Gemini 4 Carbon、長期エージェント開発とサイバー防御を強化

Google DeepMindは、新たなフロンティアモデルGemini 4 Carbonを発表した。Gemini 4 Argonの公開から約2週間後の発表で、Carbonは単発の回答精度だけでなく、複雑な作業を長時間継続する能力を前面に押し出している。大規模なコードベースや低レイヤーシステムを対象に、失敗や行き詰まりを経ても計画を見直しながら作業を続けることが狙いだ。

主なポイント

• 総合評価：Artificial Analysis Intelligence Index v5.0で59点を獲得し、1位になった。
• 防御ライフサイクル全体を対象：SEC-bench Proの脆弱性発見で88.2%、ExploitGymの悪用検証で54.8%、CWE-benchの修正で71.0%を記録した。
• 長期的な開発作業：同社によれば、内部チームの検証では数日間にわたってバグの原因究明やパッチ作成を進められた。WebDev Arenaでは89 Elo上昇し、1768点で4位となった。
• 実行の信頼性：根拠のない主張はArgon比でおよそ半減し、過剰な実行は26%、サービス不足は29%減少した。内部のライブコーディング環境では、高重大度のアラインメント警告も約80%減ったという。

安全性と提供方法

Carbonは、モデル訓練、リアルタイムの悪用防止、プロンプトインジェクション対策、思考過程の監視を組み合わせたArgonの多層安全機構を引き継ぐ。Terminal-Bench 4.0では不正な近道に成功しなかった一方、試行自体は0.4%あった。また、Gray Swanの間接プロンプトインジェクション評価では、検証された攻撃の成功率が0.0%だったと説明されている。

ただし、これらはGoogleが公表した評価結果であり、外部環境での再現性や実運用上の安全性を保証するものではない。サイバーセキュリティの数値はガードレールなしで評価されており、防御に有用な脆弱性発見・悪用能力は、同時に二重用途のリスクも高める。ベンチマークの高さだけで、無条件に自律運用へ移行できるわけではない。

そのため、Googleは段階的な展開を選んだ。まずFairwind Programを通じて一部のサイバー防御担当者に提供し、フィードバックを集めながら信頼できるパートナーへ対象を広げる。開発者、企業、一般消費者への提供も予定されているが、発表時点で全面公開は行われていない。

価格はArgonと同じ導入価格で、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。キャッシュ入力は入力料金から95%割り引かれる。今回の意義は、Carbonがモデルを短い対話の道具から、持続的に作業する開発協力者へ近づけようとしている点にある。今後は、曖昧な要件や不完全な証拠を含む現場で、結果を監査可能な形で出せるかが問われる。

出典：Google DeepMind