisar corrigir software, analisar documentos ou realizar outra tarefa específica.

Testes de segurança distinguem tentativas de fraude bem-sucedidas

O Google relata uma taxa de fraude bem-sucedida de 0,0% no Terminal-Bench 4.0, com tentativas de fraude em 0,4%. Os dois números descrevem comportamentos diferentes: se o modelo tentou recorrer a um atalho impróprio e se a tentativa foi bem-sucedida.

O Google afirma que o Carbon melhorou a precisão nas tarefas enquanto reduziu esses atalhos. Em trabalhos de programação ao vivo com suas próprias equipes, os alertas de desvios graves do comportamento esperado caíram quase 80%.

A injeção de prompt é outro foco. Esse tipo de ataque insere instruções em materiais que a IA deveria ler, como uma página da web ou um arquivo, para desviá-la da tarefa solicitada pelo usuário. Ao examinar um projeto, por exemplo, um assistente pode encontrar um texto que manda ignorar suas instruções ou revelar informações.

O Carbon registrou uma taxa de sucesso de ataque de 0,0% no teste de injeção indireta de prompt da Gray Swan. Para comparação, as taxas foram de 0,7% para o Argon, 1% para o Claude Opus 5.5 e 8,5% para o GPT-6 Astra. O resultado do Google significa que o modelo resistiu a todas as tentativas de ataque avaliadas nesse teste.

O Google afirma que o Carbon combina treinamento do modelo com defesas contra uso indevido durante a operação, resistência a injeções de prompt e monitoramento de seu processo de raciocínio. A disponibilização inicial restrita permitirá que a empresa receba comentários e ajuste essas proteções enquanto profissionais selecionados de defesa cibernética usam o modelo.

Confiabilidade melhora internamente, mas piora em uma métrica externa

O Google afirma que, em testes internos, o Carbon reduziu aproximadamente pela metade as afirmações sem respaldo em comparação com o Argon. Segundo a empresa, o modelo tem mais probabilidade de explicar quando faltam evidências, listar requisitos ainda não atendidos e apontar informações conflitantes antes de agir.

O Google também relata uma redução de 26% nos excessos e de 29% nas entregas aquém do solicitado. Em termos cotidianos, a empresa diz que o Carbon tem menos probabilidade de ir além das instruções do usuário e de parar antes de concluir o trabalho pedido.

O Artificial Analysis registra uma mudança diferente em sua avaliação Omniscience: a taxa de alucinação do Carbon sobe para 11%, ante 4% do Argon. Uma alucinação é uma resposta que apresenta como fato uma informação inventada ou incorreta. Mesmo assim, o Carbon tem a segunda menor taxa medida nessa comparação, enquanto o Opus 5.5 e o Astra registram 50% cada.

O Carbon lidera a avaliação Omniscience com pontuação de 54, apesar da maior taxa de alucinação. Um modelo pode avançar ao responder corretamente a mais perguntas e, ao mesmo tempo, cometer mais erros ao tentar responder a questões que antes evitava. A métrica interna do Google sobre afirmações sem respaldo e a métrica externa de alucinação usam avaliações diferentes; por isso, os usuários devem considerar dois resultados distintos de confiabilidade.

Para uma equipe de segurança, verificar o trabalho continua sendo parte da tarefa. Uma vulnerabilidade identificada precisa ser examinada, e uma correção proposta precisa ser testada no software que será alterado. As melhorias anunciadas pelo Google buscam justamente evitar que um assistente declare sucesso cedo demais ou aja fora do escopo solicitado.

Quem terá acesso e em que ordem?

O Google afirma que um grupo restrito de profissionais de defesa cibernética receberá acesso ao Carbon durante a semana do anúncio, feito em 28 de outubro. Outros parceiros de confiança terão acesso gradualmente por meio do Fairwind, seguidos por desenvolvedores, empresas e consumidores nos produtos do Google.

A sequência anunciada é:

• Cerca de duas semanas antes do Carbon: o Google lançou o Gemini 4 Argon, que posteriormente ficou disponível no aplicativo Gemini e no modo de busca com IA.
• 28 de outubro de 2026: o Google publicou o anúncio do Carbon e os resultados das avaliações.
• Na semana de 28 de outubro: profissionais selecionados de defesa cibernética começam a receber acesso.
• Etapas posteriores: o Google amplia o acesso pelo Fairwind antes de disponibilizar o modelo de forma mais ampla nos produtos.

O Google participa do processo voluntário do governo dos Estados Unidos para testar modelos antes do lançamento. O anúncio não informa uma data para o acesso amplo ao público nem para o fim do preço promocional do Carbon.

Assinantes do AI Ultra e desenvolvedores que usam a API Gemini foram apontados como possíveis primeiros clientes, mas o plano de disponibilização publicado pelo Google menciona grupos mais amplos de desenvolvedores, empresas e consumidores, sem confirmar essa ordem.

A decisão de começar pelos profissionais de defesa ocorre em meio à crescente preocupação com o uso malicioso da IA. Pesquisadores de ameaças do Google documentaram grupos apoiados pelo Irã, pela Coreia do Norte, pela Rússia e pela China experimentando o Gemini, principalmente para pesquisa e assistência em programação. Demis Hassabis, diretor do DeepMind, descreveu invasões recentes realizadas por agentes de IA como alertas iniciais.

Quanto o Carbon custará para desenvolvedores

O preço promocional da API do Carbon é de US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída, igual ao preço de lançamento do Argon. Uma API permite que desenvolvedores conectem o modelo a seus próprios softwares. A entrada é o material enviado ao Carbon; a saída é o que ele gera.

Depois do período promocional, os preços informados dobram, para US$ 4 por milhão de tokens de entrada e US$ 20 por milhão de tokens de saída. Portanto, uma tarefa que use um milhão de tokens de entrada e um milhão de tokens de saída custaria US$ 12 com os preços promocionais e US$ 24 com os preços padrão, antes de considerar o uso de cache ou outros ajustes.

Segundo o Google, a entrada em cache tem desconto de 95%. O cache permite que um serviço reutilize materiais já processados, o que pode reduzir o custo de enviar repetidamente o mesmo documento extenso ou projeto de software. Com o desconto, o preço por milhão de tokens de entrada em cache fica em US$ 0,10 na tarifa promocional e US$ 0,20 na tarifa padrão.

O gasto efetivo também depende da quantidade de texto que o modelo gera para concluir uma tarefa. O Artificial Analysis calcula que cada tarefa do índice custa US$ 7,76 com o Carbon, contra US$ 10,04 com o Opus 5.5 e US$ 6,25 com o GPT-6 Astra. Nessa avaliação, o Carbon usa cerca de 123 mil tokens de saída por tarefa, 29% menos que o Opus.

Outros tipos de trabalho podem apresentar um padrão diferente. O Vals registra que o Carbon gera 64% mais tokens de saída que o Argon, principalmente em tarefas de finanças, tributação e direito. Por isso, ao prever os custos do Carbon, os desenvolvedores precisarão considerar tanto o preço dos tokens quanto o volume de trabalho realizado em cada tarefa.

Principais pontos

• O Gemini 4 Carbon lidera o Artificial Analysis Intelligence Index v5.0, com 59 pontos, à frente do Opus 5.5, com 58, e do GPT-6 Astra, com 57.
• O Google informa pontuações de segurança de 88,2% para identificar vulnerabilidades, 54,8% para explorá-las e 71,0% para corrigi-las.
• O Carbon fica atrás de combinações de modelos e ferramentas concorrentes em várias avaliações de programação.
• O Google relata que não houve fraude bem-sucedida no Terminal-Bench 4.0 nem ataques bem-sucedidos no teste avaliado de injeção de prompt da Gray Swan.
• As afirmações internas sem respaldo caíram aproximadamente pela metade, enquanto uma métrica externa de alucinação subiu de 4% no Argon para 11% no Carbon.
• Profissionais selecionados de defesa cibernética terão acesso primeiro, com expansão pelo Fairwind antes da disponibilização mais ampla.
• Os preços promocionais da API são de US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída, passando depois a US$ 4 e US$ 20.