Google apresenta o Gemini 4 Carbon: 88% na busca por vulnerabilidades e primeiro lugar no ranking

O Google apresentou o Gemini 4 Carbon, seu novo modelo de linguagem principal. Ele foi ajustado para três tarefas: cibersegurança, programação e trabalho autônomo de agentes de IA ao longo de vários dias. No ranking Artificial Analysis Intelligence Index v5.0, que reúne os resultados de vários testes em uma nota geral, o Carbon marcou 59 pontos e assumiu o primeiro lugar. O número mais chamativo do lançamento está na segurança: 88,2% no SEC-bench Pro, teste em que o modelo precisa encontrar vulnerabilidades reais em software. Por ora, só especialistas em cibersegurança terão acesso; o Google promete o lançamento em massa para mais tarde.

O que os testes mediram e quanto o modelo marcou

O Google mostrou quatro benchmarks, e cada um avalia uma etapa do trabalho com código vulnerável: encontrar a brecha, provar que ela pode ser explorada, corrigi-la e escrever uma interface decente.

• SEC-bench Pro: 88,2%. O modelo procura vulnerabilidades reais em programas. É o maior resultado entre os apresentados.

• ExploitGym: 54,8%. Verifica se a vulnerabilidade encontrada pode ser explorada, ou seja, se deixa de ser um problema teórico e vira um ataque funcional. Esse teste mostra o quanto o modelo é perigoso em mãos erradas e o quanto é útil para defensores que precisam testar os próprios sistemas.

• CWE-bench: 71%. O modelo corrige automaticamente código vulnerável. CWE, aqui, é o catálogo padrão de tipos de erros de software.

• WebDev Arena: 1769 Elo, quarto lugar. É um ranking de desenvolvimento de interfaces web, construído a partir de comparações em pares entre resultados de modelos. É o único teste em que o Carbon não lidera.

Todos os números foram divulgados pelo próprio Google. Só a nota geral do ranking da Artificial Analysis foi confirmada de forma independente.

Vários dias de trabalho sem intervenção humana

Para os engenheiros, o ponto mais interessante é a afirmação sobre autonomia. Segundo o Google, dentro da empresa o Carbon resolveu tarefas complexas de engenharia em grandes bases de código por vários dias seguidos: buscou as causas dos erros e os corrigiu sozinho. Até agora, agentes de IA costumavam perder o rumo em tarefas longas, se confundir com o contexto ou repetir as mesmas ações.

A empresa também apresenta comparações com outros modelos:

• O modelo escreve código seguro com o dobro da qualidade do Gemini 4 Argon, segundo testes internos do Google. • É 10 vezes mais eficaz que outro modelo de ponta (o Google não diz qual) ao criar patches de qualidade para o navegador Chrome. A avaliação é da própria equipe do Chrome, não uma medição independente. • 80% menos violações graves de instruções ao trabalhar com código. Trata-se dos casos em que o agente faz algo diferente do que foi pedido ou sai do escopo da tarefa. • Metade das afirmações infundadas em comparação com o Argon. Em outras palavras, o modelo apresenta como fato algo não verificado com metade da frequência.

Separadamente, o Google fala sobre prompt injection. É o nome do ataque em que um comando para o agente de IA fica escondido no texto de uma página web ou de um documento, e o agente o executa no lugar da tarefa do usuário. Segundo a empresa, o Carbon barrou todos os ataques testados em um dos benchmarks. A ressalva é importante: trata-se de um único conjunto de testes, não de proteção completa. Para agentes com acesso a e-mail, código e servidores, esse risco continua entre os principais.

Quem terá acesso e quanto vai custar

Primeiro, o modelo chega aos especialistas em cibersegurança. A lógica é clara: uma ferramenta que encontra e explora bem vulnerabilidades é útil para defensores, mas perigosa se cair nas mãos de atacantes. O lançamento em etapas dá ao Google tempo para verificar como o modelo se comporta no trabalho real. A empresa não informou o prazo do lançamento em massa.

Preço da API após o lançamento, na tarifa introdutória:

• $2 por milhão de tokens de entrada (um token equivale aproximadamente a uma sílaba ou palavra curta, ou seja, é o texto que você envia ao modelo); • $10 por milhão de tokens de saída (o texto que o modelo gera em resposta).

Para um modelo principal, o preço é moderado. Tarefas de agentes que duram vários dias consomem muitos tokens, então a conta final dependerá de quão econômico o modelo for em sessões longas. A palavra “introdutória” sugere que a tarifa pode mudar com o tempo.

O que as equipes de segurança e desenvolvimento devem fazer

Enquanto o Carbon está disponível para um círculo restrito, a conclusão prática é esta. Se você é responsável por segurança, vale preparar desde já repositórios de teste e um processo de verificação humana das vulnerabilidades encontradas: mesmo 88% em um benchmark significa que parte dos achados será falsa e que o modelo deixará passar parte das brechas reais. Se você desenvolve produtos com agentes de IA, convém conferir os números sobre violações de instruções e afirmações infundadas em suas próprias tarefas, assim que o acesso for liberado. As declarações do desenvolvedor sobre o próprio modelo servem de referência, mas não substituem medições independentes.