要点まとめ
▶ Googleは11月10日（現地時間）、最上位AIモデル「Gemini 4 Carbon」を開発者、企業、研究者、AI Ultraの加入者に提供すると発表した。
▶ 2週間前にサイバーセキュリティの専門家向けに限定公開したモデル。複雑なコーディング、長時間にわたるエージェント作業、科学研究に特化している。一般的なソフトウェア開発や知識労働には、従来の「Gemini 4 Argon」を推奨する。
▶ サイバーセキュリティ分野では、実際に脆弱性を発見した成果が出た。セキュリティ企業のWizは、Carbonを使い、大手SaaS企業2社で2時間もかからずにゼロデイ脆弱性を発見したと明らかにした。
Googleは、サイバーセキュリティと科学研究に特化した最上位の人工知能（AI）モデルを公開した。従来のモデルより多くの計算を行い、複雑な問題を分析して、複数の段階にわたって結果を検証する「Gemini 4 Carbon」だ。
Googleは10日（現地時間）、Carbonを開発者、企業、科学者、一般ユーザーに提供すると発表した。一般ユーザーはGoogle AI Ultraのサブスクリプションを通じて利用できる。
Carbonは2週間前、「Fairwind」プログラムを通じてサイバーセキュリティ防御の専門家に先行公開された。今回は、ソフトウェア開発や企業業務、科学研究へと活用範囲を広げた。
GoogleはCarbonを自社の最上位モデルと位置付けている。サイバーセキュリティ、複雑なソフトウェア開発、長時間にわたるエージェント作業で最高水準の性能を発揮するという。
従来の「Gemini 4 Argon」とは役割を分けた。一般的なコーディングや知識労働にはArgonを推奨する。Carbonは、複数段階にわたるデバッグや複雑なシステム設計、正解が決まっていない科学研究など、高度な推論能力を要する作業を対象としている。
CarbonはArgonより多くのトークンを使って問題を探る。推論と検証を繰り返し、複雑な作業を解決するよう設計されている。
◆ Cursor、Perplexity、Zapierの評価で1位
Googleが強みとして挙げるのは、実際の業務を遂行するエージェントとしての性能だ。Carbonは、コーディングツールCursorが開発した「CursorBench 4.0」、Perplexityの「WANDR」、業務自動化プラットフォームZapierの「AutomationBench」で、それぞれ1位を獲得した。
Googleによると、これらの評価では、次点の外部モデルと比べて作業あたりのコストが半分以下だった。AIモデルが単純な質問に答えるだけでなく、実際の業務をどれだけ正確かつ効率的に完了できるかを評価した結果だ。
複雑な文書の分析でも高い性能を示した。GoogleはAI評価機関Artificial Analysisと共同で、「マルチモーダル知識エージェント（MKA）」ベンチマークを開発した。
表やグラフ、設計図、画像を含む大量の文書をAIが分析し、必要な情報を探して成果物を作成する能力を測る。Carbonはこの評価で2位となった。1位のモデルと比べ、作業あたりの平均コストは6分の1未満だった。
金融分野でも成果が出た。金融リサーチ企業Hebbiaは、Carbonが複雑な金融調査で優れた性能を示し、ExcelのモデルやPowerPoint資料をより体系的に作成すると評価した。
ヘッジファンドのBalyasny Asset Managementは、法律知識やコーディング、データ分析などを評価する独自の金融ベンチマークで、Carbonが23種類の最上位モデル構成の中でも最高水準の性能を記録したと明らかにした。
◆ 複数のAIが同時に作業、「/swarm」を試験公開
Googleは開発ツール「Antigravity」に、新たなマルチエージェント機能「/swarm」も試験導入した。1つの指示を複数のAIエージェントが分担して処理する仕組みだ。
開発者はCarbonに、システム設計や作業の調整、コード監査など、高度な推論を要する役割を任せられる。他のエージェントには高速で軽量なモデルを配置し、作業を並行して進める。
各エージェントは独立した作業環境で動作する。変更内容を別途検証するエージェントを活用することもできる。
Googleは実際のデモ事例を公開した。公開されている市議会の都市計画文書PDF7点を分析し、Googleのオフィスビルを3Dで再現した。設計図206点を抽出し、約90万個の三角形で構成される3Dモデルを作成した。
1887～1889年のエッフェル塔建設過程も、歴史的な写真と工学図面をもとに再現した。利用者が直接見て回れる3D展示の形にした。
Google本社キャンパスを舞台にしたオープンワールド型の3Dゲームも制作した。複数のエージェントが3Dモデリングやゲームの実装、視覚効果などを分担した。
外部の開発企業による評価も公開された。コーディングスタートアップのOpenCodeは、Carbonが一晩で新しいRustのUIライブラリーを作り、既存のデスクトップアプリを再構築したと明らかにした。
アプリ開発企業HubXは、1万4,000件のテストで構成されるコードベースを使い、実際のバグ16件を対象に評価した。Carbonの解決率は94％で、修正によって既存機能に不具合が生じることはなかったという。
◆ Wiz、SaaS企業2社でゼロデイ脆弱性を発見
Carbonが特に注目を集めているのはサイバーセキュリティ分野だ。Googleは、サイバーセキュリティに特化したモデル「Carbon for cyber」が、脆弱性の検出や悪用可能性の分析、セキュリティパッチの作成で、従来のモデルを上回る性能を示すと発表した。
Fairwindプログラムを通じて提供されるこのモデルは、SEC-bench Pro、ExploitGym、CWE-bench v1など主要なセキュリティベンチマークでトップクラスの成績を記録した。
実際のセキュリティ研究でも成果が出た。セキュリティ企業Wizは、公益目的のセキュリティ点検プログラム「Scan for Good」でCarbonを活用した。大手SaaS企業2社を調査した結果、2時間もかからずにゼロデイ脆弱性を発見した。ゼロデイとは、開発元や管理者がまだ対応できていないセキュリティ上の脆弱性を指す。
Wizは、従来の手法では数週間かかることもある脆弱性の調査を、短時間で実施できたと説明した。その後、対象企業と協力して問題を修正した。数万社に影響を及ぼす可能性があったリスクを軽減したと評価している。
Google社内でも脆弱性分析の性能が向上した。自律型セキュリティシステム「Project Fortify」の評価で、Carbonは脆弱性検出の再現率100％、分類精度95％を記録した。再現率は実際の脆弱性のうち、どれだけを発見できたかを示す。精度は、脆弱性と分類した項目のうち、実際に脆弱性だったものの割合を示す。
オープンソースコードの評価では、検出再現率がArgonより相対的に25％以上向上した。Google Cloudの脆弱性研究チームはCarbonを使い、オープンソースソフトウェアのバグ2件が実際に悪用可能な脆弱性であることも証明した。研究チームは攻撃可能性を示す検証コードを作成した。その後、該当するバグが重大な脆弱性に再分類され、セキュリティパッチが公開されるよう支援した。
セキュリティ企業SentinelOneは、カーネルドライバーの分析で、他の評価モデルが見つけられなかった実証済みの脆弱性をCarbonがさらに4件発見したと明らかにした。
◆ サイバー攻撃の99％を阻止
サイバーセキュリティ能力が高まるほど、攻撃に悪用される可能性も大きくなる。GoogleはCarbonの公開にあたり、悪用を防ぐ性能も強化したと発表した。
模擬サイバー攻撃の評価では、攻撃者役のAIが遮断されるたびに計画を修正して再試行するようにした。この環境でCarbonは攻撃経路の99％を阻止した。攻撃1回あたりの防御失敗率は、Argonの3.1％からCarbonでは0.8％に下がった。
外部評価機関Gray Swanの試験でも、自動サイバー攻撃の質問に対する成功率は、Argonの9.86％からCarbonでは2.17％に低下した。
Trajectory Labsは132時間にわたり、1万3,000件を超えるリクエストでモデルの安全性を試験した。この過程で、新たな汎用的な脱獄手法は見つからなかったと発表した。
モデルの誠実性評価でも改善が見られた。375の課題で構成されるエージェント誠実性ベンチマークで、Carbonは92％を通過した。Argonは70％だった。
存在しない実験データをでっち上げるよう求められた場合、98％の確率で拒否した。研究手法に問題がある場合は、68％の確率で欠陥を指摘した。
外部の文書やデータに悪意ある指示を隠し、AIの動作を変えようとする間接的なプロンプトインジェクション攻撃の評価でも成果を上げた。
Gray Swanのベンチマークでは、攻撃成功率は0％だった。ただしGoogleは、特定の評価における結果であることを前提に、プロンプトインジェクション攻撃への防御能力を引き続き改善する必要があると説明した。
◆ 暗号検証からタンパク質研究まで、科学者1万人を支援
Carbonは科学研究にも活用されている。Googleの研究者は、暗号化メッセージアプリSignalで使われる暗号プロトコルの実装コードの安全性を数学的に検証する作業にCarbonを投入した。
研究者は他のモデルとCarbonを併用し、セキュリティ要件を数学的な定理に変換した。その後、形式検証フレームワーク「AlphaProof Code」を使い、数学的証明言語Leanで数百万行のコードを生成した。Googleは、専門家集団が数年かけて行う水準の検証作業を、数週間で進めたと説明した。
実験室での研究でも活用可能性を確認した。Carbonは実験ノートと生データを分析し、自動混合装置が試料を十分に混ぜられていない問題を発見した。クロマトグラフィー分析では、微量の試料が次の測定に残り、結果に影響する問題も検出した。
タンパク質構造予測の分野では、既存のデータベースから類似タンパク質を見つけにくいという問題に取り組んだ。研究者は複数のエージェントとCarbonを活用し、大規模な遺伝子配列やタンパク質構造のデータから、進化的に遠い関係にある類似タンパク質を探索した。CASP17の評価対象となったタンパク質ファミリー7種で、発見した類似タンパク質の数は平均40倍に増えた。
Googleは、これにより構造予測モデルを再学習させることなく、分析に使える情報を増やせる可能性を確認したと説明した。
研究者への支援も拡大する。Googleは先に、科学者1万人にAntigravityを6カ月間無料で提供するプログラムを開始した。従来のArgonに続き、Carbonも支援対象に加えた。参加者は資格や受け入れ人数、選考手続きに応じて順次登録される。
◆ API料金は入力2ドル、出力10ドル
CarbonはGoogle AI Studioと企業向けGemini APIを通じて、有料の開発者や企業に提供される。
導入価格はArgonと同じで、100万トークンあたり入力2ドル、出力10ドル。トークンはAIがテキストを処理する単位だ。入力はモデルに渡すデータ、出力はモデルが生成する結果を指す。
CarbonはArgonより多くのトークンを使うよう設計されている。そのため、トークン単価が同じでも、実際の作業にかかる総費用は異なる可能性がある。
Google AI Ultraの加入者は、Geminiアプリや検索のAIモード、AntigravityでCarbonを利用できる。企業はGemini for Businessや開発ツールを通じてアクセスできる。サイバーセキュリティ特化版は別扱いで、Fairwindプログラムに申請し、利用権限を得る必要がある。
GoogleはCarbonを一般業務から高度な研究まで利用できる最上位モデルとして提供する一方、サイバーセキュリティ特化機能については限定的に提供する方針を選んだ。
今回の発表は、AIモデルの競争が単純な質問応答の性能から、実際の業務遂行や科学研究、セキュリティ問題の解決能力へと広がっていることを示している。
Carbonが実際の企業環境でどれほど安定して動作するのか、また長時間の作業で費用に見合う性能を維持できるのかについては、今後の検証が必要だ。