Gemini 4 Carbon: o modelo mais forte do Google, que quase ninguém pode usar ainda

Resumo O Google DeepMind anunciou em 28 de outubro de 2026 o Gemini 4 Carbon, descrito como seu modelo de fronteira mais forte até agora, com desempenho de ponta em cibersegurança e em tarefas longas de engenharia de software. Ele lidera o Artificial Analysis Intelligence Index versão 5.0, com 59 pontos, à frente do Claude Opus 5.5, com 58, e do GPT-6 Astra, com 57. Ao mesmo tempo, ele não está disponível para o público: o acesso inicial é restrito a um grupo selecionado de defensores cibernéticos, através do programa Fairwind do Google, sem data anunciada para desenvolvedores, empresas e consumidores. Essa tensão entre liderança no ranking e acesso restrito é o centro desta resenha.

Contexto: por que um modelo de fronteira aparece duas semanas depois do anterior O Carbon chega apenas duas semanas depois do Gemini 4 Argon, que já havia sido entregue primeiro aos defensores do Fairwind antes de uma disponibilidade mais ampla. A sequência é deliberada e revela uma mudança de estratégia: em vez de lançar um modelo geral para todo mundo e depois descobrir os riscos, o Google está usando a comunidade de defesa como primeira linha de teste em produção, em um domínio onde o erro tem consequência concreta, que é a segurança de software. O anúncio foi assinado por Koray Kavukcuoglu, vice-presidente sênior do Google DeepMind e arquiteto-chefe de IA do Google, e afirma que pesquisadores e modelos estão trabalhando lado a lado para avançar capacidades e fortalecer salvaguardas em conjunto. O contexto de mercado também importa. O anúncio coincidiu com a divulgação de resultados da Alphabet, com crescimento de receita e um salto expressivo na receita do Google Cloud, e com uma disputa aberta entre laboratórios sobre quem lidera em capacidade de defesa cibernética. No mesmo período, a equipe de fronteira da Anthropic relatou um modelo não lançado encadeando falhas em exploits de navegador e sistema operacional. Ou seja, a capacidade de encontrar e explorar falhas deixou de ser um detalhe técnico e passou a ser um campo central da corrida de fronteira.

O que é o Gemini 4 Carbon, em termos simples e técnicos Um modelo de fronteira é um modelo de linguagem de grande escala treinado para tarefas complexas, que serve de base para agentes, que são sistemas que planejam, usam ferramentas e executam tarefas em várias etapas sem supervisão constante. O Carbon foi apresentado como um modelo de agente sustentado, ou seja, projetado para fluxos de trabalho agênticos longos, que duram dias, atravessam becos sem saída e mantêm o fio de tarefas de engenharia com muitos passos, como descobrir a causa raiz de bugs sutis em bases de código grandes e em sistemas de baixo nível. Na prática, isso significa três capacidades encadeadas, que correspondem ao ciclo de vida da defesa cibernética. Primeiro, detecção: encontrar vulnerabilidades reais escondidas em software real, sem que ninguém diga onde elas estão. Segundo, validação: verificar se a vulnerabilidade é de fato explorável, para priorizar o que corrigir primeiro, em vez de corrigir tudo na mesma ordem. Terceiro, remediação: escrever uma correção que trate a causa raiz, bloqueie o exploit e mantenha o software funcionando. Um modelo que só aponta o problema, sem validar e sem corrigir, ajuda pouco. Um modelo que valida e corrige, mas gera correções que quebram o sistema, também ajuda pouco. O argumento do Google é que o Carbon avança nos três passos juntos.

Os números, com leitura crítica Os principais resultados externos, avaliados sem guardrails, ou seja, sem as travas de segurança do produto final, para medir capacidade bruta, são: Artificial Analysis Intelligence Index v5.0, capacidade geral, 9 testes: Carbon 59, 1º lugar; Argon 50; Claude Opus 5.5: 58; GPT-6 Astra: 57. SEC-bench Pro, achar vulnerabilidades reais: Carbon 88,2%; Argon 83,4%; GPT-6 Astra: 85,4%. ExploitGym, transformar falha em exploit funcional: Carbon 54,8%; Argon 42,0%; GPT-6 Astra: 42,4%. CWE-bench, corrigir a causa raiz: Carbon 71,0%; Argon 68,0%; GPT-6 Astra, Grok 4.7 e Argon: 68% no comparativo citado. Coding Agent Index, agente de código: Carbon 59; Argon 53; Claude Code com Opus 5.5: 62. WebDev Arena, desenvolvimento web completo: Carbon +89 pontos de Elo, 4º lugar, cerca de 1768 a 1769. Dois detalhes merecem atenção. Primeiro, o salto no ExploitGym, de 42,0% para 54,8%, é o maior avanço relativo entre os três testes de segurança, e é também o mais sensível: a mesma capacidade que permite a um defensor validar risco permite, em princípio, a um atacante confirmar que uma falha funciona. É por isso que o Google insiste no acesso restrito e na participação no processo voluntário de testes pré-lançamento do governo dos Estados Unidos. Segundo, dentro de um limite de 10 horas, o resultado no ExploitGym variou pouco em relação ao resultado em 6 horas, 54,8% contra 53,5%, o que sugere que o modelo resolve a maior parte das tarefas de validação rapidamente, em vez de depender de muito mais tempo para melhorar pouco. Os resultados internos do Google, que não podem ser reproduzidos fora da empresa por enquanto, incluem: mais de 2 vezes de aumento na taxa de sucesso em gerar código seguro, em comparação com o Argon; mais de 10 vezes melhor desempenho do que outro modelo de fronteira de outro laboratório, não nomeado, na geração de patches de alta qualidade, segundo a equipe do Chrome; e liderança em testes de penetração web, segundo a Wiz, plataforma de segurança em nuvem do Google, dentro da iniciativa Scan for Good. Esses números devem ser lidos como alegações internas, não como medições independentes.

Como ler o ranking: a metodologia do Artificial Analysis v5.0 O número 59, sozinho, engana. O Artificial Analysis Intelligence Index v5.0, lançado em 27 de outubro de 2026, é uma revisão metodológica profunda, descrita como a maior desde a v4, de janeiro. Ele combina 9 testes em 4 categorias com peso igual, 25% cada: trabalho de conhecimento, código, ciência e geral. Os testes incluem AA-Briefcase, AutomationBench-AA, GDP.pdf, FrontierCode 2.0, Terminal-Bench 4.0, Terminal-Bench-Science, CritPt v2 em subconjunto difícil, AA-Omniscience v1.1 e HLE-Diamond, uma versão de 1.000 perguntas do Humanity's Last Exam. Três mudanças metodológicas são decisivas. Primeira, 60% do índice agora se baseia em conjuntos de testes privados ou respostas reservadas, para reduzir contaminação, que é o problema de um modelo parecer mais inteligente porque já viu as perguntas no treino. Segunda, dois testes são novos, FrontierCode 2.0, com 132 tarefas de código em repositórios reais, avaliadas pelo critério de se um mantenedor aceitaria a mudança, e Terminal-Bench-Science, com 70 tarefas de pesquisa científica em terminal. Terceira, testes saturados ou considerados fáceis demais foram removidos, como GDPval-AA, SciCode e AA-LCR, e o exame completo Humanity's Last Exam foi substituído pela versão Diamond. Consequência prática: notas da v4 não se comparam diretamente com notas da v5. O Kimi K3.1 Pro, por exemplo, marcava 55 na v4.3 e marca 46 na v5, enquanto o Claude Opus 5.5 marca 58 nas duas. Outra lição do ranking é que nenhum modelo lidera os 9 testes. O Opus 5.5 lidera em FrontierCode 2.0 e em HLE-Diamond, o Astra lidera nos dois testes de ciência, e o Carbon lidera no geral por 1 ponto. A diferença de custo também é grande: o GPT-6.1 Sol, com 55 pontos, custa cerca de US$ 1,27 por tarefa do índice, contra cerca de US$ 10,04 do Opus 5.5, uma diferença de quase 8 vezes para uma diferença de cerca de 4 pontos. Em outras palavras, "melhor modelo" depende da tarefa, do custo e do acesso, não só do primeiro lugar. Há ainda um ponto de honestidade metodológica: o artigo do índice v5, de 27 de outubro, listava o Opus 5.5 como líder, sem o Carbon, porque o Carbon só foi anunciado no dia 28. O número 59, portanto, chega primeiro pela declaração do Google sobre o índice, e deve ser tratado como primeiro lugar declarado, aguardando a entrada detalhada do Carbon na página do próprio índice. Isso não invalida o resultado, mas impede apresentá-lo como se já fosse uma medição pública completa e reproduzível por terceiros.

Acesso, preço e o programa Fairwind O Fairwind é o programa do Google para defensores cibernéticos, com mais de 650 parceiros no mundo, incluindo autoridades governamentais de cibersegurança, operadores de infraestrutura crítica em saúde, telecomunicações, energia e finanças, e plataformas centrais de tecnologia. Os participantes passam por verificação, devem usar autenticação multifator resistente a phishing, e só equipes internas de segurança, resposta a incidentes e testes de invasão podem usar o modelo. O acesso não pode ser compartilhado nem vendido. A prioridade é para governos e autoridades nacionais de cibersegurança, operadores de infraestrutura crítica e laboratórios acadêmicos que trabalham com benchmarks defensivos, com inscrição através da equipe de conta do Google Cloud. O preço de lançamento é o mesmo do Argon: US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída, com tokens de entrada em cache com desconto de 95%, e previsão de subida para US$ 4 e US$ 20 após o período inicial. Token, aqui, é o fragmento de texto que o serviço conta para cobrar o uso. O preço, portanto, é agressivo na entrada, mas dobra depois, o que reduz a vantagem de custo ao longo do tempo. Para o leitor comum, a conclusão é direta: não há Carbon no aplicativo Gemini, na API nem no Gemini Enterprise por enquanto, e o Google não deu data para desenvolvedores, empresas e consumidores, dizendo apenas que a ampliação virá assim que possível. O Carbon, hoje, é um anúncio de lançamento com acesso controlado, não um produto aberto.

Limitações, riscos e o que observar Primeiro, os principais números de segurança são de testes sem guardrails e, em parte, internos, sem reprodução independente até aqui. Segundo, a taxa de alucinação em perguntas factuais, medida pelo AA-Omniscience, subiu de 4% no Argon para 11% no Carbon, embora a precisão tenha subido de 48% para 58% e a taxa de 11% ainda seja a segunda menor do ranking citado. Em segurança, uma resposta confiante e errada é pior do que uma resposta parcial ou um "não sei", e esse é um risco real no uso defensivo. Terceiro, em tarefas de código agêntico, o Carbon ainda fica atrás do Claude Code com Opus 5.5, 59 contra 62, o que mostra que liderança geral não significa liderança em todas as frentes. Quarto, o histórico recente mostra que lideranças no topo duram semanas antes de OpenAI e Anthropic alcançarem, então o primeiro lugar de outubro não garante o primeiro lugar de dezembro. O que observar a seguir: a entrada detalhada do Carbon na página do Artificial Analysis; a data de ampliação do Fairwind para mais parceiros e, depois, para desenvolvedores; testes independentes de segurança e de código; e a evolução da taxa de alucinação nas próximas versões.

Glossário rápido Modelo de fronteira: modelo de IA de ponta, entre os mais capazes disponíveis em um dado momento. Agente: sistema que planeja e executa tarefas em várias etapas, usando ferramentas, sem supervisão constante. Vulnerabilidade: falha em software que pode ser explorada para comprometer um sistema. Exploit: código ou técnica que usa uma vulnerabilidade para obter um efeito, como acesso indevido. Patch: correção de código que trata a falha, idealmente na causa raiz. Guardrail: trava de segurança aplicada no produto final, que não estava ativa nos testes de capacidade bruta citados. Fairwind: programa do Google que dá acesso controlado a modelos para defensores cibernéticos verificados. Token: unidade de texto contada para cobrança e para medir uso de um modelo.