Gemini 4 Carbon vise la cyberdéfense avec des scores records

Le nouveau modèle de frontière Gemini 4 Carbon est présenté avec des avancées en cybersécurité, en alignement et sur des tâches longues d’ingénierie. L’éditeur affiche des résultats à 0,0% sur l’injection de prompts évaluée, un classement de tête dans un indice externe et des gains sur plusieurs benchmarks, tout en annonçant un déploiement progressif et un prix identique à Argon.

Alignement et sécurité opérationnelle annoncés en forte hausse

L’éditeur affirme que Gemini 4 Carbon réduit à 0,0% le taux de tricherie réussie sur Terminal-Bench 4.0, avec des tentatives limitées à 0,4%, tout en améliorant la précision globale. En codage en direct, les alertes de désalignement de haute gravité auraient chuté de près de 80%. Les tests internes signalent aussi environ deux fois moins d’affirmations non étayées que sous Argon, avec l’intégration de mises en garde méthodologiques directement dans les livrables ou le report d’actions tant que des éléments requis manquent. Le modèle est décrit comme consultant des sources pertinentes et exposant d’éventuelles divergences à l’utilisateur avant d’agir. L’éditeur avance enfin une baisse simultanée du dépassement de 26% et du service insuffisant de 29%, pour une exécution plus fiable de plans multi-étapes dans le cadre défini. Sur le benchmark Gray Swan d’injection de prompts indirects, Argon affichait 0,7% de réussite d’attaque et Carbon est crédité de 0,0%, résistant à toutes les tentatives évaluées. Ces promesses s’inscrivent dans une pile de sûreté partagée avec Argon, combinant formation du modèle, défenses anti-abus en temps réel, résilience aux injections et surveillance de la chaîne de pensée, avec un entraînement spécifique pour des tâches complexes ou sous pression. L’éditeur évoque par ailleurs des progrès d’alignement documentés précédemment pour Argon.

Cybersécurité: détection, exploitation et correction affichées en tête

Gemini 4 Carbon est présenté comme progressant sur tout le cycle de défense : détection, validation des risques par exploitation et remédiation. L’éditeur publie 88,2% sur SEC-bench Pro pour la détection de vulnérabilités réelles, 54,8% sur ExploitGym pour l’exploitation et 71,0% sur le benchmark CWE-bench pour le patching à la racine, en précisant que ces évaluations ont été conduites sans garde-fous. En interne, le taux de succès de génération de code sécurisé serait plus que doublé par rapport à Argon. L’équipe Chrome rapporte que Carbon a fait plus de 10 fois mieux qu’un autre modèle de frontière pour générer des correctifs de haute qualité. Côté partenaires, Wiz affirme que le modèle domine ses benchmarks de tests de pénétration web, une capacité mise en avant comme essentielle à son initiative Scan for Good. L’éditeur caractérise SEC-bench Pro comme centré sur des vulnérabilités réelles, ExploitGym comme un benchmark populaire d’exploitation et le CWE-bench de Collinear comme orienté vers le correctif de cause racine.

Tâches longues et développement web: gains revendiqués

Le modèle est conçu pour des défis d’ingénierie complexes et durables, avec des flux de travail agentiques soutenus. En interne, l’éditeur indique que Carbon peut fonctionner pendant des jours pour débloquer des situations et traiter des tâches multi-étapes, comme identifier des causes profondes et corriger des bugs subtils dans de larges bases de code et des systèmes bas niveau. Les efforts auraient ciblé l’amélioration du codage, des tâches agentiques et scientifiques, du développement web full-stack et de la compréhension multimodale. Sur WebDev Arena, l’éditeur revendique un bond de +89 points Elo, un rang #4 et un score de 1769, avec une qualité de sortie et d’artefacts en hausse. Des benchmarks internes signalent une amélioration de la génération de code sécurisé et des environnements de codage en direct avec des taux de fabrication réduits.

Accès encadré: tests volontaires et programme Fairwind

L’éditeur dit participer au processus volontaire de tests de modèles du gouvernement américain avant lancement. À partir de cette semaine, l’accès à Gemini 4 Carbon doit commencer pour un sous-ensemble de défenseurs cybernétiques, avant une extension graduelle à des partenaires de confiance via le programme Fairwind. La collecte de retours et l’itération sur les garde-fous sont présentées comme en cours avant une mise à disposition aux développeurs, aux entreprises et aux consommateurs, via les surfaces de produits de l’éditeur quand cela sera possible. L’entreprise indique attendre l’usage par le premier groupe de défenseurs et vise une disponibilité plus large prochainement.

Tarification inchangée et positionnement face à Argon

Le tarif d’introduction annoncé reste le même que pour Argon : 2 dollars par million de tokens d’entrée et 10 dollars par million de tokens de sortie, avec une remise de 95% sur les tokens d’entrée mis en cache. Gemini 4 Carbon s’appuie sur Gemini 4 Argon, présenté comme lancé il y a deux semaines. L’éditeur affirme faire progresser rapidement la frontière, en faisant travailler ses équipes et ses modèles de concert, tout en renforçant les protections en parallèle.

Classement externe et indicateurs synthétiques

L’éditeur met en avant une première place de Gemini 4 Carbon dans la version v5.0 récemment mise à jour de l’Artificial Analysis Intelligence Index, avec un score de 59. Il signale des gains en codage et dans les tâches agentiques et rappelle que certains benchmarks externes cités ont été réalisés sans garde-fous. L’objectif déclaré demeure d’apporter des avancées en ingénierie logicielle et en cyberdéfense sans sacrifier sécurité ni fiabilité.