Gemini 4 Carbon 徹底解説 — 料金$2/$10・サイバー性能・ベンチマーク【2026年10月】

Gemini 4 Carbon は、Google が2026年10月28日に発表したフロンティアモデルで、同社が「最強のモデル」と位置づける最上位です。最先端のサイバーセキュリティ能力と、長い工程を自律的にこなす長期タスク（long horizon）能力を柱に掲げ、2026年9月30日発表の Gemini 4 Argon の上に構築されました。導入価格は入力 $2 / 出力 $10（1Mトークンあたり）で、導入期間後は入力 $4 / 出力 $20 になります。ただし現時点の提供は一部のサイバー防御者に限られ、開発者・企業・一般向けは「Coming soon」の段階です。

発表では、Artificial Analysis Intelligence Index v5.0 で1位（スコア59）、脆弱性発見ベンチ SEC-bench Pro で88.2%、WebDev Arena で4位（1768 Elo）といった数値が示されました。一方で、コンテキスト長・入出力モダリティ・速度・知識カットオフ・モデルIDは未公表です。本コラムでは公式ブログの内容を軸に、仕様・料金・ベンチマークの読み方・提供状況・Gemini 4 Argon 徹底解説で扱った前世代との違いを整理し、開発者が今のうちに準備できることをまとめます。数値は Google の発表値で、独立した再現検証は未実施です。

スペック欄の多くが「未公表」であることが、現時点の最大の特徴です。公式ブログが語っているのは、どんな能力に力を入れたか（サイバーと長期タスク）と、それを裏づける評価結果が中心で、API 設計に必要な基礎仕様はまだ出ていません。実装を検討する場合は、これらが公開されるまで設計を固めすぎないのが安全です。

Carbon は、Gemini 4 世代の中で Argon の次に置かれる最上位モデルです。Google は Carbon を、攻撃と防御の両面を含むサイバーセキュリティの領域で最先端の能力を持ち、数多くの手順を踏む長期タスクを最後までやり遂げるモデルだと説明しています。ここで言う長期タスクとは、コードベースの調査、脆弱性の発見、再現、修正パッチの作成といった、1回の質問では終わらず複数の工程を自律的に進める仕事を指します。

この方向性は、評価項目の並びにも表れています。発表で強調されたのは、脆弱性の発見（SEC-bench Pro）、攻撃の実証（ExploitGym）、修正パッチの生成（CWE-bench）という、発見から修正までの一連の流れです。セキュリティ領域の監査をコーディングエージェントに任せる流れについては、Cloudflare security-audit-skill のガイドでも整理しており、Carbon のようなモデルはその土台として使われる可能性があります。

料金は Argon と同じく、導入価格と導入期間後の価格の2段構えです。導入価格は入力 $2 / 出力 $10、導入期間後は入力 $4 / 出力 $20（いずれも1Mトークンあたり）で、キャッシュ入力は入力単価の95%オフです。導入期間の長さは公表されていません。

キャッシュ入力の $0.10 と $0.20 は「入力単価の95%オフ」から算出した目安で、公式の単価表が出るまでは参考値として扱ってください。また、思考（thinking）に使われるトークンの課金方法や、長文入力に対する追加料金の有無は、今回の発表では示されていません。

参考までに、単純計算での1リクエストの費用感を示します。入力100万トークン・出力10万トークンの処理なら、導入価格で $2 + $1 = $3、導入期間後で $4 + $2 = $6 です。入力の大部分をキャッシュできれば、入力側の費用は大きく下がります。長い工程を何度も往復する長期タスクでは、同じ文脈を繰り返し送るためキャッシュの効き具合が総額を左右するので、設計時にプロンプトの前半を固定する工夫が効きます。

公式ブログが示した主な評価結果は次のとおりです。社内評価と第三者評価が混在しているため、表では出どころを分けて示します。

ここでの読み方のポイントは3つあります。第一に、サイバー関連の3項目は発見・実証・修正の工程を分けて測っていることです。発見88.2%に対して、攻撃の実証は54.8%、修正パッチは71.0%と開きがあり、工程によって難易度が異なることが分かります。実務で重要なのは、見つけた脆弱性を確実に直す後半の工程ですが、人間の確認なしに任せられる水準かは別の問題です。

第二に、Terminal-Bench 4.0 の不正0.0%・不正の試み0.4% は、性能そのものではなく行動の誠実さを測る指標です。長期タスクを自律で回すとき、モデルが評価の抜け穴を突く、あるいは成功したように見せかけるといった振る舞いは大きなリスクになります。この数値が低いことは、エージェント用途で重要な安心材料の一つです。ただし、これも発表値であり、自社環境で同じ結果になる保証はありません。

第三に、プロンプトインジェクション耐性です。Gray Swan IPI での攻撃成功率は、Argon が0.7%、Carbon が0.0%と示されました。外部のWebページやメールを読み込んで動くエージェントでは、読み込んだ文面に潜む悪意ある指示に従ってしまうことが大きな脅威になります。差は小さく見えますが、ゼロに近づくほど運用上の事故は減ります。ただし、0.0%は「ベンチマーク上の試行で成功しなかった」という意味であり、あらゆる攻撃に耐えるという保証ではありません。

公式ブログは、ベンチマークとは別に、Argon と比較した社内評価の改善も挙げています。いずれも Google 社内の測定で、第三者による再現はまだありません。

- 根拠のない主張: Argon 比で約半分に減少。もっともらしい誤りを減らす方向の改善
- overreach（頼まれていないことまでやる）: 26%減
- under-service（頼まれたことをやりきらない）: 29%減
- ミスアライメント警告: ライブコーディング環境で、高深刻度の警告が約80%減
- セキュアコード生成: 社内評価で Argon 比2倍超の成功率

特に overreach と under-service の両方を下げたという点は、エージェント開発者にとって実用的です。勝手に範囲を広げて余計なファイルを書き換えるモデルも、途中で手を止めて「できました」と報告するモデルも、どちらも運用の手間を増やします。両方が減ったとする主張は、長い作業を任せる際の手戻りの少なさにつながる可能性があります。

また、Chrome チームの自己申告として、他ラボの大型フロンティアモデルより高品質なパッチを生成する比率が10倍以上という評価が紹介されています。これは特定の用途に対する一チームの報告であり、条件や比較対象の詳細は本コラム執筆時点で確認できていません。一般的な優劣を示す数値としては扱わず、方向性を示す事例として読むのが適切です。

提供は段階的に進みます。発表週から一部のサイバー防御者への提供が始まり、Fairwind Program を通じて信頼されたパートナーへ段階的に広げるとされています。開発者・企業・一般向けは「Coming soon」で、Google は「できるだけ早く」提供するとしています。

現時点で公表されていない主な事項は次のとおりです。API の設計や費用試算に直結するものが多く、公開されるまで確定的な判断はできません。

- コンテキスト長
- 入出力モダリティ（画像・音声・動画などの扱い）
- 速度（レイテンシ、スループット）
- 知識カットオフ
- モデルID
- Google AI Studio、Vertex AI、Gemini アプリでの提供時期
- 導入価格が適用される期間

特にサイバー能力の高いモデルは、悪用リスクを考慮して信頼できる相手から順に提供するのが業界の流れになっています。Carbon が防御者向けから始まるのは、能力の高さを踏まえた慎重な公開判断と読めます。一般公開までの時間は、この審査の進み具合にも左右されるでしょう。

Carbon は Argon の上位に位置づけられ、料金は Argon と同じ価格体系です。つまり、同じ単価で能力の高いモデルが使えることになります。他社モデルの料金は、Argon の解説記事で整理した値を再掲します。

価格面では、導入価格の Carbon は Claude Sonnet 5.5 や GPT-6.1 Sol と並びます。導入期間が終わって $4 / $20 になれば Claude Opus 5.5 と同水準になり、GPT-6 Astra の5分の2の価格です。性能比較は、各社が異なるベンチマークを公表している以上、現時点では単純にできません。Carbon が示した Artificial Analysis のスコア59が他社モデルとどう並ぶかは、同じ指標で各社を測った結果を見て判断する必要があります。

Argon との違いに絞ると、公式の整理では、セキュアコード生成の成功率が2倍超、プロンプトインジェクションの攻撃成功率が0.7%から0.0%、根拠のない主張が約半分、といった改善が挙げられています。サイバーやセキュアコードを重視する用途では、Argon から Carbon へ乗り換える動機になりえます。一方、Carbon の提供が始まるまでは Argon も一般提供前であり、両者とも手元で試せる環境は限られます。

- 評価セットを用意する: 自社の実コードから、脆弱性の指摘、パッチ作成、レビューなど代表的な課題を10〜30件選び、合否基準を決めておく。提供開始日に、現行モデルと同条件で比較できる。
- コストを複数シナリオで見積もる: 導入価格（$2 / $10）と導入期間後（$4 / $20）の両方で月額を試算する。キャッシュの活用度、思考トークンの課金方法（未公表）を感度分析に入れる。
- プロンプトの前半を固定する: 長期タスクでは同じ文脈を何度も送るため、システム指示や参照資料を先頭にまとめるとキャッシュが効きやすい。
- モデルを差し替えやすくする: モデルIDやプロバイダーを設定値で切り替えられる構造にする。モデルIDが公表されたらすぐ検証環境に載せられる。
- 人間の承認工程を残す: 脆弱性の修正やコードの自動変更は、Carbon の水準が高くても、レビューと承認の工程を前提に設計する。
- 外部データを読む経路を棚卸しする: プロンプトインジェクション耐性が高いとされても、権限の最小化と出力の検証は別に必要。

Gemini 4 Carbon は、サイバーセキュリティと長期タスクに力を入れた Google の最上位モデルで、導入価格 $2 / $10 という Argon と同じ単価で提供される予定です。Artificial Analysis Intelligence Index v5.0 で1位、SEC-bench Pro 88.2%、プロンプトインジェクション攻撃成功率0.0%など目を引く数値が並びます。一方で、コンテキスト長・モダリティ・速度・モデルID・導入期間といった基本情報は未公表で、提供も一部のサイバー防御者に限られます。今できる最善の準備は、評価セットとコスト試算を整えて、一般提供の告知を待つことです。続報があれば、本コラムを更新します。