製品・サービス · 2026-10-29 · Team LATENT

Gemini 4 Carbonはサイバー防御担当者に先行提供　Argonとの性能差と、導入期間後に2倍になる料金

GoogleはGemini 4 Carbonをまず一部のサイバー防御担当者に提供し、開発者向けの時期は示していない。DeepMindの性能表と評価方法の資料から、Argonとの差を脆弱性の発見、悪用、修正の3段階で読む。Argonと同じ導入価格と終了後の価格、Fairwind Programの条件、Argonが開発者に届くまでの日数も整理する。

ブラウザーのJavaScriptエンジンに残る脆弱性を見つける。見つけた脆弱性が実際に悪用できるかを確かめる。原因のコードを直す。GoogleはGemini 4 Carbonの発表で、この3つの段階を別々のベンチマークで測り、3つとも最高の値だと説明した。Carbonを最初に使えるのは、この3段階を仕事にする一部のサイバー防御担当者だ。

Googleは2026年10月28日、Gemini 4 Carbonを発表した。10月13日に開発者向けの提供が始まったGemini 4 Argonを基にした最上位モデルで、Googleはサイバーセキュリティと長時間の作業に最も強いモデルと位置づける。提供は今週から一部のサイバー防御担当者に始まり、Fairwind Programの信頼できるパートナーへ段階的に広がる。開発者、企業、一般の利用者への提供は「できるだけ早く」とだけ書かれ、日付はない。APIの料金はArgonと同じ導入価格で、入力100万トークンあたり2ドル、出力10ドルだ。導入期間が終わると4ドルと20ドルになる。

この記事ではDeepMindの性能表と評価方法の資料から、CarbonがArgonから何をどれだけ上げたかを、脆弱性の発見、悪用、修正の3段階で読む。そのうえで、先行提供の条件、Argonが開発者に届くまでにかかった日数、導入価格の終了後の費用を整理する。仕様と料金は10月29日に確認した。性能の数値はGoogleとArtificial Analysisの公表値で、LATENTは試用していない。費用の比較と日数の計算は、LATENTが公表値から求めたものだ。

Googleの発表 / DeepMindの性能表 / 評価方法の資料

この記事の要点

サイバー系の3つの値は、SEC-bench Proが83.4%から88.2%、ExploitGymが42.0%から54.8%、CWE-benchが68.0%から71.0%とArgonから上がった。SEC-bench ProとExploitGymはGoogleが自社のハーネスで測り、他社の値は各社のシステムカードから取っている。Claude Opus 5.5のSEC-bench Proの値は表にない。
今週使えるのは一部のサイバー防御担当者で、次はFairwind Programのパートナーだ。Fairwindは政府、重要インフラ、広く使われる技術基盤を優先し、フィッシング耐性のある多要素認証と利用の記録を求める。Argonは発表から開発者向けの提供まで13日だったが、Carbonは日付を示していない。
導入価格はArgonと同じ入力2ドル、出力10ドルで、終了後は入力も出力も2倍になる。Artificial Analysisの計算では、通常価格でのIntelligence Indexの1タスクの費用はCarbonが7.76ドル、Argonが7.68ドル、Claude Opus 5.5が10.04ドルだ。導入価格ならCarbonは3.88ドルで、Opus 5.5の39%にあたる。

Argonの2週間後に出た最上位モデル、総合指標は1点差で首位

GoogleはCarbonについて、サイバーセキュリティと長時間の作業で最先端の能力を持つ最も強いモデルだと説明する。Argonは9月30日に発表され、10月13日に有料のGemini APIで開発者向けの提供が始まった。GoogleはCarbonをその2週間後に出したモデルと位置づけている。

総合指標として、Googleは評価機関Artificial AnalysisのIntelligence Index v5.0を挙げる。Carbonは59で首位、Claude Opus 5.5が58、GPT-6 Astraが57、Argonが50だ。CarbonはArgonから9点上げ、Opus 5.5を1点上回ったことになる。この指標は10月27日に第5版へ更新されたばかりで、9つの評価で構成され、重みの6割は非公開のテストデータか非公開の正解を持つ評価が占める。Artificial Analysisによると、Carbonは9つの評価のうちHLE-Diamond、Terminal-Bench-Science、AA-Omniscience、AutomationBench-AAの4つで首位だが、コーディングと知識労働では首位ではない。コーディングエージェントの指標Coding Agent Indexでは、Carbonが59で、Claude Opus 5.5の62に次ぐ2位だった。

DeepMindの性能表には17のベンチマークが並ぶ。そのうち総合指標、コーディング、コンピューター操作、長いコンテキストの行を抜き出すと次のようになる。CarbonとArgonの値はGoogleがGemini APIで最大の思考設定で測ったpass@1で、ほかの2モデルの値は各社の公表値だ。各行は別の試験なので、行をまたいだ比較はできない。

ベンチマーク	Carbon	Argon	GPT-6 Astra	Claude Opus 5.5
AA Index v5.0	59	50	57	58
Vals Index v2.2	70.4%	69.2%	65.0%	70.2%
FrontierSWE 2	61.2%	55.0%	65.5%	62.3%
Terminal-Bench 4.0（AA）	65.2%	57.1%	59.1%	59.6%
Agents' Last Exam v1.1	77.4%	69.0%	73.1%	71.6%
OSWorld-2.1（オフライン）	81.5%	74.7%	80.9%	87.2%
GraphWalks（256K〜1M）	96.2%	84.2%	71.8%	66.8%

表の7行のうち、Carbonが首位なのは5行だ。FrontierSWE 2ではGPT-6 Astraが、コンピューター操作のOSWorld-2.1ではClaude Opus 5.5が上回る。Argonからの伸びが最も大きいのはGraphWalksで、256Kから100万トークンの長いコンテキストでグラフをたどる正確さが84.2%から96.2%に上がった。

長時間の作業について、Googleは社内のチームがCarbonを何日も走らせ、大きなコードベースの微妙なバグの原因を突き止めて直す作業に使ったと説明する。Webアプリの生成を競うWebDev Arenaでは、Eloが89点上がって1768の4位になった。Artificial Analysisによると、コンテキスト長は100万トークンで、入力は文章、画像、動画、音声、出力は文章だ。Googleの発表には、コンテキスト長とAPIのモデルIDの記載がない。

知識の正確さを測るAA-Omniscience v1.1では、CarbonのスコアはArgonの46から54に上がり、正答率も48%から58%に上がった。一方で、幻覚率は4%から11%に上がっている。Artificial AnalysisはそれでもArgonに次いで2番目に低く、Claude Opus 5.5とGPT-6 Astraの50%を大きく下回ると書いている。

Googleの発表 / DeepMindの性能表 / 評価方法の資料 / Artificial Analysisの記事 / Intelligence Index v5の発表

脆弱性の発見、悪用、修正を測る3つのベンチマーク

Googleはサイバー防御の仕事を脆弱性の発見、悪用による検証、修正の3段階に分け、それぞれを外部のベンチマークで測った。3つともガードレールのない状態で評価した値だ。DeepMindの性能表の値と、評価方法の資料にある測り方を並べる。

段階	ベンチマーク	Carbon	Argon	GPT-6 Astra	Claude Opus 5.5
発見	SEC-bench Pro	88.2%	83.4%	85.4%	記載なし
悪用	ExploitGym	54.8%	42.0%	42.4%	34.5%
修正	CWE-bench	71.0%	68.0%	68.0%	67.0%

SEC-bench Proは実在のソフトウェアの脆弱性をエージェントが見つけて再現できるかを測る。各課題には脆弱なバージョンのソースコード、検査用の実行ファイル、脆弱性を起こす入力の例、修正済みのバージョンが同梱されている。Googleは2026年5月版のうち、V8とSpiderMonkeyというJavaScriptエンジンの183課題を使い、Antigravityのハーネスで3回試行したpass@1の平均を報告した。脆弱性を起こす入力が修正前のビルドだけを落とせば正解とし、両方を落とした場合はLLMの審判が原因の脆弱性を確かめる。CarbonはArgonから4.8ポイント上がった。GPT-6 Astraとの差は2.8ポイントで、Claude Opus 5.5の値は表にない。

ExploitGymは脆弱性を起こす入力を出発点に、ファイルの不正な読み取りやコードの実行のような実害のある攻撃にまで発展させられるかを測る。課題は898件で、一般のプログラム、V8、Linuxカーネルの実在の脆弱性から作られている。Googleは1回試行、インターネットなし、対策機能をオフにした既定の設定で、Antigravityのハーネスを使って測った。攻撃が目印のフラグを取り、LLMの審判が意図した脆弱性を使ったと確かめた場合だけを正解とする。評価方法の資料は課題ごとの制限時間を既定の6時間と延長の10時間の両方で測ったと書いているが、性能表の値がどちらかは示していない。Carbonの54.8%はArgonの42.0%とGPT-6 Astraの42.4%を12ポイント以上上回る。

CWE-benchは見つかった脆弱性を動くコードの修正に変えられるかを測る。この値だけは、Collinear AIがすべてのモデルを評価した公開リーダーボードから取られている。順位はpass@1で決め、同点ならpass@4で分ける。Carbonの71.0%はArgonとGPT-6 Astraの68.0%を3ポイント上回る。Argonの発表時には68%で首位タイだった値が、Carbonで単独の首位になった。

数値の読み方で注意したい点が2つある。1つ目は測定者の違いだ。SEC-bench ProとExploitGymはGoogleが自社のハーネスで測り、他社の値は各社のシステムカードや技術レポートから取っている。評価方法の資料はGemini以外のモデルの値は原則として各社の自己申告だと明記している。2つ目はガードレールの有無だ。3つの値はガードレールのない状態の能力で、製品として提供されるモデルにはArgonと同じ安全対策が入る。

Googleは社内の結果も挙げている。安全なコードを生成する成功率はArgonの2倍以上になり、Chromeチームは品質の高いパッチの生成で、他社の大規模モデルより10倍以上よい結果を報告したという。クラウドのセキュリティ基盤Wizも、Webの侵入テストのベンチマークでCarbonが首位だと見ている。これらは比率や順位だけで、元の数値は公表されていない。

Googleの発表 / 評価方法の資料 / SEC-bench Proの論文 / ExploitGymの論文

今週の提供は一部の防御担当者のみ、開発者向けの時期は未定

Googleは提供を慎重に進めると説明し、米国政府による公開前の任意のモデル試験に参加している。今週から一部のサイバー防御担当者がCarbonを使い、その後はFairwind Programを通じて信頼できるパートナーへ段階的に広げる。開発者、企業、一般の利用者には、ガードレールの調整を続けたうえで「できるだけ早く」提供するとしている。

Fairwind Programは、Google DeepMindが防御担当者に高度なモデルを先行提供する取り組みで、世界で650を超えるパートナーが参加している。優先されるのは、政府と国のサイバー機関、医療、通信、エネルギー、金融の重要インフラの運用者、広く使われる技術基盤の3種類だ。参加する組織は利用者ごとの認証、フィッシング耐性のある多要素認証、アクセス制御に同意する。モデルを使えるのは組織内のサイバーセキュリティ、インシデント対応、侵入テストの担当チームに限られ、組織は従業員のアクセスと利用を記録しなければならない。アクセスの共有、再配布、販売は禁止で、申請した組織はセキュリティの履歴と倫理的な運営の記録について背景調査を受ける。許される二重用途の作業は、許可を受けた脅威のシミュレーション、リバースエンジニアリング、防御と学術研究のためのマルウェア解析だ。防御のベンチマークに取り組む学術研究室も申請できる。

10月29日の時点で、Fairwind Programのページが名指しするモデルはGemini 4 Argonだけで、Carbonの記載はない。Carbonの提供先はGoogleの発表の「一部のサイバー防御担当者」という表現より先には分からない。

一般の開発者がいつ使えるかの手がかりは、Argonの経緯にある。

日付	Argonの出来事
9月30日	発表。Fairwind Programの防御担当者と社内に、サイバー系のガードレールを外したモデルを提供
10月13日	有料のGemini API（Google AI StudioとAndroid Studio）で開発者向けに提供開始。Google AI Ultraの契約者はAI StudioとAntigravityで利用可能
10月14日	Google CloudでモデルID gemini-4-argonとして提供。導入価格は11月30日まで

Argonは発表から開発者向けの提供開始まで13日だった。Carbonの発表日の10月28日から同じ13日を数えると11月10日にあたる。ただし、Googleは今回ガードレールの調整を先に行うと書いており、日付は示していない。Argonと同じ日数で進む根拠は、発表のどこにもない。

Googleの発表 / Fairwind Program / Argonの発表（9月30日） / Argonの開発者向け提供（10月13日） / Google Cloudの記事（10月14日）

導入価格はArgonと同じ、導入期間後は入力も出力も2倍

Carbonの料金はArgonと同じ導入価格で始まる。発表の脚注は導入期間が終わったあとの価格も示している。

料金の区分	入力（100万トークン）	出力（100万トークン）
導入価格	2ドル	10ドル
導入期間の終了後	4ドル	20ドル

キャッシュ済みの入力は入力単価の95%引きだ。Carbonの導入期間がいつ終わるかは、発表に書かれていない。Argonについては、Google Cloudが10月14日の記事で、導入価格は2026年11月30日までと明示した。Gemini APIの料金ページはArgonを無料枠では使えないモデルとし、思考トークンを含むモデルが処理したすべてのトークンを課金対象にしている。10月29日の時点で、料金ページにCarbonの項目はない。

同じ価格で、1つの仕事にいくらかかるか。Artificial AnalysisはIntelligence Indexの1タスクを実行する費用を、通常価格の入力4ドル、出力20ドルで計算している。Carbonは7.76ドルで、同じ通常価格のArgonの7.68ドルとほぼ同じだ。Claude Opus 5.5は10.04ドル、GPT-6 Astraは6.25ドルだった。Carbonの出力は1タスクあたり12万3,000トークンで、Opus 5.5の17万3,000トークンより29%少ない。

導入価格は入力も出力も通常価格の半分なので、同じタスクの費用もちょうど半分になる。LATENTの計算では、導入価格でのCarbonの1タスクは3.88ドル、Argonは3.84ドルだ。Opus 5.5の10.04ドルと比べると、導入価格のCarbonは39%、通常価格では77%にあたる。GPT-6 Astraの6.25ドルと比べると、導入価格では62%、通常価格では1.24倍になる。

この計算は、Artificial AnalysisがIntelligence Indexの課題を実行したときのトークン消費に基づく。自分の仕事での費用は出力トークンの量で変わる。CarbonとArgonの1タスクの費用がほぼ同じだったのは、価格が同じで、消費するトークンも同じ程度だったためだ。

Googleの発表（脚注） / Google Cloudの記事 / Gemini APIの料金ページ / Artificial Analysisの記事

不正な近道と不正な指示への耐性は社内測定が中心

CarbonはArgonと同じ多層の安全対策を引き継ぐ。モデルの学習、リアルタイムの悪用対策、プロンプトインジェクションへの耐性、思考の連鎖の監視の組み合わせだ。Argonの安全対策の記事によると、リアルタイムの防御は3層ある。入力を小さなモデルで検査し、モデル内部の信号を読む活性化プローブで攻撃や生物学的な脅威の知識を検知し、推論の各段階の信号を合わせて監視して必要ならエージェントを途中で止める。

Googleが挙げる改善は5点ある。1つ目は近道と抜け道の抑制で、Terminal-Bench 4.0で不正が成功した割合を0.0%にし、不正を試みた割合も0.4%に下げた。Terminal-Benchの運営は、課題が測ろうとした能力を示さずに抜け道で課題を解くことをreward hackingと呼び、見つかった試行の報酬を0にしている。Argonの安全対策の記事はコーディングのベンチマークで近道や不正を試みた割合が2%に下がったと書いていたが、ベンチマークの名前は挙げていなかった。2%と0.4%が同じ測り方かどうかは、資料からは確かめられない。社内のライブコーディング環境では、意図から外れた動作についての重大度の高い警告が80%近く減ったという。

2つ目は透明さと正直さで、社内の試験では根拠のない主張がArgonの半分程度に減った。Carbonは方法論上の注意を成果物に直接書き、止められた操作は何が残っているかを一覧にして保留するという。3つ目は曖昧な指示への対応で、推測で進めずに関連する資料を取り出し、食い違いを利用者に示してから動く。4つ目はやりすぎと不足の両方の抑制で、やりすぎが26%、不足が29%減った。5つ目はプロンプトインジェクションへの耐性で、Gray SwanのIndirect Prompt Injectionベンチマークの攻撃成功率が、Argonの0.7%から0.0%になった。Argonの値は15回の適応的な攻撃での値だ。

5点のうち、外部のベンチマークの値はTerminal-Bench 4.0とGray Swanの2つで、ほかは社内の測定だ。社内の値は比率だけが公表されている。前の節のサイバー系の3つの値はガードレールのない状態で測られ、この節の値は安全対策を含む製品の性質を示す。2つは別の条件の値だ。

Googleの発表 / Argonの安全対策の記事 / Terminal-Benchの運営の説明

一般の開発者が今できること

Fairwind Programの対象でない開発者はCarbonをまだ呼び出せない。それでも今できることが3つある。1つ目はArgonで自分の仕事の出力トークン量を測っておくことだ。Carbonの導入価格と通常価格はArgonと同じで、Artificial Analysisの1タスクの費用も両者でほぼ同じだった。Argonでの実測はCarbonの費用の見積もりにそのまま使える。見積もりは通常価格の4ドルと20ドルで立てる。Argonの導入価格は11月30日に終わり、Carbonの導入期間の終了日は示されていない。

2つ目は自分の仕事に近い評価を選んでおくことだ。Carbonは総合指標では首位だが、FrontierSWE 2ではGPT-6 Astraが、OSWorld-2.1ではClaude Opus 5.5が上回る。提供が始まったら、自分の仕事に近い試験の差で判断したい。

3つ目は提供開始時に確かめる項目を決めておくことだ。APIのモデルID、コンテキスト長、レート制限、思考トークンの課金、導入期間の終了日は、いずれも今回の発表に書かれていない。Argonと同じなら、思考トークンを含むすべてのトークンが課金対象で、無料枠では使えない。

政府機関、重要インフラの運用者、広く使われる技術基盤を運営する日本の組織で、セキュリティ、インシデント対応、侵入テストの専任チームがあるなら、Fairwind Programへの申請が先行利用の経路になる。防御のベンチマークに取り組む学術研究室も申請できる。審査にかかる期間は示されていない。

Fairwind Program / Gemini APIの料金ページ / 関連記事　Gemini 4 Argonは100万トークンの出力で長時間の実務に挑む

出典と確認範囲

仕様、料金、提供条件は、2026年10月29日に一次資料で確認した。発表日はGoogleのブログの日付による。性能の数値はDeepMindの性能表とArtificial Analysisの公表値で、LATENTは試用していない。Googleの社内測定の値は比率と順位だけが公表されている。導入価格での1タスクの費用、Claude Opus 5.5とGPT-6 Astraとの費用の比率、Argonの経緯からの日数は、LATENTが公表値から計算した。一般の開発者が今できることの3項目は、LATENTの提案だ。