Gemini 4 Carbon lidera rankings independentes, mas só está disponível para defensores de cibersegurança

O Google DeepMind lançou o Gemini 4 Carbon, seu novo modelo principal, duas semanas depois do Gemini 4 Argon. A Artificial Analysis, laboratório independente que submete os modelos a um conjunto próprio de testes, colocou o Carbon em primeiro lugar no índice de inteligência v5: 59 pontos contra 58 do Claude Opus 5.5, da Anthropic. Mas nem todos poderão testar o Carbon agora. O modelo chega primeiro a especialistas verificados em cibersegurança, por meio do programa Fairwind. O Google promete acesso amplo para desenvolvedores "o mais rápido possível", sem informar data.

O que o Google afirma sobre defesa cibernética

A empresa aposta em segurança e em tarefas longas, com várias etapas. Estes são os números do anúncio:

• SEC-bench Pro, teste de busca de vulnerabilidades em código: 88,2%. • ExploitGym, ambiente de treino em que o modelo precisa escrever um exploit funcional: 54,8%. • CWE-bench, correção de vulnerabilidades do catálogo de fraquezas comuns CWE: 71,0%.

O Google também destaca a honestidade do modelo. No Terminal-Bench 4.0, as tentativas bem-sucedidas de trapaça caíram para 0,0%, e as tentativas em si, para 0,4%. As afirmações sem respaldo em dados ficaram cerca de duas vezes menos frequentes que no Argon. Especificações: contexto de 1 milhão de tokens e o mesmo limite na saída. O modelo aceita texto, imagens, vídeo e fala, e responde em texto. A entrada em cache custa $0,20 por milhão de tokens. A Artificial Analysis informa o preço de $4/$20, enquanto Phil Schmid, da Hugging Face, cita $2/$10 "com asterisco": o desconto de 50% vale sem prazo para acabar.

O que mostraram as medições independentes

• Artificial Analysis: 59 pontos, com liderança em 4 dos 9 testes do índice (HLE-Diamond, TB-Science, AA-Omniscience, AutomationBench). Executar uma tarefa do índice custa $7,76, contra $10,04 do Opus 5.5 e $6,25 do GPT-6 Astra.

O Carbon gasta 123 mil tokens de saída por tarefa, 29% menos que o Opus. • Programação: no Coding Agent Index, o Carbon marca 59 (em conjunto com o Antigravity CLI), contra 62 do Claude Code com Opus 5.5.

FrontierCode v1.1: 51% contra 56%. • Tarefas de escritório: no AA-Briefcase, 1609 Elo, 126 pontos a mais que o Argon.

Ainda assim, ficam acima dele Grok 4.7, Muse Wonder e Kimi K3.1 Pro (1678).

• Arena, onde pessoas votam em respostas às cegas: primeiro lugar na Text Arena (1528), segundo na Agent Arena e quarto na Code Arena: WebDev (1768). • Vals AI: segundo lugar no índice geral, primeiro no índice financeiro e em busca jurídica. Gera 64% mais tokens que o Argon.

• FrontierSWE: 61,2%, atrás do GPT-6 Astra (65,5), do Opus 5.5 (62,3) e do Sonnet 5.5 (61,9).

SWE-sweep: recorde de 9,6%. • Andon Labs: primeiro lugar no Vending-Bench 2 (gestão de uma máquina de vendas) e no Blueprint-Bench 2, em que o modelo igualou o desempenho humano em raciocínio espacial 3D.

Há ressalvas. As alucinações subiram de 4% para 11%. É o segundo melhor resultado nas medições, mas em cibersegurança o custo de um erro é alto. Os resultados de programação foram obtidos no Antigravity CLI e não foram verificados em outros ambientes. O autor scaling01 considera que o Google está cerca de dois meses atrás dos próximos lançamentos da OpenAI e da Anthropic. Os rumores sobre um modelo Gemini mais forte e ainda não lançado não foram confirmados.

Outros destaques da edição

• GitHub Copilot Fusion: combina modelos da Anthropic e da OpenAI em tempo real. Lidera o Terminal-Bench 4.0 (71), fica 2 pontos atrás do Opus 5.

5 no Claude Code, mas custa $5,59 por tarefa em vez de $11,42. • H-Net v2 (Cartesia): aprende a dividir o texto em tokens diretamente a partir de bytes e ganha de 3 a 5 vezes em eficiência. • NVIDIA Nemotron 3.

5 Transcribe: modelo aberto de reconhecimento de fala com 30B de parâmetros (cerca de 4B ativos), 40 idiomas e 2,8% de erro de palavras. • AssemblyAI-TTS-1: síntese de fala por $15 por milhão de caracteres, com 90 ms até o primeiro áudio. • Liquid AI LFM3: família de modelos compactos, com o LFM3-1.

7B como base, com contexto de 256 mil tokens. • Ling-3.1-flash-1019: modelo MoE aberto com 560B de parâmetros (25B ativos) e contexto de 1 milhão.

• Qwen4: segundo um vazamento de repositório, terá contexto de 1 milhão de tokens. • Anthropic S-1: prejuízo de cerca de $80 bilhões no primeiro semestre de 2026, que, segundo Jamin Ball, vem principalmente da reavaliação de dívidas conversíveis e de obrigações SAFE, e não de perdas operacionais. • OpenAI: créditos de API de $100–$500 por mês para assinantes do ChatGPT Pro.

O que isso significa para as equipes

O Carbon supera os concorrentes na busca e na correção de vulnerabilidades e em tarefas de conhecimento, mas em programação continua em segundo lugar. Se você está escolhendo um modelo para segurança, espere a abertura do acesso e meça por conta própria a taxa de afirmações falsas. Se a escolha é para programação, o Opus 5.5 ainda é mais confiável. Para o orçamento, o que conta não é o preço por token, e sim o preço por tarefa: nesse critério, o Carbon sai mais barato que o Opus.