Google, en güçlü modeli Gemini 4 Carbon’u tanıttı

Google’ın yeni en güçlü modeli

Google, Gemini 4 Carbon’u 28 Ekim’de tanıttı. Duyuruyu Google DeepMind’ın kıdemli başkan yardımcısı ve Google’ın baş yapay zeka mimarı Koray Kavukcuoğlu imzaladı. Google, Carbon’u en güçlü modeli olarak tanımlıyor ve iki alanı öne çıkarıyor: siber güvenlik ve uzun soluklu işler. Model, Google’ın iki hafta önce geliştiricilere ve ücretli kullanıcılara açtığı Gemini 4 Argon’un ardından geliyor.

Google AI@GoogleAI

En güçlü modelimiz Gemini 4 Carbon'u duyuruyoruz: siber güvenlikte ve uzun soluklu işlerde alanının en iyisi.

Carbon çoğu testte bir basamak yukarı çıkıyor; otonom kodlamada ve siber savunmada güçlü, öncü düzeyde performans sunuyor.

Carbon'u önce Fairwind programımızdaki güvenilir siber savunucuların bir kısmına açıyoruz. Erişimi en kısa sürede genişleteceğiz.

İngilizceden çevrildi·Orijinalini göster

Bağımsız ölçümlerde birinci sırada

Artificial Analysis’in Intelligence Index v5.0 sıralamasında Carbon, 59 puanla 52 model arasında birinci. Google’ın paylaştığı tabloya göre aynı endekste Claude Opus 5.5 58, GPT-6 Astra 57, Gemini 4 Argon 50 puanda. Endeks; akıl yürütme, kodlama, ajan görevleri ve bilgi testlerini tek bir puanda topluyor.

Artificial Analysis’e göre Carbon’un endeksteki görev başına maliyeti 7,76 dolar. Model endeks sırasında 200 milyon token üretti; endeksteki modellerin ortancası 64 milyon. Bağlam penceresi 1 milyon token. OfficeChai’nin Artificial Analysis verilerine dayanarak aktardığına göre Claude Opus 5.5’in görev başına maliyeti 10,04 dolar. Aynı habere göre Carbon’un bilgi testlerindeki halüsinasyon oranı %11, Opus 5.5 ve GPT-6 Astra’da ise %50.

Vals AI’ın Vals Index v2.2 sıralamasında Carbon %70,4 ile Opus 5.5’in (%70,2) hemen önünde. Web geliştirme görevlerinde modelleri karşılaştıran WebDev Arena’da puanı 89 artışla 1768’e çıktı; model bu sıralamada dördüncü.

Her testte önde değil

Google’ın tablosu Carbon’un geride kaldığı testleri de gösteriyor. Kodlama testi FrontierSWE 2’de GPT-6 Astra %65,5 ile Carbon’un (%61,2) önünde. Bilgisayar kullanımını ölçen OSWorld-2.1’in çevrimdışı alt kümesinde Claude Opus 5.5 %87,2, Carbon %81,5 aldı.

Carbon’un önde olduğu testler ise geniş bir alana yayılıyor. Terminal görevlerini ölçen Terminal-Bench 4.0’da %65,2 (Opus 5.5 %59,6), ajan görevlerinden oluşan Agents’ Last Exam v1.1’de %77,4 aldı. Uzun bağlamı ölçen GraphWalks’ta (256 bin ile 1 milyon token arası) %96,2 ile Argon’un %84,2’sinin ve rakiplerin çok önünde. Sanal bir otomat işletmesini yönettiği Vending-Bench 2’de dönemi 16.484 dolarla kapattı; GPT-6 Astra 15.515, Opus 5.5 9.235 dolarda kaldı.

Siber güvenlikte büyük fark

Google, Carbon’un siber güvenlik sonuçlarını güvenlik filtreleri kapalıyken ölçtüğünü belirtiyor. Yazılım açıklarını bulma testi SEC-bench Pro’da Carbon %88,2 ile en yüksek puanı aldı; GPT-6 Astra %85,4, Argon %83,4’te. Açıkları istismar etmeyi ölçen ExploitGym’de görev başına 10 saatlik sınırla %54,8, 6 saatlik sınırla %53,5’e ulaştı. Aynı 6 saatlik sınırda Claude Opus 5.5 %34,5’te kaldı; süre sınırı olmadan çalışan GPT-6 Astra %42,4 aldı. Açıkları yamalamayı ölçen CWE-bench’te Carbon %71,0 ile önde; Argon, GPT-6 Astra ve Grok 4.7 %68,0’de.

Google’ın iç ölçümlerine göre Carbon’un güvenli kod üretme başarısı Argon’un iki katından fazla. Chrome ekibi, Carbon’un yüksek kaliteli yama üretmede başka bir laboratuvarın büyük modelinden 10 kattan fazla daha iyi sonuç verdiğini bildirdi; Google rakip modelin adını vermedi. Bulut güvenliği şirketi Wiz de Carbon’un web sızma testi ölçümlerinde önde olduğunu gördü.

Günlerce süren işler

Google’a göre şirket içindeki ekipler Carbon’un çok adımlı mühendislik işlerinde günlerce çalıştığını, çıkmaza girdiğinde de işi sürdürdüğünü gördü. Örnek olarak büyük kod tabanlarında ve düşük seviyeli sistemlerde ince hataların kök nedenini bulup yamalamak gösteriliyor.

Güvenlik iyileştirmeleri

Carbon, Argon’la aynı katmanlı güvenlik yapısı üzerine kuruldu: eğitim, gerçek zamanlı kötüye kullanım önlemleri, komut enjeksiyonuna (prompt injection) karşı dayanıklılık ve düşünce zinciri izleme. Gray Swan’ın dolaylı komut enjeksiyonu testinde saldırıların başarı oranı %0,0. Aynı testte Argon %0,7, Claude Opus 5.5 %1,0, GPT-6 Astra %8,5 oranında saldırıya yenildi.

Terminal-Bench 4.0’da başarılı hile oranı %0,0’a, hile girişimi %0,4’e indi. Google’ın canlı iç kodlama ortamlarında ciddi uyumsuzluk uyarıları yaklaşık %80 azaldı. Argon’a göre dayanaksız iddialar yaklaşık yarıya indi; istenenin ötesine geçme %26, eksik hizmet %29 azaldı. Google ayrıntıları Gemini 4 güvenlik raporunda yayımladı.

Fiyat ve erişim

Carbon, Argon’la aynı tanıtım fiyatıyla geliyor: milyon girdi token’ı için 2 dolar, milyon çıktı token’ı için 10 dolar. Önbelleğe alınan girdi token’ları %95 indirimli. Tanıtım dönemi bittiğinde fiyat milyon girdi token’ı için 4, milyon çıktı token’ı için 20 dolar olacak.

Model bu hafta itibarıyla yalnızca seçili siber güvenlik ekiplerine açılıyor. Erişim, Google’ın Fairwind programı üzerinden diğer güvenilir ortaklara kademeli olarak genişleyecek. Google, ABD hükümetinin gönüllü yayın öncesi model testi sürecine de katıldığını belirtti. Geliştiriciler, şirketler ve kullanıcılar için tarih verilmedi; Google yalnızca “en kısa sürede” diyor.