GoogleがGemini 4 Carbonを公開：APIの導入価格は入力100万トークン2ドル・出力10ドルで、導入期間は11月30日に終わり、その後は一般向けCarbonモデルに4ドルと20ドルを適用。サイバー結果はFairwindプログラム経由に限る

2026年11月10日、Googleは「Gemini 4 Carbon」を開発者、企業、科学者、一般ユーザー向けに公開しました。発表はGoogleのブログに、Google DeepMindのSVP兼チーフAIアーキテクトであるKoray Kavukcuoglu氏の名義で掲載されています。GoogleはCarbonを同社で最も強力なモデルと位置づけ、サイバーセキュリティと、複雑な知識業務、ソフトウェア開発、科学的推論といった長期にわたるエージェント作業で「最先端の性能」を持つとしています。記事中の性能に関する記述はほぼすべてGoogleが伝えるもの、またはGoogleが選んで掲載したパートナー企業の引用です。主要な比較に使われた4つのベンチマーク、CursorBench 4.0、WANDR、AutomationBench、MKAについて、本文は順位とコスト比を示すだけで絶対スコアは示していないため、本稿はすべてを「主張」として扱い、Googleが示す比較対象を併記します。

CarbonはGoogleが先に公開したGemini 4 Argonの上位に位置します。Googleによると、Carbonは約2週間前にFairwindプログラムを通じて一部のサイバー防御担当者に先行提供されました。Argonは引き続き「大半のソフトウェア開発と知識業務に最適」とされ、Carbonは複雑な多段階のコーディングやデバッグ、自由度の高い科学研究など、モデルの限界を試すタスク向けです。そのためArgonより多くのトークンを使って探索し、推論し、長い検証ループを回します。ここは読者が押さえるべきトレードオフです。トークン単価が同じでも、長く考えるモデルは1回の依頼あたりの費用が増えることがあります。

ベンチマークについて、GoogleはCarbonがCursorBench 4.0、PerplexityのWANDR、ZapierのAutomationBenchで1位であり、「次に優れた外部モデルと比べてタスクあたりのコストが2倍以上低い」としています。この3つのベンチマークのスコアもタスクあたりのドル額も示されていないため、この「2倍」はGoogleが伝える、名前の挙がらない競合に対する比率で、Googleはこれらを「独立したベンチマーク」と呼びますが、誰が測定したかは本文にありません。GoogleはArtificial Analysisと共同で、グラフ、画像、設計図、回路図、表を含む密度の高いファイルをモデルが扱うエージェント作業を測る新しいベンチマークMultimodal Knowledge Agent（MKA）も発表しました。MKAでCarbonは2位で、Googleは1位のモデルよりタスクあたりの平均コストが6倍以上低いとしています。1位のモデルが何かは本文に書かれていません。リリース前の評価では、HebbiaのE2E Financial Agentic評価で試した中の最良モデルと並び、Balyasny Asset Managementの総合金融知能ベンチマークでは23の最先端モデル構成の中で最上位だったとGoogleは述べています。

価格と提供範囲は具体的に書かれています。CarbonはGoogle AI Studioと企業向けGeminiのAPIで、すべての有料の開発者と企業が利用できます。導入期間の価格はArgonと同じで、入力100万トークンあたり2ドル、出力100万トークンあたり10ドルです。脚注によると、この導入期間は2026年11月30日に終わり、その後は入力100万トークンあたり4ドル、出力100万トークンあたり20ドルとなり、これは一般向けに提供されるCarbonモデルに適用されると記されています。CarbonはGoogle Antigravity、Geminiアプリ、検索のAIモードでも、すべてのGoogle AI Ultra加入者向けに順次展開中です。Googleの別の開発者向け投稿では、有料APIティアはGoogle AI StudioとAndroid Studioにあり、Ultra加入者はAI StudioとAntigravityで使えると補足しています。「順次展開」は全員がまだ使えるわけではないことを意味し、すべてのUltra加入者に届く日付はGoogleから示されていません。

GitHubは同じ日に、CarbonがGitHub Copilotで一般提供になったと発表しました。対象はCopilot Pro+、Max、Business、Enterpriseのユーザーで、モデルピッカーにはVisual Studio Code、Visual Studio、Copilot CLI、Copilotコーディングエージェント、Copilotアプリ、github.com、GitHub Mobile、JetBrains IDE、Xcode、Eclipseで表示されます。GitHubによると、料金はプロバイダーの定価で、従量課金のもとで請求され、展開は段階的です。Copilot BusinessとEnterpriseでは、管理者がモデルポリシーでアクセスを管理します。既定のモデル有効化の設定では、管理者がグローバル既定をオフにしたか、このモデルを明示的に無効にしていない限り、新しいモデルは自動的に有効になります。

大規模なプロジェクト向けに、GoogleはGoogle Antigravityで/swarmという機能をプレビューしています。1つのプロンプトを、リアルタイムで追跡できるエージェントのチームに変えるものです。開発者は設計、調整、監査のように最も深い推論が必要な役割にCarbonを割り当て、並列の分離されたワークスペースで、より速く軽いモデルや、変更を一つずつ検証する敵対的な検証役と組み合わせられます。Googleはいくつかのデモを示しています。そのうちの1つでは、市議会の公開計画PDF 7件（抽出した設計図ビュー206点を含む）と1つのプロンプトから、Carbonのエージェントチームが10回の夜間ループでGoogleのPlatform 37オフィスの対話型Three.js再現（三角形90.6万個）を作りました。これらはGoogle自身のショーケースで、何回試し、何回失敗したかは書かれていません。

記事には顧客の声も集められています。HubXは、14,000テストのコードベースにおける実際のバグ修正16件で、Carbonの解決率は94%、リグレッションはゼロだったとしています。母数は16件で、1件が約6ポイントに相当するため、小さな標本です。Boxは自社のテストでCarbonが公共部門タスクで100%を記録したとしますが、タスク数は示していません。OpenCodeは、Carbonが一晩で新しいRust製UIライブラリを作り、デスクトップアプリを書き直したと述べています。Cartwheelは、ほとんど指示を出さずに6日間かけて布のシミュレーションに取り組んだとしています。これらは発表時に発言することを選んだ企業の引用で、独立した測定ではありません。

サイバーセキュリティの部分には見落としやすい条件があります。結果は「Carbon for cyber」のもので、Fairwindプログラムを通じてのみ利用できます。Googleは、このプログラムを通じてCarbonが、脆弱性の発見のSEC-bench Pro、悪用のExploitGym、修正のCWE-bench v1で首位だとしますが、この3つのベンチマークのスコアは示していません。一方で内部ベンチマークの数字は挙げています。スキャン、トリアージ、修正を担うGoogleのProject Fortifyで、Carbonは同社の内部ベンチマークにおいてスキャンの再現率100%、トリアージの適合率95%を達成したとしています。パートナーも独自に述べています。SentinelOneは、管理されたカーネルドライバー評価でCarbon for cyberが検証済みの脆弱性をさらに4件見つけたとし、Armadinは前世代の半分のステップで結果に到達したとしています。本文によると、サイバー防御担当者はFairwindプログラムへの参加を申請でき、順次受け入れられますが、完全な参加資格や審査条件は示されていません。そのため一般の開発者は、これらのサイバー結果が自分が購入できるモデルにも当てはまると考えるべきではありません。

科学分野では、薬剤毒性を研究するAxiom Bioが、Carbonをトランスレーショナルサイエンスで最も優れたモデルと評価し、本番の分析とエージェントをCarbonとArgonの両方へ移していると、Googleは述べています。4週間前、Googleは1万人の科学者にAntigravityでArgonを6か月間無料で使えるようにするプログラムの申請を開始し、今回、その利用権を現在および今後の参加者向けにCarbonへ拡大しました。受け入れは毎週のローリング方式で、資格、容量、選考に左右されます。Googleはまた、CarbonがArgonの安全・セキュリティ基盤の上に構築され、悪用やプロンプトインジェクションへの防御が追加されたとし、別の安全・セキュリティ報告書とモデルカードを案内しています。記事自体にも安全性テストの数字がいくつか載っています。たとえばGoogleは、自社の375タスクのエージェント誠実性ベンチマークでCarbonが92%のタスクに合格し、Argonは70%だったとしています。一部の数字はGray SwanやTrajectory Labsなど名前の挙がった外部のテスト実施者によるものです。本稿はどれも再現しておらず、別の報告書とモデルカードも読んでいないため、その内容については何も述べません。

現時点で読者が確認できる範囲は限られます。価格、導入期間の終了日、提供製品の一覧、Copilotのプランは明記された事実です。順位とコスト比は、Googleが「独立した」と呼ぶベンチマークの結果をGoogleが伝えたもので、誰が測定したかは書かれていません。顧客の結果は、発表記事のために選ばれた顧客自身の説明です。本稿はどれも再現していません。記事内の図表と動画は本稿では読んでいません。あるワークロードでArgonではなくCarbonを選ぶ前に、チームは自分たちでテストを行い、トークン単価だけでなくタスクあたりのトークン数も測り、2026年11月30日に導入期間が終わった後に適用される新価格に備えるべきです。