Google lancia Gemini 4 Carbon, il nuovo modello di intelligenza artificiale sviluppato da Google DeepMind per attività complesse di programmazione, cybersecurity, ragionamento e automazione agentica di lunga durata. Il sistema rappresenta un’evoluzione di Gemini 4 Argon, presentato il 30 settembre e reso ampiamente disponibile il 13 ottobre 2026, introducendo miglioramenti misurati in tutte le 17 prove comparative pubblicate dall’azienda. Gemini 4 Carbon ha raggiunto il primo posto nell’Artificial Analysis Intelligence Index versione 5.0, con un punteggio di 59 nella configurazione High, superando Claude Opus 5.5, che ha ottenuto 58 punti nella configurazione Max, e GPT-6 Astra, fermo a 57 punti, mentre Gemini 4 Argon ha registrato 50 punti nella stessa versione dell’indice. La nuova valutazione Artificial Analysis utilizza nove benchmark dedicati a ragionamento, programmazione, attività scientifiche e lavoro professionale, con prove aggiornate per aumentarne la difficoltà e ridurre l’effetto della saturazione delle domande pubblicamente disponibili. Circa il 60% delle valutazioni utilizza test privati oppure risposte non divulgate. La revisione comprende l’introduzione di FrontierCode 2.0 e Terminal-Bench-Science, la sostituzione di Humanity’s Last Exam con HLE-Diamond e aggiornamenti di AA-Omniscience e CritPt. I risultati di Carbon appartengono quindi a una versione dell’indice diversa da quella utilizzata nelle precedenti classifiche e devono essere confrontati con le misurazioni effettuate attraverso la medesima metodologia. Nonostante il posizionamento raggiunto, il modello non è ancora disponibile pubblicamente attraverso un’API: Google ha avviato un programma di accesso controllato destinato inizialmente a un gruppo selezionato di specialisti della sicurezza informatica, con un’espansione graduale prevista attraverso il Fairwind Program e senza una data confermata per il rilascio generale.
Gemini 4 Carbon è stato progettato soprattutto per attività di ingegneria software che richiedono sessioni operative prolungate, gestione di numerosi passaggi e capacità di proseguire il lavoro anche dopo tentativi inizialmente non riusciti. Google ha dichiarato che, durante le prove interne, il modello è rimasto operativo per diversi giorni consecutivi affrontando problemi complessi, individuando le cause di malfunzionamenti difficili da diagnosticare e sviluppando correzioni all’interno di grandi repository software e sistemi a basso livello. I miglioramenti riguardano il coding, la programmazione agentica, lo sviluppo web full-stack, le attività scientifiche e la comprensione multimodale. Nel benchmark SWE-sweep, Carbon ha raggiunto il 9,6%, rispetto al 4,3% di Argon, con un incremento di 5,3 punti percentuali; il risultato è leggermente superiore al 9,5% di GPT-6 Astra. Su FrontierSWE 2 il punteggio è passato dal 55,0% di Argon al 61,2% di Carbon, rimanendo tuttavia inferiore al 65,5% di Astra e al 62,3% di Claude Opus 5.5. Nel benchmark Terminal-Bench 4.0, dedicato alla risoluzione di problemi complessi mediante strumenti da terminale, Carbon ha ottenuto il 65,2%, contro il 57,1% del precedente modello, mentre su Agents’ Last Exam 1.1 ha raggiunto il 77,4%, rispetto al 69,0% di Argon. Ulteriori progressi sono stati registrati su GraphWalks, utilizzato per valutare la capacità di seguire relazioni complesse in contesti molto estesi: il risultato è salito dall’84,2% al 96,2%, superando il 71,8% di Astra e il 66,8% di Opus nelle configurazioni esaminate. La valutazione GraphWalks comprende contesti compresi tra 256.000 e un milione di token, ma Google non ha ancora pubblicato le specifiche definitive della finestra contestuale disponibile attraverso le future API di Carbon. Nell’ambito dello sviluppo web, il modello ha migliorato di 89 punti Elo il proprio posizionamento su WebDev Arena, raggiungendo il quarto posto con un punteggio dichiarato di circa 1.768 punti.
Le prestazioni nelle attività di sviluppo software sono state analizzate anche attraverso Artificial Analysis Coding Agent Index, una valutazione distinta dall’indice generale e dedicata ai modelli utilizzati attraverso strumenti agentici di programmazione. Gemini 4 Carbon, eseguito tramite Antigravity CLI, ha ottenuto 59 punti, rispetto ai 53 di Argon. Il risultato coincide con quelli registrati da Claude Code con Sonnet 5.5 e Muse Code con Muse Wonder Full, mentre Claude Code con Opus 5.5 mantiene il primo posto con 62 punti. Nelle singole prove, Carbon ha raggiunto il 51% su FrontierCode 1.1, il 64% su Terminal-Bench 4.0 e il 64% su SWE-Atlas-QnA-AA, collocandosi al secondo posto nei primi due test e rimanendo dietro al 69% ottenuto da Muse Code con Muse Wonder Full nel terzo. Il valore del 64% registrato su Terminal-Bench in questo contesto deve essere distinto dal 65,2% comunicato da Google per la valutazione generale del modello, poiché le due misurazioni utilizzano configurazioni operative differenti. Carbon è stato inoltre utilizzato internamente nell’ambiente di sviluppo Google Antigravity, dove i gruppi di ingegneria lo hanno impiegato per attività di programmazione particolarmente impegnative. Varun Mohan, responsabile di Google Antigravity ed ex amministratore delegato di Windsurf, ha confermato l’utilizzo interno del modello e la prevista estensione dell’accesso attraverso Fairwind, prima di una distribuzione più ampia nell’ambiente di sviluppo. Non è stata tuttavia comunicata una data di disponibilità generale per Antigravity.
Una delle aree nelle quali Google ha concentrato maggiormente lo sviluppo di Gemini 4 Carbon riguarda la cybersecurity, con particolare attenzione alla ricerca delle vulnerabilità, alla verifica della loro effettiva sfruttabilità e alla produzione di correzioni software. Nel benchmark SEC-bench Pro, dedicato all’individuazione autonoma di vulnerabilità complesse in software reali, il modello ha raggiunto l’88,2%, migliorando l’83,4% di Argon. Su ExploitGym, utilizzato per verificare se le vulnerabilità identificate possano essere effettivamente sfruttate, Carbon ha ottenuto il 54,8%, rispetto al 42,0% del modello precedente, con un incremento di 12,8 punti percentuali. Nel benchmark CWE-bench, sviluppato da Collinear per valutare la capacità di generare correzioni funzionanti a problemi di sicurezza conosciuti, il risultato è salito dal 68,0% al 71,0%. Queste prove misurano fasi differenti del processo di difesa: l’identificazione di una vulnerabilità non implica necessariamente la possibilità di sfruttarla, così come la dimostrazione della sua sfruttabilità non garantisce che una modifica al codice elimini correttamente la causa del problema. Google ha precisato che le valutazioni esterne sulla cybersecurity sono state condotte senza i meccanismi di protezione applicabili alle distribuzioni operative del modello. Nei test interni dedicati alla generazione di codice sicuro, Carbon ha ottenuto un tasso di successo superiore al doppio di quello di Argon. Il gruppo di sviluppo di Chrome ha inoltre osservato prestazioni più di dieci volte superiori rispetto a quelle di un modello avanzato sviluppato da un altro laboratorio nella produzione di patch di qualità, senza tuttavia pubblicare il nome del modello concorrente o i dati completi della prova. Wiz, la piattaforma di sicurezza cloud di Google, ha rilevato risultati particolarmente elevati anche nelle valutazioni di penetration testing web, un ambito utilizzato nell’iniziativa Scan for Good.
L’ampliamento delle capacità agentiche è accompagnato da modifiche ai meccanismi di sicurezza e controllo del comportamento del modello. Gemini 4 Carbon utilizza l’infrastruttura multilivello già sviluppata per Argon, comprendente interventi durante l’addestramento, sistemi di difesa dall’utilizzo improprio, protezioni contro le istruzioni malevole incorporate nei contenuti elaborati e monitoraggio dei processi di ragionamento. Google ha concentrato ulteriori attività sull’allineamento del modello durante compiti complessi o svolti in condizioni operative particolarmente impegnative, cercando di limitare la tendenza degli agenti a utilizzare scorciatoie, aggirare i vincoli assegnati oppure dichiarare completate attività non realmente eseguite. Nel benchmark Terminal-Bench 4.0, la percentuale di comportamenti fraudolenti riusciti è scesa allo 0,0%, mentre i tentativi rilevati sono diminuiti allo 0,4%. Durante le sessioni di programmazione interne, gli avvisi di disallineamento classificati ad alta gravità sono diminuiti di quasi l’80%. Le misurazioni aziendali hanno inoltre registrato una riduzione del 26% dei comportamenti che superano i limiti dell’attività richiesta e del 29% dei casi nei quali il sistema non fornisce il livello di assistenza necessario. Le affermazioni non supportate da evidenze sono risultate approssimativamente dimezzate rispetto ad Argon. Secondo Google, Carbon è stato addestrato a rendere esplicite le limitazioni metodologiche delle proprie elaborazioni, identificare le informazioni mancanti e segnalare le attività che non è stato possibile completare, anziché produrre risultati apparentemente definitivi in assenza di verifiche sufficienti. L’azienda ha inoltre dichiarato una maggiore capacità di recuperare fonti pertinenti e segnalare eventuali discrepanze prima di procedere con l’esecuzione di operazioni ambigue.
La resistenza ai tentativi di manipolazione attraverso prompt injection è stata valutata utilizzando Gray Swan Indirect Prompt Injection Benchmark, che verifica la capacità dei modelli di riconoscere e respingere istruzioni malevole presenti indirettamente nei materiali consultati. Gemini 4 Argon aveva registrato un tasso di successo degli attacchi dello 0,7%, mentre Carbon ha raggiunto lo 0,0% sui tentativi compresi nella valutazione. Il risultato indica che nessuno degli attacchi esaminati è riuscito a superare le difese del modello nelle condizioni del test, senza dimostrare una protezione assoluta contro tutte le possibili tecniche di manipolazione. Le verifiche indipendenti di Artificial Analysis hanno tuttavia evidenziato un comportamento più articolato sul piano dell’affidabilità fattuale. Nel benchmark AA-Omniscience, Carbon ha ottenuto il miglior punteggio complessivo, pari a 54, superando di sei punti Claude Opus 5.5 nella configurazione Max. La percentuale di risposte corrette è salita al 58%, rispetto al 48% di Argon, ma il tasso di allucinazione misurato dalla stessa valutazione è aumentato dal 4% all’11%. La metodologia del benchmark calcola quest’ultimo indicatore rapportando le risposte errate alla somma delle risposte errate, parzialmente corrette e non fornite: il valore dell’11% non significa quindi che l’11% di tutte le risposte prodotte dal modello sia inventato. L’aumento della capacità di fornire risposte corrette e il contemporaneo peggioramento di questo specifico indicatore mostrano che i progressi nel ragionamento fattuale non corrispondono necessariamente a una riduzione uniforme degli errori. La diminuzione delle affermazioni prive di supporto osservata nei test interni di Google e i risultati indipendenti di AA-Omniscience si riferiscono inoltre a metodologie differenti.
Le prestazioni di Gemini 4 Carbon nei compiti professionali e nell’automazione aziendale presentano miglioramenti rispetto ad Argon, ma non determinano un primato in tutte le categorie. Nel benchmark Vals Index 2.2, dedicato ad attività professionali, Carbon ha ottenuto il 70,4%, rispetto al 69,2% di Argon e al 70,2% di Claude Opus 5.5. Su AutomationBench il risultato è passato dal 51,3% al 53,9%, mentre nella valutazione OSWorld 2.1, relativa all’utilizzo del computer e basata su un sottoinsieme offline, Carbon ha raggiunto l’81,5%, contro il 74,7% di Argon e l’87,2% di Opus. Nei compiti scientifici di Terminal-Bench-Science 0.1, il nuovo modello ha ottenuto il 64,8%, migliorando il precedente 52,9%. Artificial Analysis ha inoltre misurato le prestazioni nel benchmark AA-Briefcase, dedicato alla produzione di risultati professionali attraverso attività articolate che richiedono documenti, presentazioni, analisi e altri materiali operativi. Carbon ha raggiunto 1.609 punti Elo, con un aumento di 126 punti rispetto ad Argon nella configurazione High, rimanendo comunque dietro a Kimi K3.1 Pro, con 1.678 punti, Muse Wonder Max, con 1.659, e Grok 4.7 Xhigh, con 1.638. La qualità delle presentazioni ha registrato un incremento di 293 punti Elo, raggiungendo 1.598, mentre quella delle elaborazioni analitiche è migliorata di 120 punti Elo, arrivando a 1.671. Ulteriori prove hanno evidenziato progressi nell’interpretazione dei grafici, nella somiglianza rispetto a progetti grafici di riferimento e nelle capacità matematiche. Nel benchmark Vending-Bench 2, che simula la gestione autonoma di un’attività commerciale durante un periodo prolungato, Carbon ha concluso la prova con un saldo di 16.484 dollari, rispetto ai 13.718 di Argon e ai 15.515 di Astra, tornando al primo posto della specifica valutazione. Il saldo costituisce un risultato interno alla simulazione e non rappresenta un rendimento economico prodotto in condizioni commerciali reali.
Google ha comunicato anche il modello di prezzo previsto per Gemini 4 Carbon, mantenendo inizialmente le stesse tariffe promozionali introdotte per Argon. Il costo annunciato è di 2 dollari per milione di token in ingresso e 10 dollari per milione di token in uscita, con uno sconto del 95% sui token di input recuperati dalla cache, equivalente a 0,10 dollari per milione di token. Al termine del periodo promozionale, le tariffe saliranno a 4 dollari per milione di token in ingresso e 20 dollari per milione di token in uscita. Per Argon è già prevista la conclusione della fase introduttiva il 30 novembre 2026, con applicazione dei nuovi prezzi dal 1° dicembre, mentre per Carbon non è stata ancora indicata una scadenza precisa. Un’elaborazione che richiedesse 10 milioni di token di input non memorizzati in cache e un milione di token di output comporterebbe, alle tariffe annunciate, un costo di 30 dollari durante il periodo promozionale e di 60 dollari successivamente, senza considerare eventuali ulteriori addebiti. L’identità dei prezzi per token rispetto ad Argon non permette tuttavia di stabilire se Carbon risulti più economico per completare una determinata attività, poiché Google non ha pubblicato dati comparativi sufficienti sul numero di token consumati, sui tentativi necessari e sui tempi effettivi di elaborazione. Non sono state inoltre specificate le modalità tecniche di gestione della cache del nuovo modello. Le informazioni commerciali devono essere considerate condizioni annunciate per la futura distribuzione e non tariffe di un servizio API già generalmente disponibile.
La distribuzione iniziale di Gemini 4 Carbon rimane limitata ai professionisti della cybersecurity selezionati attraverso il Fairwind Program, mentre Google prosegue il percorso volontario statunitense di valutazione dei modelli avanzati prima del rilascio, raccogliendo risultati operativi e osservazioni per perfezionare le protezioni. Successivamente l’accesso verrà esteso ad altri partner considerati affidabili, prima dell’integrazione nei prodotti destinati a sviluppatori, imprese e consumatori. A differenza di Gemini 4 Argon, già disponibile attraverso le API Gemini e in diversi servizi Google, Carbon non dispone ancora di una documentazione API pubblica equivalente. Google non ha comunicato il numero di parametri del modello, l’eventuale presenza di modifiche architetturali rispetto ad Argon, i limiti definitivi della finestra di contesto, le modalità di ragionamento selezionabili, un identificativo API pubblico o un calendario preciso di distribuzione nei differenti prodotti. Argon dispone attualmente di una capacità contestuale documentata superiore al milione di token e supporta input testuali, immagini, audio, video e PDF, oltre a chiamate di funzione, esecuzione di codice, risposte strutturate e funzionalità sperimentali di interazione con il computer; non è però confermato che tutte queste caratteristiche vengano trasferite senza modifiche a Carbon. Il nuovo modello viene quindi introdotto con risultati dichiarati e verifiche indipendenti che mostrano miglioramenti nelle attività di programmazione, nella cybersecurity e nel ragionamento prolungato, mentre le specifiche di utilizzo e le condizioni della sua effettiva distribuzione commerciale restano in fase di definizione.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI).