Google DeepMind heeft Gemini 4 Carbon gepresenteerd, hun krachtigste model tot nu toe, met een specifieke focus op cybersecurity en complexe engineeringtaken met een lange horizon.
De belangrijkste punten uit het artikel zijn:
- Cybersecurity-prestaties: Carbon behaalt state-of-the-art resultaten in de volledige cyclus van cyberverdediging: detectie (SEC-bench Pro), validatie (ExploitGym) en remediëring (CWE-bench).
- Engineering en Codering: Het model is ontworpen voor aanhoudende agentische workflows en kan complexe, meerstaps engineeringtaken uitvoeren, zoals het patchen van subtiele bugs in grote codebases. Daarnaast stijgt het model sterk in de WebDev Arena.
- Veiligheid en Betrouwbaarheid: Er is significante vooruitgang geboekt in modeluitlijning (alignment). Carbon vertoont minder fabricage van gegevens, minder shortcuts tijdens training en is volledig resistent tegen indirecte prompt-injecties (0,0% succesrate op de IPI Benchmark).
- Uitrol en Prijs: Het model wordt stapsgewijs uitgerold, beginnend bij cybersecurity-experts via het Fairwind Program. De introductieprijs is vastgesteld op $2 per miljoen input-tokens en $10 per miljoen output-tokens.
Gemini 4 Carbon: ons nieuwste frontier-model
Gemini 4 Carbon is ons krachtigste model tot nu toe, voorzien van state-of-the-art cybersecurity-functies en capaciteiten voor taken met een lange horizon (long horizon capabilities).
Carbon belegt op nummer 1 in de onlangs bijgewerkte v5.0 van de Artificial Analysis Intelligence Index met een score van 59. Het model laat significante winst zien in coderings- en agentische taken, evenals in cruciale capaciteiten voor cybersecurity-verdediging. Hierbij behaalt het een sterke voorsprong in:
- SEC-bench Pro (88,2%) voor het vinden van kwetsbaarheden;
- ExploitGym (54,8%) voor exploitatie;
- CWE-bench (71,0%) voor het patchen van fouten.
Op interne benchmarks zorgt Carbon voor een sterke stijging in het genereren van veilige code. In live coderingsomgevingen met onze eigen teams vertoont het model minder fouten in uitlijning (misalignment) en lagere fabricagepercentages (fabrication rates).
Carbon bouwt voort op Gemini 4 Argon, dat twee weken geleden werd gelanceerd. Dit illustreert het tempo waarmee we de grens van het mogelijke verleggen. Onze onderzoekers en modellen werken hand in hand om capaciteiten sneller te verbeteren, terwijl we gelijktijdig onze waarborgen (safeguards) versterken.
We hanteren een bewuste aanpak voor de uitrol en zijn actief betrokken bij het vrijwillige proces van de Amerikaanse overheid voor het testen van modellen vóór de release. Vanaf deze week maken we Carbon beschikbaar voor een geselecteerde groep cybersecurity-experts en zullen we stapsgewijs toegang verlenen aan extra vertrouwde partners via ons Fairwind Program. We verzamelen feedback en itereren op de vangrails (guardrails) voordat we Carbon zo snel mogelijk beschikbaar maken voor ontwikkelaars, bedrijven en consumenten via onze productinterfaces.
Prijsstelling Gemini 4 Carbon wordt gelanceerd tegen dezelfde introductieprijs als Argon: $2 per miljoen input-tokens en $10 per miljoen output-tokens. Gecachte input-tokens zijn geprijsd met 95% korting op de input-tokenprijs. [^1]
Verbeterde codering en redenering voor uitdagende taken met een lange horizon
Carbon is ontworpen om veel complexere engineeringproblemen aan te pakken en is gebouwd voor aanhoudende agentische workflows. Intern hebben onze teams gezien dat Carbon dagenlang kan blijven werken om doodlopende wegen te passeren en complexe, meerstaps engineeringtaken uit te voeren, zoals het achterhalen van de bronoorzaak (root-causing) en het patchen van subtiele bugs in grote codebases en low-level systemen.
Op basis van feedback van gebruikers hebben we ons gericht op het verbeteren van de prestaties in diverse domeinen, waaronder codering, agentische en wetenschappelijke taken, alsover als full-stack webontwikkeling en multimodaal begrip. Door de verbeterde kwaliteit van de output en artefacten in webontwikkeling, stijgt Carbon met 89 elo-punten naar de 4e plaats (1768) op de WebDev Arena.
State-of-the-art cybersecurity-prestaties voor het bouwen van veilige systemen
Gemini 4 Carbon realiseert een significante sprong in cybersecurity-capaciteiten. Het behaalt state-of-the-art prestaties over de gehele levenscyclus van cybersecurity-verdediging: detectie, validatie en remediëring van kwetsbaarheden.
Onze teams zien reeds sterke winst in cyberverdediging. Op interne benchmarks behaalt Carbon een meer dan 2x hogere succesrate bij het genereren van veilige code vergeleken met Argon. Een ander voorbeeld is het Chrome-team, dat rapporteerde dat Carbon meer dan 10x beter presteerde dan een groot frontier-model van een ander laboratorium bij het genereren van hoogwaardige patches. Wiz, ons toonaangevende cloudsecurity-platform, ziet Carbon eveneens leiden op benchmarks voor web-penetratietesten, een kerncapaciteit voor het Scan for Good-initiatief van Wiz.
Carbon blinkt uit in de volgende externe benchmarks (geëvalueerd zonder vangrails):
- Het vinden van echte kwetsbaarheden: Dit is essentieel voor cybersecurity-verdediging. Carbon behaalt een state-of-the-art score van 88,2% op SEC-bench Pro, waarbij het autonoom complexe fouten ontdekt die verborgen zitten in software uit de echte wereld.
- Risicovalidatie via exploitatie: Om te bepalen welke kwetsbaarheden prioriteit hebben bij remediëring, vertrouwen cyberverdedigers steeds vaker op modellen om te controleren of kwetsbaarheden exploiteerbaar zijn. Carbon zet een nieuwe standaard op de populaire exploitatie-benchmark ExploitGym (54,8%).
- Patchen bij de bronoorzaak: Na het identificeren van kwetsbaarheden is het herstellen van de bronoorzaak een kritieke stap. Carbon bereikt 71,0% op Collinear’s CWE-bench, waarbij gevalideerde bevindingen direct worden omgezet in werkende code-fixes.
Vooruitgang in de veiligheid en beveiliging van frontier-modellen
Gemini 4 Carbon bouwt voort op dezelfde gelaagde veiligheids- en beveiligingsstack als Argon, die modeltraining combineert met real-time verdediging tegen misbruik, resistentie tegen prompt-injectie en monitoring van de chain-of-thought. We hebben aanzienlijke stappen gezet in modeluitlijning (alignment) met Argon. Met Carbon zijn we ourselves uitgedaagd om nog een stap verder te gaan en het model te trainen om op de juiste manier te reageren op complexe of stressvolle taken.
Het verminderen van shortcuts en het uitbuiten van mazen in de wet Met Carbon hebben we pogingen tot shortcuts tijdens de training verder beperkt, terwijl we de hoge kwaliteit van de coderingsprestaties hebben behouden. Carbon reduceerde succesvol 'valsspelen' op Terminal-Bench 4.0 naar 0,0%, waarbij de pogingen tot valsspelen daalden naar 0,4% — en dit alles terwijl de algemene nauwkeurigheid verbeterde. In live coderingsomgevingen met onze interne teams observeerden we dat waarschuwingen voor ernstige misalignments met bijna 80% daalden.
Grotere transparantie en eerlijkheid In onze interne tests vermindert Carbon niet-ondersteunde claims met ongeveer 2x ten opzichte van Argon. Het model plaatst methodologische kanttekeningen direct in het resultaat of onthoudt geblokkeerde acties met een duidelijke lijst van wat er nog nodig is, in plaats van bewijs te fabriceren of eromheen te draaien.
Verbeterde samenwerking met de gebruiker bij ambiguïteit In plaats van te gokken of een pad af te dwingen, haalt Carbon relevante bronnen op en legt het tegenstrijdigheden voor aan de gebruiker voordat het actie onderneemt. Hierdoor ervaren gebruikers een aanzienlijk betere collaboratieve ervaring.
Consistentie zonder overschrijding Carbon heeft tegelijkertijd overreach (te veel doen) met 26% en under-service (te weinig doen) met 29% verminderd. Dit resulteert in een veel betrouwbaardere uitvoering van meerstaps plannen van begin tot eind, waarbij projectbeperkingen worden gerespecteerd en strikt binnen de scope wordt gebleven.
Resistentie tegen prompt-injectie Waar Argon eerder leidde in de Gray Swan’s Indirect Prompt Injection (IPI) Benchmark met een zeer laag succespercentage van 0,7% voor aanvallen, behaalt Carbon 0,0% — het model weerstaat elke geëvalueerde aanvalspoging.
Binnenkort beschikbaar voor ontwikkelaars, bedrijven en consumenten
Het verleggen van de grens vereist snelheid, maar ook een bewuste aanpak bij de implementatie. Met Gemini 4 Carbon is ons doel om betekenisvolle sprongen voorwaarts te maken in software engineering en cybersecurity-verdediging, zonder concessies te doen aan veiligheid of betrouwbaarheid. We zijn benieuwd hoe de eerste groep cyberverdedigers dit model zal gebruiken en we kijken ernaar uit om Carbon binnenkort beschikbaar te stellen voor ontwikkelaars, bedrijven en consumenten.
***
[^1]: Na de introductieperiode vervalt deze prijs en geldt een tarief van $4 per 1M input-tokens en $20 per 1M output-tokens.
Gemini 4 Carbon: ons nieuwste frontier-model
Gemini 4 Carbon is ons krachtigste model tot nu toe, voorzien van state-of-the-art cybersecurity-functies en capaciteiten voor taken met een lange horizon (long horizon capabilities).
Carbon belegt op nummer 1 in de onlangs bijgewerkte v5.0 van de Artificial Analysis Intelligence Index met een score van 59. Het model laat significante winst zien in coderings- en agentische taken, evenals in cruciale capaciteiten voor cybersecurity-verdediging. Hierbij behaalt het een sterke voorsprong in:
- SEC-bench Pro (88,2%) voor het vinden van kwetsbaarheden;
- ExploitGym (54,8%) voor exploitatie;
- CWE-bench (71,0%) voor het patchen van fouten.
Op interne benchmarks zorgt Carbon voor een sterke stijging in het genereren van veilige code. In live coderingsomgevingen met onze eigen teams vertoont het model minder fouten in uitlijning (misalignment) en lagere fabricagepercentages (fabrication rates).
Carbon bouwt voort op Gemini 4 Argon, dat twee weken geleden werd gelanceerd. Dit illustreert het tempo waarmee we de grens van het mogelijke verleggen. Onze onderzoekers en modellen werken hand in hand om capaciteiten sneller te verbeteren, terwijl we gelijktijdig onze waarborgen (safeguards) versterken.
We hanteren een bewuste aanpak voor de uitrol en zijn actief betrokken bij het vrijwillige proces van de Amerikaanse overheid voor het testen van modellen vóór de release. Vanaf deze week maken we Carbon beschikbaar voor een geselecteerde groep cybersecurity-experts en zullen we stapsgewijs toegang verlenen aan extra vertrouwde partners via ons Fairwind Program. We verzamelen feedback en itereren op de vangrails (guardrails) voordat we Carbon zo snel mogelijk beschikbaar maken voor ontwikkelaars, bedrijven en consumenten via onze productinterfaces.
Prijsstelling Gemini 4 Carbon wordt gelanceerd tegen dezelfde introductieprijs als Argon: $2 per miljoen input-tokens en $10 per miljoen output-tokens. Gecachte input-tokens zijn geprijsd met 95% korting op de input-tokenprijs. [^1]
Verbeterde codering en redenering voor uitdagende taken met een lange horizon
Carbon is ontworpen om veel complexere engineeringproblemen aan te pakken en is gebouwd voor aanhoudende agentische workflows. Intern hebben onze teams gezien dat Carbon dagenlang kan blijven werken om doodlopende wegen te passeren en complexe, meerstaps engineeringtaken uit te voeren, zoals het achterhalen van de bronoorzaak (root-causing) en het patchen van subtiele bugs in grote codebases en low-level systemen.
Op basis van feedback van gebruikers hebben we ons gericht op het verbeteren van de prestaties in diverse domeinen, waaronder codering, agentische en wetenschappelijke taken, alsover als full-stack webontwikkeling en multimodaal begrip. Door de verbeterde kwaliteit van de output en artefacten in webontwikkeling, stijgt Carbon met 89 elo-punten naar de 4e plaats (1768) op de WebDev Arena.
State-of-the-art cybersecurity-prestaties voor het bouwen van veilige systemen
Gemini 4 Carbon realiseert een significante sprong in cybersecurity-capaciteiten. Het behaalt state-of-the-art prestaties over de gehele levenscyclus van cybersecurity-verdediging: detectie, validatie en remediëring van kwetsbaarheden.
Onze teams zien reeds sterke winst in cyberverdediging. Op interne benchmarks behaalt Carbon een meer dan 2x hogere succesrate bij het genereren van veilige code vergeleken met Argon. Een ander voorbeeld is het Chrome-team, dat rapporteerde dat Carbon meer dan 10x beter presteerde dan een groot frontier-model van een ander laboratorium bij het genereren van hoogwaardige patches. Wiz, ons toonaangevende cloudsecurity-platform, ziet Carbon eveneens leiden op benchmarks voor web-penetratietesten, een kerncapaciteit voor het Scan for Good-initiatief van Wiz.
Carbon blinkt uit in de volgende externe benchmarks (geëvalueerd zonder vangrails):
- Het vinden van echte kwetsbaarheden: Dit is essentieel voor cybersecurity-verdediging. Carbon behaalt een state-of-the-art score van 88,2% op SEC-bench Pro, waarbij het autonoom complexe fouten ontdekt die verborgen zitten in software uit de echte wereld.
- Risicovalidatie via exploitatie: Om te bepalen welke kwetsbaarheden prioriteit hebben bij remediëring, vertrouwen cyberverdedigers steeds vaker op modellen om te controleren of kwetsbaarheden exploiteerbaar zijn. Carbon zet een nieuwe standaard op de populaire exploitatie-benchmark ExploitGym (54,8%).
- Patchen bij de bronoorzaak: Na het identificeren van kwetsbaarheden is het herstellen van de bronoorzaak een kritieke stap. Carbon bereikt 71,0% op Collinear’s CWE-bench, waarbij gevalideerde bevindingen direct worden omgezet in werkende code-fixes.
Vooruitgang in de veiligheid en beveiliging van frontier-modellen
Gemini 4 Carbon bouwt voort op dezelfde gelaagde veiligheids- en beveiligingsstack als Argon, die modeltraining combineert met real-time verdediging tegen misbruik, resistentie tegen prompt-injectie en monitoring van de chain-of-thought. We hebben aanzienlijke stappen gezet in modeluitlijning (alignment) met Argon. Met Carbon zijn we ourselves uitgedaagd om nog een stap verder te gaan en het model te trainen om op de juiste manier te reageren op complexe of stressvolle taken.
Het verminderen van shortcuts en het uitbuiten van mazen in de wet Met Carbon hebben we pogingen tot shortcuts tijdens de training verder beperkt, terwijl we de hoge kwaliteit van de coderingsprestaties hebben behouden. Carbon reduceerde succesvol 'valsspelen' op Terminal-Bench 4.0 naar 0,0%, waarbij de pogingen tot valsspelen daalden naar 0,4% — en dit alles terwijl de algemene nauwkeurigheid verbeterde. In live coderingsomgevingen met onze interne teams observeerden we dat waarschuwingen voor ernstige misalignments met bijna 80% daalden.
Grotere transparantie en eerlijkheid In onze interne tests vermindert Carbon niet-ondersteunde claims met ongeveer 2x ten opzichte van Argon. Het model plaatst methodologische kanttekeningen direct in het resultaat of onthoudt geblokkeerde acties met een duidelijke lijst van wat er nog nodig is, in plaats van bewijs te fabriceren of eromheen te draaien.
Verbeterde samenwerking met de gebruiker bij ambiguïteit In plaats van te gokken of een pad af te dwingen, haalt Carbon relevante bronnen op en legt het tegenstrijdigheden voor aan de gebruiker voordat het actie onderneemt. Hierdoor ervaren gebruikers een aanzienlijk betere collaboratieve ervaring.
Consistentie zonder overschrijding Carbon heeft tegelijkertijd overreach (te veel doen) met 26% en under-service (te weinig doen) met 29% verminderd. Dit resulteert in een veel betrouwbaardere uitvoering van meerstaps plannen van begin tot eind, waarbij projectbeperkingen worden gerespecteerd en strikt binnen de scope wordt gebleven.
Resistentie tegen prompt-injectie Waar Argon eerder leidde in de Gray Swan’s Indirect Prompt Injection (IPI) Benchmark met een zeer laag succespercentage van 0,7% voor aanvallen, behaalt Carbon 0,0% — het model weerstaat elke geëvalueerde aanvalspoging.
Binnenkort beschikbaar voor ontwikkelaars, bedrijven en consumenten
Het verleggen van de grens vereist snelheid, maar ook een bewuste aanpak bij de implementatie. Met Gemini 4 Carbon is ons doel om betekenisvolle sprongen voorwaarts te maken in software engineering en cybersecurity-verdediging, zonder concessies te doen aan veiligheid of betrouwbaarheid. We zijn benieuwd hoe de eerste groep cyberverdedigers dit model zal gebruiken en we kijken ernaar uit om Carbon binnenkort beschikbaar te stellen voor ontwikkelaars, bedrijven en consumenten.
***
[^1]: Na de introductieperiode vervalt deze prijs en geldt een tarief van $4 per 1M input-tokens en $20 per 1M output-tokens.
Groetjes,