Google, uzun süreli yazılım görevleri ve siber güvenlik çalışmaları için geliştirdiği Gemini 4 Carbon modelini tanıttı. Artificial Analysis’in güncel genel zeka sıralamasında ilk sıraya çıkan model, ilk aşamada yalnızca seçilmiş güvenlik uzmanlarının kullanımına açılacak.
Uzun süreli ve çok adımlı görevler için tasarlandı
Google CEO’su Sundar Pichai, duyuruyu modelleri belirli aralıklarla yayımlama planına işaret ederek paylaştı. Gemini 4 Carbon, şirketin iki hafta önce genel kullanıma sunduğu Gemini 4 Argon’un ardından geldi.
Google DeepMind yöneticilerinden Koray Kavukçuoğlu’nun duyurusuna göre Carbon, tek seferlik sorular yerine saatler, hatta günler sürebilen çok aşamalı işleri yürütebilen yapay zeka ajanlarına odaklanıyor. Google, şirket içi denemelerde modelin büyük kod tabanlarındaki gizli hataların nedenini bulup düzeltmek için uzun süre çalışabildiğini belirtiyor.
Şirket; kodlama, bilimsel görevler, web geliştirme ve görsel içerikleri anlama alanlarında da gelişme kaydedildiğini aktarıyor. Web geliştirme performansını ölçen WebDev Arena’da Carbon, 89 puanlık artışla dördüncü sıraya yükseldi.
Siber güvenlik testlerinde öne çıkıyor
Google, Carbon’un güvenlik açığı tespitinden açığın istismar edilip edilemeyeceğini doğrulamaya ve kalıcı yama yazmaya kadar uzanan savunma sürecinde güçlü sonuçlar verdiğini söylüyor. Model, gerçek yazılımlardaki açıkları ölçen SEC-bench Pro’da yüzde 88,2; istismar edilebilirliği değerlendiren ExploitGym’de yüzde 54,8; hataları temelinden gidermeyi sınayan CWE-bench’te ise yüzde 71,0 puan aldı. Google, bu üç değerlendirmede de Carbon’un lider olduğunu bildiriyor.
Şirketin aktardığına göre Carbon, güvenli kod üretiminde Argon’dan iki kattan fazla başarılı oldu. Chrome ekibi de modelin yüksek nitelikli yamalar oluşturma performansının, adı açıklanmayan başka bir laboratuvarın büyük modelinden 10 kat iyi olduğunu raporladı. Google, dış güvenlik testlerinin modelin güvenlik filtreleri kapalıyken yapıldığını da belirtiyor.
Google’ın paylaştığı diğer sonuçlarda, Terminal-Bench 4.0 kodlama testinde görevi kopya yoluyla geçmeye çalışma oranı yüzde 0,4, başarılı kopya oranı ise sıfır olarak veriliyor. Şirket, kanıtsız iddiaların Argon’a kıyasla yaklaşık yarıya indiğini söylüyor. Gizli kötü niyetli talimatlarla modeli yönlendirmeyi deneyen Gray Swan testinde ise hiçbir dolaylı istem enjeksiyonu saldırısı başarılı olmadı.
Erişim ve kullanım ücretleri
Gemini 4 Carbon, bu hafta Google’ın Fairwind Programı kapsamındaki seçilmiş siber güvenlik uzmanlarına sunulmaya başlanacak. Erişimin daha sonra güvenilir iş ortaklarına genişletilmesi planlanıyor. Google, güvenlik önlemlerini geri bildirimlerle geliştirdikten sonra modeli geliştiricilere, şirketlere ve son kullanıcılara mümkün olan en kısa sürede açacağını ifade etti; ancak takvim paylaşmadı. Şirket ayrıca ABD hükümetinin yayın öncesi gönüllü model testi sürecine katıldığını belirtiyor.
Tanıtım dönemi boyunca API ücreti, milyon girdi tokeni için 2 dolar, milyon çıktı tokeni için 10 dolar olacak. Önbellekte bulunan ve daha önce işlenmiş girdilerde yüzde 95 indirim uygulanacak. Tanıtım fiyatlarının ardından ücretler sırasıyla 4 ve 20 dolara yükselecek. Artificial Analysis, modelin 1 milyon tokenlik bağlam penceresi bulunduğunu bildiriyor. Google, Türkiye dahil ülkeler için özel bir erişim tarihi açıklamadı. Şimdilik Türkiye’de genel kullanıma açık model Gemini 4 Argon.
Sıralamalarda güçlü sonuçlar, bazı alanlarda geride
Artificial Analysis’in Intelligence Index v5 değerlendirmesinde Gemini 4 Carbon 59 puanla ilk sırada yer aldı. Claude Opus 5.5 58, GPT-6 Astra ise 57 puan aldı; ilk üç model arasındaki fark iki puanla sınırlı. Carbon, kuruluşun kodlama ajanı sıralamasında Claude Opus 5.5’in ardından ikinci oldu.
Artificial Analysis ayrıca Carbon’un daha fazla soruyu doğru yanıtladığını, ancak halüsinasyon oranının Argon’daki yüzde 4’ten yüzde 11’e çıktığını aktardı. Kuruluşun karşılaştırmasında bu oran Claude Opus 5.5 ve GPT-6 Astra için yüzde 50 olarak verildi. Arena platformunda Carbon, metin sıralamasında birinci, ajan sıralamasında ikinci oldu.
Andon Labs, yapay zeka ajanlarını sanal bir otomat işletmesini yönetirken değerlendirdiği testte Carbon’un üst sıralarda yer aldığını, ancak zaman zaman tedarikçileri yanıltma gibi sorunlu davranışlar gösterdiğini bildirdi. Kuruluş, bu açıdan Carbon’un OpenAI’ın GPT-6 Astra modelinden daha geride kaldığını belirtti.
Rakiplerle karşılaştırmada öne çıkanlar
Google’ın karşılaştırma tablosunda Carbon, 17 testin 15’inde rakiplerinin önünde gösteriliyor. Model, genel zeka puanının yanı sıra uzun bağlam ve siber güvenlik ölçümlerinde dikkat çekiyor. GraphWalks testinde Carbon yüzde 96,2; GPT-6 Astra yüzde 71,8; Claude Opus 5.5 yüzde 66,8 aldı. ExploitGym sonuçları ise sırasıyla yüzde 54,8, yüzde 42,4 ve yüzde 34,5 oldu.
Buna karşılık GPT-6 Astra, FrontierSWE 2 yazılım testinde yüzde 65,5 ile Carbon’un yüzde 61,2’lik sonucunu geçti. Bilgisayar kullanımını ölçen OSWorld-2.1’de de Claude Opus 5.5 yüzde 87,2 ile ilk sırada; Carbon yüzde 81,5, GPT-6 Astra ise yüzde 80,9 puan aldı. Claude Opus 5.5, kodlama ajanı sıralamasındaki liderliğini de korudu.
Fiyatlandırmada Carbon’un tanıtım ücreti milyon token başına 2 dolar girdi ve 10 dolar çıktı olarak belirlendi; tanıtım sonrasında bu tutarlar 4 ve 20 dolar olacak. Claude Opus 5.5’in fiyatı 4/20 dolar, GPT-6 Astra’nınki 10/50 dolar. xAI’ın Grok 4.7 modeli ise 2 dolar girdi ve 6 dolar çıktı ücretiyle daha ucuz; bağlam penceresi 500 bin token. Artificial Analysis’e göre Carbon, görev başına Claude Opus 5.5’ten yaklaşık yüzde 23 daha düşük maliyetli, GPT-6 Astra’dan ise daha az token kullanımı hesaba katıldığında yaklaşık 1,2 kat pahalı.
Ofis işlerine odaklanan AA-Briefcase testinde Grok 4.7’nin yanı sıra Meta’nın Muse Wonder’ı ve Moonshot’ın Kimi K3.1 Pro modeli de Carbon’un önünde yer aldı. Modelin erişimi ise şimdilik seçilmiş güvenlik uzmanlarıyla sınırlı. Google, geniş kullanıma geçiş için belirli bir tarih vermedi.
