Google Rilis AI Gemini 4 Carbon yang Kalahkan Claude dan GPT-6

Google mengumumkan Gemini 4 Carbon pada Rabu, dua minggu setelah Gemini 4 Argon. Carbon menempati peringkat pertama Intelligence Index v5.0 dengan skor 59 dan mulai dibuka bertahap pekan ini untuk perusahaan pertahanan siber terpilih melalui Fairwind Program.

Seperti dilaporkan The Verge, Carbon membawa peningkatan coding, tugas agen, dan keamanan siber dibanding Argon yang rilis awal bulan ini. ShiftDelete.Net Global mencatat Carbon sebagai model terkuat Google dengan peringkat satu kecerdasan AI, kekuatan siber, dan akses terbatas dalam persaingan melawan OpenAI serta Anthropic, sementara Skoar! on MSN menyebut peningkatan coding, tugas otonom, dan kemampuan keamanan siber.

Unggul di benchmark umum, siber, dan web

Dalam blog resmi Google, The Keyword, Carbon meraih peringkat satu Intelligence Index v5.0, yaitu uji gabungan Artificial Analysis yang terdiri atas kerja pengetahuan, coding, sains, dan kemampuan umum dengan bobot sama, dengan skor 59. The Verge mencatat Claude Opus 5.5 dan GPT-6 Astra tertinggal di belakang pada benchmark umum tersebut.

The Keyword melaporkan tiga angka eksternal yang diuji tanpa guardrail, yaitu lapisan pengaman bawaan. SEC-bench Pro, uji menemukan bug dunia nyata, mencatat 88,2 persen untuk menemukan kerentanan. ExploitGym, uji mengubah kerentanan menjadi exploit yang bekerja, mencatat 54,8 persen, sedangkan CWE-bench, uji menambal kelemahan perangkat lunak, mencatat 71,0 persen. Google menyebut capaian itu mencakup alur deteksi kerentanan, validasi, dan perbaikan.

Untuk pengembangan web, The Keyword mencatat kenaikan 89 poin ELO hingga 1768 yang menempatkan Carbon di peringkat keempat WebDev Arena; Mezha melaporkan kenaikan dan peringkat yang sama. Arena itu menilai kualitas output dan artefak web full-stack lewat perbandingan antar-model.

Untuk ketahanan prompt-injection, yaitu serangan sisipan perintah tersembunyi agar model menyimpang, evaluasi Grey Swan mencatat 0 persen serangan berhasil pada Carbon, menurut Mezha yang merangkum laporan Ars Technica. Angka itu lebih rendah dari Argon 0,7 persen, Claude Opus 5.5 satu persen, dan GPT-6 Astra 8,5 persen. Angka lebih kecil berarti lebih sedikit serangan yang lolos.

Mezha menilai jarak antar-model frontier tetap rapat. Menurut laporan itu, Carbon mengungguli GPT-6 Astra, Claude Opus 5.5, dan Claude Fable 5.1 di hampir semua tes yang dilaporkan Google, tetapi semua model berada pada rentang serupa dengan selisih hanya beberapa poin. Carbon juga unggul tipis atas Argon di setiap tes yang dilaporkan Google.

Harga perkenalan dan akses bertahap Fairwind

The Keyword menetapkan harga perkenalan API 2 dolar AS per satu juta token input dan 10 dolar AS per satu juta token output, dengan potongan 95 persen untuk token input yang disimpan di cache. Token adalah potongan teks yang diproses model, sedangkan cached input memberi tarif murah untuk konteks yang dipakai ulang. The Verge menyebut tarif itu sama dengan harga perkenalan Argon.

Menurut Mezha, kedua harga itu akan naik dua kali lipat setelah masa perkenalan berakhir. Tarif diskon Argon hanya berlaku hingga akhir November, tetapi Google belum memberi tanggal kenaikan harga Carbon dan menolak merinci saat ditanya, sehingga jadwal pastinya belum diputuskan.

The Keyword menyatakan Google memakai pendekatan deliberatif, terlibat dalam proses sukarela pemerintah AS untuk pengujian model pra-rilis, dan mulai pekan ini membuka Carbon untuk sebagian pembela siber sebelum memperluas bertahap ke mitra tepercaya lewat Fairwind Program. The Verge menyebut Carbon saat ini hanya tersedia untuk kelompok perusahaan pertahanan siber pilihan dan kelak meluas ke mitra Fairwind Program lain.

Mezha menuliskannya sebagai Fairwinds, sementara Google menulis Fairwind Program. Menurut Mezha, Google belum menetapkan tanggal ketersediaan luas dan peluncuran bertahap menunggu pengujian tambahan selesai. Jika mengikuti pola Argon, Carbon bisa tiba dalam hitungan minggu, tetapi waktunya belum pasti, dan pelanggan AI Ultra serta pengembang API Gemini kemungkinan mendapat giliran pertama.

Klaim internal belum terverifikasi dan status teknis

Google menyebut Carbon dirancang untuk tugas rekayasa jangka panjang. Menurut klaim internal tim yang dikutip The Keyword, model ini berjalan berhari-hari, melewati jalan buntu, dan menangani tugas multi-langkah, mulai mencari akar masalah hingga menambal bug halus di codebase besar dan sistem tingkat rendah.

Klaim internal Google soal keamanan siber mencakup uplift lebih dari dua kali lipat untuk tingkat keberhasilan menghasilkan kode aman dibanding Argon serta klaim tim Chrome bahwa Carbon lebih dari 10 kali lipat lebih baik dari model frontier besar lab lain dalam menghasilkan patch berkualitas tinggi, seperti dilaporkan The Keyword dan Mezha dalam satu paket angka yang sama. Angka-angka itu berasal dari benchmark internal dan lingkungan coding langsung Google, bukan dari pengujian independen.

Klaim internal Google juga mencakup perbaikan kejujuran dan kolaborasi. The Verge melaporkan Carbon disebut lebih baik menghindari jalan pintas, menolak serangan injeksi, bekerja sama dengan pengguna, dan memangkas klaim tak didukung dua kali lipat dibanding Argon. The Keyword menambahkan tim internal melihat tingkat ketidakselarasan dan fabrikasi lebih rendah di lingkungan coding langsung, plus peningkatan coding, agen, sains, dan pemahaman multimodal.

Status teknis Carbon masih menyisakan pertanyaan, menurut Mezha. Google mempresentasikannya sebagai model baru, tetapi bahan yang ada tidak memastikan apakah Carbon sebenarnya peningkatan post-training dari Argon. Mezha mencatat banyak kemiripan dan keunggulan tipis di semua tes, sehingga label arsitektur baru belum bisa dipastikan dari data yang dibuka.

Untuk pengaman, The Keyword menyebut Carbon memakai tumpukan keamanan berlapis yang sama dengan Argon, meliputi pelatihan model, pertahanan penyalahgunaan real-time, ketahanan prompt-injection, dan pemantauan chain-of-thought, yaitu penelaahan langkah penalaran model. Platform keamanan cloud Wiz melihat Carbon memimpin benchmark web penetration testing untuk inisiatif Scan for Good.