Google DeepMind ha annunciato il 10 novembre 2026 che Gemini 4 Carbon, l'ultimo arrivo della sua famiglia di modelli frontier Gemini 4, è ora disponibile per sviluppatori, aziende, ricercatori e consumatori. Nell'annuncio sul blog di Google DeepMind, Koray Kavukcuoglu, SVP di Google DeepMind e Chief AI Architect di Google, ha descritto Carbon come il modello più potente dell'azienda, con prestazioni frontier nelle capacità di cybersecurity e nei flussi di lavoro agentici di lungo periodo attraverso lavoro di conoscenza complesso, ingegneria del software e ragionamento scientifico.

Due settimane prima, Google aveva rilasciato Carbon a un gruppo di difensori della cybersecurity tramite il suo Fairwind Program. Carbon arriva sulle spalle di Gemini 4 Argon, che, secondo Google, rimane la scelta ideale per la maggior parte del lavoro di ingegneria del software e della conoscenza. Carbon è progettato per i compiti che mettono alla prova i limiti dell'intelligenza di un modello — coding e debugging complessi e multi-step, e ricerca e scoperta scientifica aperte — utilizzando più token di Argon per esplorare in modo approfondito, ragionare profondamente ed eseguire cicli di verifica estesi.

Attraverso benchmark indipendenti progettati per testare le prestazioni dei modelli in flussi di lavoro reali, Google ha dichiarato che Carbon abbina accuratezza frontier a un'economia di produzione pratica. Si classifica #1 su CursorBench 4.0, WANDR di Perplexity e AutomationBench di Zapier, con un costo per attività inferiore a più del 2X rispetto al miglior modello esterno concorrente.

Per applicare Carbon a progetti più grandi e complessi, Google sta anteprimendo /swarm in Google Antigravity, come dettagliato nell'annuncio di Antigravity. La funzionalità trasforma un singolo prompt in un team coordinato di agenti tracciabile in tempo reale. Gli sviluppatori possono assegnare a Carbon i ruoli che richiedono il ragionamento più profondo, come progettazione architetturale, coordinamento e auditing, affiancandolo a modelli più veloci e leggeri attraverso spazi di lavoro isolati paralleli e verificatori avversariali che testano ogni modifica.

Gemini 4 Carbon è disponibile tramite API in Google AI Studio e Gemini for business per tutti gli sviluppatori e le aziende con abbonamento a pagamento, allo stesso prezzo di lancio di Gemini 4 Argon: 2 dollari per milione di token di input e 10 dollari per milione di token di output, secondo la documentazione dei prezzi di Google. Una nota nell'annuncio precisa che, dopo la scadenza del periodo di lancio il 30 novembre 2026, si applicherà il prezzo di 4 dollari per milione di token di input e 20 dollari per milione di token di output; la tariffa di lancio si applica solo al modello Carbon destinato all'accesso pubblico. Il modello è inoltre in distribuzione per tutti gli abbonati Google AI Ultra in Google Antigravity, nell'app Gemini e in AI Mode in Search.

Lavoro di conoscenza, generazione di artefatti e analisi dei dati ad alta precisione

Nei settori legale, finanziario e delle operazioni aziendali, Google ha dichiarato che Gemini 4 Carbon combina comprensione visiva frontier, ragionamento e recupero esaustivo per sintetizzare intuizioni fondate su grandi insiemi di documenti e dati densi. Il modello segue schemi e formattazioni rigorosi per generare fogli di calcolo, presentazioni e report raffinati e precisi.

Poiché i benchmark esistenti non catturano adeguatamente il modo in cui gli agenti ragionano nativamente su file densi contenenti grafici, immagini, progetti, schemi e tabelle, Google ha collaborato con Artificial Analysis per lanciare il nuovo benchmark Multimodal Knowledge Agent (MKA), che testa le prestazioni multimodali di un modello nei flussi di lavoro agentici. Carbon si classifica #2 nel benchmark con un costo medio per attività inferiore a più del 6X rispetto al modello con le migliori prestazioni.

Google ha anche dimostrato le capacità di gestione dei documenti di Carbon attraverso build multi-agente in Google Antigravity. Un team di agenti Gemini 4 Carbon ha trasformato foto storiche e tavole ingegneristiche in una mostra 3D interattiva in Three.js della costruzione della Torre Eiffel nel 1887–1889 a partire da un singolo prompt. Lavorando da sette PDF pubblici di pianificazione di un City Council (206 viste di disegni ingegneristici estratte) e da un singolo prompt, un team multi-agente Carbon ha realizzato una ricostruzione Three.js interattiva di 906K triangoli dell'ufficio Platform 37 di Google in 10 cicli notturni. In un'altra dimostrazione, Carbon ha realizzato un visualizzatore tessile multiscala interattivo basato su un articolo accademico, modellando un framework a elementi finiti per fibre virtuali con mesh 3D interattive di filati, tracciamento polare a 110 fibre e curve stress-deformazione dinamiche con prompt minimi.

Nelle valutazioni pre-rilascio, Carbon ha eguagliato le prestazioni del miglior modello testato sulla ricerca finanziaria approfondita nella valutazione E2E Financial Agentic di Hebbia e si è classificato al primo posto su 23 configurazioni di modelli frontier nel benchmark General Financial Intelligence di Balyasny Asset Management, che comprende competenza legale, uso ed esecuzione di strumenti agentici, coding e data engineering, e percezione e comprensione del contesto.

Coding agentico migliorato, sviluppo full-stack e design 3D e UI

Carbon ottiene prestazioni eccezionali nei compiti di ingegneria che richiedono collaborazione multi-agente, come migrazioni multi-package, indagini di root-cause tra sottosistemi e riprogettazioni architetturali complesse. Per lo sviluppo di app web, ha dichiarato Google, esegue cicli di build-and-verify, si riprende dagli errori e controlla sia il codice che la UI renderizzata per produrre applicazioni complete e funzionanti. Una maggiore qualità del design visivo, il ragionamento spaziale e l'attenzione ai dettagli ambientali si estendono anche allo sviluppo di giochi 3D e al coding creativo.

Google ha mostrato diverse build alimentate dalla funzionalità /swarm in Google Antigravity. Carbon ha creato un gioco 3D open-world in cui i giocatori esplorano il campus di Google a Mountain View nei panni di un pellicano su una GBike; il sistema ha coordinato subagenti per modellare asset 3D in Blender a partire da riferimenti Omni e Nano Banana, costruire il gioco browser in Three.js con shader WebGL e abbinare effetti sonori procedurali in Web Audio alla musica di Lyria. Una versione giocabile del gioco è ospitata in AI Studio.

Affiancato a migliorate capacità di gusto front-end e motion design in Google Antigravity, Carbon ha reimmaginato il Google Merchandise Store in due prompt, proponendo cinque concept di direzione artistica e generando immagini prodotto completamente nuove con Nano Banana 2.1. La live app e la relativa skill di front end design di Gemini sono entrambe pubblicamente disponibili.

Partendo da un riferimento video generato con Gemini Omni in Google Antigravity, Carbon ha prodotto una scenografica scena sottomarina di Atlantide con riprese multiple. La pipeline ha modellato rovine procedurali, illuminazione caustica volumetrica e simulazione dell'acqua in Blender prima di convertire l'intero ambiente in Three.js per il rendering in tempo reale nel browser.

Utilizzando un ciclo multi-agente in Google Antigravity, Carbon ha anche ricostruito un fortepiano Stein-Schule del 1780 circa, giocabile, con fisica di scappamento a 61 tasti, a partire da disegni CAD e radiografie a raggi X, collocandolo in un modello 3D della Koerner Hall del Royal Conservatory of Music di Toronto con acustica spaziale specifica per posto. Lo strumento interattivo è disponibile come live app.

Capacità frontier di cybersecurity

Gemini 4 Carbon for cyber offre le più forti capacità di cybersecurity di Google fino ad oggi, fornendo ai team di sicurezza l'intelligenza end-to-end necessaria per proteggere il software critico. Quando vi si accede tramite il Fairwind Program, Carbon guida i benchmark chiave nell'individuazione di vulnerabilità (SEC-bench Pro), nel loro sfruttamento (ExploitGym) e nella loro correzione (CWE-bench v1) — ispezionando il software, tracciando come le vulnerabilità possono essere concatenate tra i sistemi e generando patch verificate di root-cause.

I primi tester dentro e fuori Google stanno già ottenendo forti risultati con Carbon for cyber nella pratica. In Project Fortify, il sistema autonomo di Google che copre scanning, triage e remediation, Carbon ha raggiunto il 100% di recall nello scanning e il 95% di precisione nel triage nel benchmark interno di Google. Nei test su repository di codice open source, Google riporta un miglioramento relativo di oltre il 25% rispetto all'elevato recall già forte di Argon, portando alla luce difetti logici reali precedentemente non rilevati. Portare questi miglioramenti in tutta Google — uno dei maggiori utilizzatori di software open source al mondo — contribuisce a proteggere sia i sistemi dell'azienda sia l'ecosistema più ampio, ha detto Google.

Il team Cloud Vulnerability Research (CVR) di Google ha recentemente utilizzato Carbon per dimostrare che due bug in un popolare software open source erano in realtà vulnerabilità sfruttabili, paragonabili per gravità al recente exploit PHP2Shell. Usando Carbon per costruire un proof of concept, CVR ha aiutato i maintainer a riclassificare il bug come critico e a rilasciare rapidamente una patch. I dettagli saranno condivisi una volta completato il processo di responsible disclosure.

Nell'ambito del programma Scan for Good di Wiz, il team ha utilizzato Carbon per valutare le vulnerabilità nell'infrastruttura digitale pubblica. Scansionando due importanti provider SaaS, il modello ha scoperto vulnerabilità 0-day in meno di due ore, comprimendo settimane di ricerca sulle vulnerabilità in un solo pomeriggio. Il team ha collaborato con le organizzazioni interessate per la remediation in tempi record, contribuendo a mitigare il potenziale impatto su decine di migliaia di aziende.

Ragionamento scientifico e matematico più forte

Gemini 4 Carbon mostra prestazioni notevolmente migliorate nel ragionamento in fisica, matematica e scienze della vita, sintetizzando dati sperimentali, testando ipotesi e affrontando problemi disciplinari multi-step. Per l'azienda di ricerca sulla tossicità dei farmaci Axiom Bio, Carbon è ora il modello leader nelle prestazioni per la scienza traslazionale, individuando meccanismi di tossicità novelty che l'azienda non aveva precedentemente identificato. Axiom sta ora spostando le proprie analisi scientifiche di produzione e i propri agenti sia su Carbon sia su Argon per sbloccare la creazione di farmaci più sicuri.

I ricercatori di tutta Google hanno utilizzato Carbon in Google Antigravity per accelerare il proprio lavoro:

• Verifica del codice: i ricercatori hanno costruito un nuovo framework agentico per la verifica formale chiamato AlphaProof Code e lo hanno applicato a una grande sfida di sicurezza: dimostrare matematicamente il codice effettivo alla base del protocollo crittografico di Signal. Utilizzando Carbon insieme ad altri modelli, i ricercatori hanno tradotto gli obiettivi di sicurezza in teoremi matematici. Gli agenti AlphaProof Code hanno quindi usato Carbon per generare milioni di righe di codice in Lean, un linguaggio informatico per scrivere dimostrazioni matematiche, aiutandoli a dimostrare proprietà di sicurezza chiave in settimane — un compito che storicamente richiede anni a team di esperti. Google ha detto che il risultato indica il potenziale di Carbon per sbloccare la verifica formale scalabile, a lungo considerata un approccio di riferimento per la costruzione di software sicuro.
• Sviluppo di saggi enzimatici: fornito solo con quaderni di laboratorio e dati grezzi, Carbon è andato oltre l'analisi standard per portare alla luce anomalie nei dati difficili da interpretare, che ha usato per diagnosticare sottili artefatti sperimentali di laboratorio umido come miscelazioni automatizzate incomplete in pozzetti profondi, portando a una notevolmente migliore riproducibilità. Carbon ha inoltre migliorato i metodi per scomporre i picchi cromatografici e ha rilevato il carryover di tracce di campione negli strumenti di ricerca, accelerando significativamente lo sviluppo di nuovi saggi e stringendo il ciclo di feedback tra calcolo e banco di laboratorio.
• Predizione della struttura proteica: i modelli di predizione della struttura come AlphaFold 3 utilizzano allineamenti di sequenze multiple (MSA) di parenti evolutivi per aiutare a inferire come si ripiegano le catene di amminoacidi, e di conseguenza spesso incontrano difficoltà con proteine poco studiate, virali, microbiche ed eucariotiche che hanno pochissime corrispondenze nei database standard. Lavorando in una configurazione multi-agente, i ricercatori di Google hanno usato Gemini 4 Carbon per scoprire autonomamente omologhi remoti attraverso archivi di sequenze non annotate su scala di petabasi, cataloghi di sequenze ambientali e virali e database di strutture 3D. Su 7 famiglie proteiche a bassa omologia del set di test alla cieca CASP17, Carbon ha aumentato di 40 volte in media il numero di omologhi recuperati, aumentando notevolmente le informazioni disponibili per i modelli di predizione della struttura senza necessità di riaddestramento. Sebbene il benchmarking più ampio sia ancora in corso, affrontare questo collo di bottiglia a monte della ricerca offre potenzialmente un percorso promettente verso la modellazione delle regioni del proteoma difficili da caratterizzare.

Quattro settimane prima dell'annuncio, Google aveva aperto le candidature per dare a 10.000 ricercatori accesso ad Argon in Google Antigravity gratuitamente per sei mesi, per accelerare il ritmo delle loro ricerche, e migliaia di ricercatori sono già stati integrati. Con il rilascio di Carbon, Google sta espandendo l'accesso a Carbon ai partecipanti attuali e futuri, e il programma continuerà a fornire accesso ai più recenti modelli frontier di Google man mano che diventano disponibili. Le candidature restano aperte tramite il modulo di candidatura di Google, e l'onboarding continua su base settimanale progressiva, soggetto a idoneità, capacità e selezione.

Progressi nella sicurezza del modello

Google ha dichiarato che, a ogni nuovo rilascio di modello, rafforza le mitigazioni di sicurezza, la prevenzione dell'uso improprio agentico, l'allineamento del modello e la riduzione dei danni in proporzione alle capacità del modello. Poiché Gemini 4 Carbon introduce capacità cyber più forti, l'azienda ha costruito sul solido stack di sicurezza di Argon per fortificare la robustezza contro uso improprio e prompt injection.

Sul fronte dell'uso improprio, Google ha detto di aver rafforzato le tutele per contribuire a garantire che un ragionamento difensivo più forte non si traduca in rischio offensivo. In ambienti di test simulati di attacchi informatici popolati con ExploitBench e CyScenarioBench, Carbon ha bloccato il 99% delle traiettorie di attacco dell'agente red-teaming adattivo di Google, in grado di rivedere iterativamente i propri piani di attacco dopo ogni blocco. Le tutele di Carbon hanno ridotto il tasso di violazione per tentativo allo 0,8%, dal 3,1% di Argon, e hanno ridotto il tasso di successo delle query automatizzate di attacco informatico al 2,17% nei test di Gray Swan, rispetto al 9,86% di Argon. I test esterni di Trajectory Labs hanno rilevato zero nuovi jailbreak universali in 132 ore e oltre 13.000 richieste.

Sull'allineamento, Google ha riportato miglioramenti significativi misurati tramite i tassi di segnalazione dei monitor lungo il ciclo di vita del modello, insieme a riduzioni della fabbricazione di dati. Nel benchmark di onestà agentica a 375 compiti di Google, Carbon ha superato il 92% dei compiti, rispetto al 70% di Argon — rifiutandosi di completare dati sperimentali mancanti nel 98% dei casi e segnalando difetti metodologici nel 68% dei casi.

Sul prompt injection, Google ha condiviso due settimane prima dell'annuncio che Carbon ha raggiunto un tasso di successo degli attacchi di prompt injection dello 0% nel benchmark Gray Swan IPI, segnando la prima volta che tale traguardo è stato raggiunto. Al contempo, Google ha riconosciuto che la robustezza al prompt injection rimane un'area di continuo miglioramento: il suo avanzato red teaming automatizzato ha mostrato che i modelli potrebbero essere ulteriormente migliorati contro attacchi sofisticati in alcune distribuzioni, fornendo dati che l'azienda afferma di utilizzare per far avanzare continuamente la sicurezza dei propri modelli verso la prossima frontiera. Ulteriori dettagli sono disponibili nel completo rapporto Safety and Security di Gemini 4 Carbon (PDF) e nel relativo post su sicurezza di Google.

Iniziare con Gemini 4 Carbon

Dal 10 novembre, Carbon si unisce ad Argon nella famiglia di modelli frontier di Google attraverso i suoi prodotti:

• Sviluppatori: sviluppare con il tier a pagamento della Gemini API in AI Studio e Android Studio; gli abbonati Google AI Ultra possono provarlo in Google Antigravity e AI Studio.
• Aziende: accedervi in Gemini for business tramite l'API o il menu a tendina dei modelli, in Google Antigravity o in CodeMender.
• Utenti quotidiani: provare Carbon da oggi nell'app Gemini e in AI Mode in Search con un abbonamento Google AI Ultra.
• Ricercatori e scienziati: candidarsi per avere la possibilità di accedere sia ad Argon sia a Carbon tramite il tier di utilizzo più alto di Google Antigravity gratuitamente per 6 mesi, con onboarding progressivo, soggetto a idoneità, capacità e selezione.
• Difensori della cybersecurity: candidarsi al Fairwind Program per ottenere accesso a Carbon for cyber su base progressiva.

Maggiori informazioni sono disponibili nella model card di Gemini 4 Carbon (PDF), insieme alla aggiornata guida per sviluppatori Gemini 4 e alla documentazione di Google, che coprono le migliori pratiche per la migrazione dei flussi di lavoro al modello.

Informazioni sull'autore

Koray Kavukcuoglu è SVP di Google DeepMind e Chief AI Architect di Google, dove guida lo sviluppo dei modelli di AI generativa più avanzati di Google DeepMind e la loro integrazione su scala nei prodotti Google. Prima del ruolo attuale, è stato VP of Research presso Google DeepMind, dove ha fondato il team di deep learning e il suo team ha inaugurato importanti scoperte di ricerca come DQN (Deep Q-Network) e WaveNet.