Google 發佈 Gemini 4 Carbon，提升長時間開發及漏洞發現與修復能力
Google、Gemini 4 Carbonを発表 ——長時間の開発作業と脆弱性の発見・修正を強化
Google 發佈新模型 Gemini 4 Carbon，提升跨多個工程階段的長時間開發能力，並改善漏洞發現、利用可能性驗證及修復能力。
文章並列漏洞發現、利用驗證與修復基準及分階段開放安排，呈現模型能力提升如何影響其安全部署方式。
Googleは2026年10月28日、新しいAIモデル「Gemini 4 Carbon」を発表した。複数の工程にまたがる長時間の開発作業と、脆弱性の発見から修正までのサイバー防御で能力を高めたとしている。発表週に一部のサイバー防御担当者への提供を始め、対象を段階的に広げる。開発者、企業、一般ユーザーにも今後提供する方針を示した。
数日間の開発作業を継続、回答や実行の信頼性も改善
Gemini 4 Carbonは、10月13日に提供を開始したGemini 4 Argon[1]をもとに、コードを書く能力や、ツールを使いながら作業を進める能力を高めたモデル。Googleの社内では、Carbonが大規模なコードベースや低レベルのシステムに潜むバグの原因調査と修正に数日間取り組む例があった。途中で行き詰まっても作業を続けたという。
Googleは、依頼範囲を越えた行動や、必要な作業を十分に行わないケースを減らし、プロジェクトの制約を守って作業を最後まで進める能力も高めたとしている。指示が曖昧な場合には、関連資料を調べ、食い違いがあれば実行前にユーザーへ伝えるという。
社内テストでは、根拠のない主張もArgonに比べて約半分に減らした。調査や検証の方法に限界があれば成果物に明記し、実行条件がそろわない処理は、何が不足しているかを示して見合わせるという。また、Terminal-Bench 4.0では、課題の正答率を高めながら、評価上の不正行為（cheating）が成功した割合を0.0％、不正を試みた割合を0.4％に減らしたとしている。
Googleによると、AIモデルの能力を総合的に評価するArtificial Analysis Intelligence Index v5.0で、Carbonはスコア59を記録し、首位となった。同社が発表時に示した比較表では、Argonのスコアは50だった。
Gemini 4 Carbon is our next frontier model. It’s state-of-the-art across cybersecurity and long-horizon capabilities.
— Google DeepMind (@GoogleDeepMind) October 28, 2026
Googleのモデル評価資料には、この総合評価に加え、Artificial Analysisが測定したTerminal-Bench系の結果も掲載されている。コーディング分野のTerminal-Bench 4.0（AA）と、科学分野のTerminal-Bench-Science 0.1（AA）について、他社モデルとの比較は次のとおり。
| モデル | Terminal-Bench 4.0（AA） | Terminal-Bench-Science 0.1（AA） |
|---|---|---|
| Gemini 4 Carbon | 65.2％ | 64.8％ |
| Gemini 4 Argon | 57.1％ | 52.9％ |
| GPT-6 Astra | 59.1％ | 63.3％ |
| Claude Opus 5.5 | 59.6％ | 59.0％ |
| Claude Fable 5.1 | 52.0％ | 43.3％ |
脆弱性の発見、悪用可能性の検証、修正で性能を評価
Googleは、脆弱性の発見から悪用可能性の検証、原因の修正まで、サイバー防御の各段階でCarbonの能力が向上したとしている。悪用可能性の検証は、防御担当者が脆弱性を修正する必要があるか、どれを優先して対処するかを判断するために行う。
社内ベンチマークでは、安全なコードを生成する成功率がArgonの2倍を超えたという。次の3つのベンチマークでは、モデルの安全上の制限であるガードレールを外した条件で性能を評価した。SEC-bench ProとExploitGymはGoogleが、CWE-bench v1はCollinear AIが評価を実施した。
- 脆弱性の発見（SEC-bench Pro）では、JavaScriptエンジンの脆弱性を見つけ、それを再現する検証コードを作る課題に取り組む。1回の試行による成功率はCarbonが88.2％、Argonが83.4％だった[2]。
- 悪用可能性の検証（ExploitGym）では、既知の脆弱性を悪用するコードを作成できるかを評価する。1課題の制限時間を10時間にした場合、成功率はCarbonが54.8％、Argonが42.0％だった。標準の6時間では、それぞれ53.5％、39.5％となった。評価時はインターネットに接続せず、評価環境で攻撃を妨げる緩和策を無効にしている。
- 脆弱性の修正（CWE-bench v1）では、コードを監査して脆弱性を修正する課題に取り組む。1回の試行による成功率はCarbonが71.0％、Argonが68.0％だった[3]。
評価の詳しい条件や判定方法は、前述のモデル評価資料を参照のこと。
プロンプトインジェクションへの耐性も改善
Googleは、間接的なプロンプトインジェクションへの耐性も改善したとしている。この攻撃では、モデルが扱う文書などに悪意ある指示を埋め込み、本来の依頼から逸脱させようとする。Gray SwanのIPIベンチマークでは、15回の攻撃試行を認める条件で、攻撃成功率がArgonの0.7％からCarbonの0.0％に下がった。
防御担当者から段階提供、開発者や一般ユーザーにも拡大へ
Googleは、Gemini 4 Carbonを一部のサイバー防御担当者に先行提供し、Fairwind Programを通じて信頼されたパートナーへ提供対象を順次広げる。同プログラムは、脆弱性の発見・修正に役立つ能力が攻撃にも悪用され得ることを踏まえ、防御側へ先行してモデルを提供する取り組み。政府や医療機関、通信事業者などを対象とし、参加には審査がある。
今後は、フィードバックの収集とガードレールの改善を続けたうえで、開発者、企業、一般ユーザーにも各製品を通じてできるだけ早く提供することを目指している[4]。
予告した導入価格は100万トークンあたり入力2ドル、出力10ドルで、キャッシュ済み入力は入力料金の95％引きとする予定。導入期間の終了後は入力4ドル、出力20ドルとなる。
來源：gihyo.jp · gihyo.jp