Il 28 ottobre 2026 Google DeepMind ha presentato Gemini 4 Carbon, descritto come il modello più potente finora rilasciato dal laboratorio. Carbon si colloca al primo posto nella versione 5.0 dell'Artificial Analysis Intelligence Index, con un punteggio di 59, e mostra capacità avanzate su compiti di cybersecurity e su attività complesse che richiedono ragionamento prolungato nel tempo.
In breve
- Gemini 4 Carbon occupa il primo posto nella v5.0 dell'Artificial Analysis Intelligence Index, con punteggio 59.
- Raggiunge prestazioni di punta nella difesa informatica: 88,2% su SEC-bench Pro, 54,8% su ExploitGym, 71,0% su CWE-bench.
- È progettato per compiti "long horizon": workflow agentici che possono proseguire per giorni su problemi di ingegneria complessi.
- Il rilascio è graduale: parte da un gruppo ristretto di esperti di cybersecurity tramite il programma Fairwind, prima di arrivare a sviluppatori, aziende e consumatori.
- Il prezzo introduttivo è di 2 dollari per milione di token in input e 10 dollari per milione di token in output, con sconto del 95% sui token in cache.
Cos'è Gemini 4 Carbon e perché se ne parla
Gemini 4 Carbon è il nuovo modello di punta di Google DeepMind, annunciato come il più capace mai realizzato dall'azienda fino a questa data. Arriva poche settimane dopo Gemini 4 Argon, segno di un ritmo di sviluppo molto serrato nella famiglia Gemini. Secondo quanto dichiarato dal responsabile Google DeepMind Koray Kavukcuoglu, SVP e Chief AI Architect di Google, Carbon rappresenta il modello più forte del laboratorio per capacità di cybersecurity e per la gestione di compiti "long horizon", cioè attività che richiedono ragionamento sostenuto su archi di tempo prolungati, non semplici risposte immediate.
Il posizionamento al primo posto nella versione 5.0 dell'Artificial Analysis Intelligence Index — un indice che misura le capacità complessive dei modelli di intelligenza artificiale — conferma che l'aggiornamento non è marginale: tocca insieme coding, attività agentiche e compiti scientifici.
Quali sono le capacità avanzate di cybersecurity?
Gemini 4 Carbon ottiene risultati di riferimento lungo l'intero ciclo della difesa informatica: individuazione, validazione e correzione delle vulnerabilità. Nei benchmark esterni, valutati senza le protezioni aggiuntive del modello, Carbon raggiunge l'88,2% su SEC-bench Pro per l'individuazione autonoma di falle complesse in software reali, il 54,8% su ExploitGym per verificare quali vulnerabilità siano effettivamente sfruttabili, e il 71,0% su CWE-bench per trasformare i risultati validati in correzioni di codice funzionanti.
Sui benchmark interni, il modello mostra più del doppio del tasso di successo rispetto al predecessore Argon nella generazione di codice sicuro. Il team Chrome ha riportato che Carbon ha prodotto patch di qualità superiore di oltre dieci volte rispetto a un altro modello di frontiera concorrente. Anche Wiz, piattaforma di sicurezza cloud citata da Google DeepMind, segnala che Carbon è in testa nei benchmark dedicati al penetration testing web, una capacità centrale per le iniziative di scansione automatizzata della sicurezza.
Cosa significa "long horizon" e perché conta per i compiti complessi
Per "long horizon" si intende la capacità di un modello di portare avanti compiti articolati su più fasi, mantenendo coerenza anche quando il percorso richiede giorni di lavoro continuativo. Secondo quanto riportato da Google DeepMind, i team interni hanno osservato Carbon proseguire attività per giorni, superando vicoli ciechi per risolvere problemi ingegneristici complessi e multi-step, come l'individuazione e la correzione di bug sottili in grandi basi di codice e in sistemi a basso livello.
Questa capacità è ciò che distingue un modello adatto a rispondere a singole domande da uno capace di sostenere flussi di lavoro agentici: un agente che deve leggere, analizzare, decidere e agire su più passaggi successivi, senza perdere il filo del compito originale. Il miglioramento non riguarda solo la cybersecurity: Carbon mostra progressi anche nello sviluppo web full-stack, salendo di 89 punti Elo fino al quarto posto (1768) nella classifica WebDev Arena, oltre a miglioramenti nella comprensione multimodale.
Come viene gestita la sicurezza del modello stesso?
Gemini 4 Carbon mantiene la stessa architettura di sicurezza multilivello già adottata con Argon, che combina addestramento mirato, difese in tempo reale contro gli usi impropri, resistenza agli attacchi di tipo prompt-injection e monitoraggio della catena di ragionamento. Rispetto al predecessore, Google DeepMind dichiara di aver compiuto ulteriori passi avanti sull'allineamento del comportamento del modello in situazioni complesse o ad alta pressione.
Alcuni dati concreti riportati dall'azienda:
| Indicatore | Risultato dichiarato |
|---|---|
| Tentativi di "barare" su Terminal-Bench 4.0 | ridotti allo 0,4%, successi portati a 0,0% |
| Allarmi di disallineamento ad alta gravità (ambienti di coding interni) | ridotti di circa l'80% |
| Affermazioni non supportate (rispetto ad Argon) | ridotte di circa la metà |
| Resistenza al prompt injection (Gray Swan IPI Benchmark) | tasso di successo degli attacchi pari a 0,0% |
| Eccesso di iniziativa fuori perimetro | ridotto del 26% |
| Mancata esecuzione di compiti richiesti | ridotta del 29% |
Questi numeri, se confermati nell'uso su larga scala, indicano un modello progettato per restare più aderente alle istruzioni ricevute e più trasparente quando mancano informazioni, invece di "inventare" risposte plausibili ma non verificate.
Chi può già usarlo e quando arriverà per tutti?
L'accesso a Gemini 4 Carbon segue un percorso graduale e deliberatamente cauto. A partire dalla settimana dell'annuncio, il modello viene reso disponibile a un primo gruppo di professionisti della difesa informatica, con un'estensione progressiva ad altri partner selezionati attraverso il programma Fairwind. Google DeepMind indica di essere inoltre coinvolta nel processo volontario del governo statunitense per i test pre-rilascio dei modelli.
Solo in un secondo momento, dopo la raccolta di ulteriori riscontri e l'affinamento delle protezioni, Carbon sarà reso disponibile a sviluppatori, aziende e consumatori attraverso le superfici prodotto di Google.
Quanto costa l'accesso a Gemini 4 Carbon?
Il prezzo introduttivo dichiarato è di 2 dollari per milione di token in input e 10 dollari per milione di token in output, lo stesso livello applicato al lancio di Argon, con uno sconto del 95% sul prezzo dei token in input quando questi provengono dalla cache. Al termine del periodo introduttivo, il prezzo salirà a 4 dollari per milione di token in input e 20 dollari per milione di token in output.
Domande frequenti
Cos'è l'Artificial Analysis Intelligence Index? È un benchmark che misura le capacità complessive dei modelli di intelligenza artificiale su più domini. Nella sua versione 5.0, aggiornata di recente, Gemini 4 Carbon occupa il primo posto con un punteggio di 59.
In cosa Gemini 4 Carbon migliora rispetto ad Argon, il modello precedente? Mostra un miglioramento di oltre il doppio nel tasso di successo per la generazione di codice sicuro, una riduzione di circa l'80% negli allarmi di disallineamento ad alta gravità osservati in ambienti di coding reali, e una resistenza completa (0,0% di successo) agli attacchi di prompt injection valutati nel Gray Swan IPI Benchmark, rispetto allo 0,7% registrato in precedenza da Argon.
Cosa significa "long horizon" applicato a un modello AI? Indica la capacità di sostenere compiti complessi e articolati su più fasi, anche per giorni, senza perdere coerenza: utile per flussi di lavoro agentici come il debug di grandi basi di codice o la correzione di vulnerabilità a più passaggi.
Il modello è già disponibile per chiunque voglia usarlo? No. L'accesso parte da un gruppo ristretto di esperti di cybersecurity e da partner selezionati tramite il programma Fairwind; l'apertura a sviluppatori, aziende e consumatori è prevista in una fase successiva.
Fonti
- Introducing Gemini 4 Carbon — Gemini 4 Carbon: our next frontier model, Google DeepMind, 28 ottobre 2026 — https://deepmind.google/blog/gemini-4-carbon-our-next-frontier-model
Novità come questa segnano quanto velocemente si sposta il confine di ciò che un'applicazione AI può gestire in autonomia, dal ragionamento prolungato alla sicurezza del codice generato. Chi lavora allo sviluppo di soluzioni su misura osserva questi aggiornamenti per capire cosa diventa automatizzabile con maggiore affidabilità: se vuoi confrontarti su un'esigenza concreta della tua azienda, puoi scrivere a iNexus.