［ニュース解説］ Gemini 4 Carbon発表、サイバー防御と長時間タスクに強いGoogleの新モデル

2026-10-29

はじめに

　Google DeepMindは2026年10月28日、新しいフロンティアモデル「Gemini 4 Carbon」を発表しました。同社が最も強力なモデルと位置づけ、サイバーセキュリティと長時間タスクの性能を前面に出しています。性能、安全対策、提供計画と料金を順に整理します。

参考記事

タイトル: Gemini 4 Carbon: our next frontier model
著者: Koray Kavukcuoglu
発行元: Google DeepMind
発行日: 2026年10月28日
URL: https://deepmind.google/blog/gemini-4-carbon-our-next-frontier-model/

要点

Google DeepMindは2026年10月28日、サイバーセキュリティと長時間タスクに強い新モデル「Gemini 4 Carbon」を発表した。
Artificial Analysis Intelligence Index v5.0で59を記録して1位となり、SEC-bench Proでは88.2%を記録している。
一部のサイバー防御担当者から提供を始め、Fairwind Programを通じて信頼できるパートナーへ段階的に広げる。
導入価格はGemini 4 Argonと同じく、入力100万トークンあたり2ドル、出力10ドルである。
開発者・企業・一般向けの提供は、ガードレールの改善を経てできるだけ早く行うとしている。

詳細解説

Gemini 4 Carbonの概要と位置づけ

　Google DeepMindによると、Gemini 4 Carbonは同社で最も強力なモデルです。サイバーセキュリティと長時間にわたるタスクの遂行で、最高水準の性能を持つとされています。

　第三者の総合指標でも高い評価を得ています。最近v5.0に更新されたArtificial Analysis Intelligence Indexでは、59で1位です。コーディングやエージェント的なタスクでも大きな向上を示しました。

　サイバー防御の主要な外部ベンチマークでも首位に立っています。数値は次のとおりです。

SEC-bench Pro（脆弱性の発見）：88.2%
ExploitGym（脆弱性の悪用可能性の検証）：54.8%
CWE-bench（脆弱性の修正）：71.0%

　社内ベンチマークでは、安全なコードの生成が大きく向上しました。社内チームとの実際のコーディング環境では、ミスアライメントや事実の捏造の発生率も下がっています。ミスアライメントは、AIが利用者や開発者の意図とずれた振る舞いをすることです。

　Carbonは、2週間前に公開されたGemini 4 Argonを土台にしています。研究者とモデルが一体となって能力向上を速め、同時に安全対策も強めている、というのが同社の説明です。

　フロンティアモデルは、その時点で最先端の性能を持つ大規模モデルを指します。Artificial Analysis Intelligence Indexは、複数のベンチマークを束ねてモデルを比較する第三者の指標です。わずか2週間で上位モデルが続いた点から、Geminiの開発サイクルがかなり短くなっていることがうかがえます。

長時間のエンジニアリング作業とコーディング性能

　Carbonは、より難しく長期にわたるエンジニアリング課題を想定して設計されています。エージェントとして作業を続けるワークフロー向けのモデルです。

　長期タスク（long-horizon task）とは、多数の手順を積み重ね、長い時間をかけて完了させる作業です。エージェント的なワークフローは、AIが計画・実行・確認を自律的に繰り返す使い方を指します。

　Google DeepMindによると、社内ではCarbonが数日間動き続け、行き詰まりを乗り越えて作業を進めた例があります。対象は、大規模なコードベースや低レベルシステムにまたがる複雑な多段階タスクです。たとえば、見つけにくいバグの根本原因を突き止めて修正する作業が挙げられています。低レベルシステムとは、OSやハードウェアに近い層のソフトウェアです。

　また、ユーザーからのフィードバックを踏まえ、次の領域で性能を高めました。

コーディング
エージェント的なタスク
科学分野のタスク
フルスタックのWeb開発
マルチモーダル理解（テキストに加えて画像なども扱う能力）

　Web開発では、出力や成果物の質が上がりました。WebDev ArenaではEloスコアを89ポイント伸ばし、1768で4位に入っています。他モデルとの比較を含む評価結果の一覧は、元記事で確認できます。

　WebDev Arenaは、Web開発の出力を人が比べて投票し、Eloレーティングで順位をつける評価です。総合指標では1位でも、Web開発の対人評価では上位に3つのモデルがいます。用途によって得意・不得意が分かれる点は押さえておくと良さそうです。

脆弱性の発見・検証・修正で最高水準の成績

　Google DeepMindによると、Carbonはサイバー防御のライフサイクル全体で最高水準の性能を達成しました。ライフサイクルとは、脆弱性の検出、検証、修正という一連の流れです。

　社内ではすでに、サイバー防御での効果が出ています。具体例は次のとおりです。

社内ベンチマークでは、安全なコードを生成する成功率がArgonの2倍超に向上しました。
Chromeチームの報告では、高品質なパッチの生成で、他の開発元の大型フロンティアモデルを10倍以上上回りました。
GoogleのクラウドセキュリティプラットフォームであるWizでも、Webのペネトレーションテストの評価でCarbonが首位でした。

　ペネトレーションテストは、攻撃者の視点で実際に侵入を試み、弱点を洗い出す検査です。この能力は、WizのScan for Goodという取り組みの中核にもなっています。

　外部ベンチマークの結果は次の3つです。いずれもガードレール（安全上の制限）を外した状態で評価されています。

実在する脆弱性の発見：SEC-bench Proで最高水準の88.2%を記録しました。実際のソフトウェアに埋もれた複雑な欠陥を、自律的に見つけ出します。
悪用による危険度の検証：ExploitGymで54.8%を記録し、最高水準を更新しました。防御側は、どの脆弱性を優先して直すか、そもそも直すべきかを判断します。その材料として、悪用可能かどうかの確認にモデルを使う場面が増えています。
根本原因からの修正：CollinearのCWE-benchで71.0%に達しました。検証済みの発見を、そのまま動く修正コードに変えます。

　CWE（Common Weakness Enumeration）は、ソフトウェアの弱点を種類ごとに分類した共通の一覧です。エクスプロイト（脆弱性の悪用）の能力は、防御にも攻撃にも使える両刃の性質を持ちます。後述する段階的な提供の背景には、この点があるとみられます。

　ガードレールなしの数値は、モデルが本来持つ能力を示すものです。製品として提供される際は制限がかかるため、同じ挙動になるとは限りません。

安全性とアライメントの強化

　Google DeepMindによると、CarbonはArgonと同じ多層的な安全・セキュリティの仕組みを引き継いでいます。構成要素は次の4つです。

モデルの学習段階での対策
リアルタイムの悪用防止
プロンプトインジェクションへの耐性
思考過程（Chain of Thought）の監視

　Argonではアライメントが大きく進み、その傾向は安全性・セキュリティのレポートで報告されています。Carbonではさらに一歩進め、複雑な作業や圧力のかかる作業にも適切に対応するよう学習させました。アライメントとは、AIの振る舞いを人間の意図や価値観に沿わせることです。

　主な改善点は次の5つです。

近道や抜け穴の利用を抑制：学習中の近道を減らしつつ、高いコーディング性能を保ちました。Terminal-Bench 4.0での不正の成功は0.0%、不正の試みは0.4%に下がり、全体の正答率も上がっています。社内チームとの実際のコーディング環境では、重大度の高いミスアライメント警告が8割近く減りました。
透明性と誠実さの向上：社内テストでは、根拠のない主張がArgonの約半分に減りました。証拠が足りないときは、ごまかさずに手法上の注意点を成果物に明記します。実行できない操作は保留し、残りの必要事項を一覧で示します。
曖昧さへの協調的な対応：推測で進めたり、強引に押し切ったりしません。関連する情報源を集め、食い違いを利用者に示してから行動します。その結果、利用者とのやり取りがより協調的になるとしています。
踏み込みすぎず、やり残しもしない：指示の範囲を超える行動（overreach）を26%、対応不足（under-service）を29%減らしました。プロジェクトの制約と範囲を守りながら、多段階の計画を最後まで確実に実行します。
プロンプトインジェクションへの耐性：Gray SwanのIPIベンチマークで、Argonは攻撃成功率0.7%で首位でした。Carbonは0.0%で、評価したすべての攻撃を防いでいます。

　Terminal-Benchは、ターミナル（コマンド操作の画面）上でのエージェント作業を測る評価です。ここでの不正は、課題を本当に解かずに評価の抜け穴を突いて合格を得る行動を指します。

　間接プロンプトインジェクション（IPI）は、Webページや文書に紛れ込ませた命令でAIを操る攻撃です。メールやWebを読み取って動くエージェントでは、特に重要な対策になります。ただし0.0%は、このベンチマークで評価した攻撃に対する結果です。未知の手口まで防げる保証ではないため、権限の絞り込みなど運用側の対策も引き続き必要と言えます。

提供方法・料金と利用前の注意点

　Google DeepMindは、提供を慎重に進める方針です。米国政府が実施する、公開前のモデル試験の任意プロセスにも積極的に参加しています。提供の流れは次のとおりです。

発表の週から、一部のサイバー防御担当者に提供を開始
Fairwind Programを通じ、信頼できるパートナーへ段階的にアクセスを拡大
フィードバックを集め、ガードレールを改善
開発者、企業、一般消費者向けに、各製品を通じてできるだけ早く提供

　料金は、Argonと同じ導入価格（introductory price）で始まります。

入力トークン：100万トークンあたり2ドル
出力トークン：100万トークンあたり10ドル
キャッシュされた入力トークン：入力価格の95%引き（100万トークンあたり0.1ドル相当）

　トークンは、AIが文章を処理する際の最小単位です。キャッシュは、以前に送った同じ入力部分を再利用し、安く処理する仕組みです。仮に入力10万トークン、出力2万トークンの作業なら、計算上は入力0.2ドル、出力0.2ドルで合計0.4ドルです。導入価格の適用期間やその後の価格は公表されていません。

　日本での提供時期、APIでのモデル名、Geminiアプリなどでの利用条件も公表されていません。当面、一般の利用者がすぐに試せるモデルではないため、導入を考える場合はGoogleの公式情報で最新の提供状況を確認してください。

　利用開始に備えて、次の点を押さえておくと良さそうです。

数日単位で動くエージェントは出力トークンが増えやすいため、利用上限や予算を先に決めておく
繰り返し使う指示文や資料は、キャッシュを活かせる構成にしておく
外部のWebやメールを読ませる場合は、AIに与える権限を必要最小限にする
ベンチマークの数値は評価条件つきの結果として扱い、自社の業務で小さく検証する

　Google DeepMindは、安全性と信頼性を損なわずに、ソフトウェア開発とサイバー防御で大きな前進を届けることを目標に掲げています。まずはサイバー防御の初期利用者の使い方を見たうえで、開発者や企業、一般消費者へ早期に提供を広げる方針です。

まとめ

　Gemini 4 Carbonは、長時間のエンジニアリング作業とサイバー防御に強みを持つ新モデルです。安全面でも、不正や根拠のない主張の減少が示されました。一方で一般提供はまだ先で、まずは防御担当者向けです。悪用にもつながる能力を持つだけに、段階的な提供は妥当な進め方と言えます。今後は一般提供の時期と、ガードレール適用後の実際の性能が注目点になります。