Google apresenta o Gemini 4 Carbon, com a melhor pontuação em IA e acesso restrito a especialistas em cibersegurança

Um novo líder na tabela de classificações, com acesso limitado

A Google anunciou o Gemini 4 Carbon, um modelo de inteligência artificial que obteve 59 pontos no Artificial Analysis Intelligence Index v5.0 e alcançou resultados sólidos na deteção, teste e correção de vulnerabilidades de software. Os primeiros utilizadores serão especialistas em cibersegurança selecionados, e não o público em geral.

O anúncio do Gemini 4 Carbon da empresa, datado de 28 de outubro de 2026, coloca o modelo à frente do Claude Opus 5.5 e do GPT-6 Astra neste índice de capacidades gerais. O lançamento ocorre apenas duas semanas depois do Gemini 4 Argon, dando à Google outro modelo de topo antes de muitos utilizadores terem tido tempo para conhecer bem o antecessor.

Koray Kavukcuoglu, vice-presidente sénior da Google DeepMind e principal arquiteto de IA da Google, descreveu os pontos fortes centrais do modelo:

O Gemini 4 Carbon é o nosso modelo mais forte, com capacidades de cibersegurança e de longo horizonte de última geração.

A Google afirma que as suas equipas internas observaram o Carbon a trabalhar durante dias em tarefas de engenharia difíceis, incluindo a localização de erros subtis e a criação de correções em grandes projetos de software. Para as equipas de segurança, a promessa é a de um assistente capaz de acompanhar um problema após várias tentativas falhadas, em vez de se limitar a sugerir uma resposta e parar.

O lançamento do Carbon também revela uma tensão prática. A capacidade de descobrir e explorar fragilidades de software pode ajudar os responsáveis pela defesa a reparar sistemas, mas também pode proporcionar capacidades úteis a atacantes. A Google está a participar em testes voluntários do Governo dos Estados Unidos antes do lançamento e irá alargar gradualmente o acesso através do seu Programa Fairwind.

A imagem mais esclarecedora resulta da análise conjunta dos dados: o Carbon lidera um índice abrangente de inteligência e vários testes de segurança, mas fica atrás dos concorrentes em algumas tarefas de programação. As melhorias internas de fiabilidade da Google coexistem também com um teste externo em que a taxa de respostas inventadas aumentou face ao Argon.

O que medem as pontuações de cibersegurança

A Google apresenta três resultados principais em segurança: 88,2% no SEC-bench Pro, 54,8% no ExploitGym e 71,0% no CWE-bench da Collinear. Cada um mede uma parte diferente do trabalho de defesa.

O SEC-bench Pro testa se um modelo consegue encontrar vulnerabilidades em software real. Uma vulnerabilidade é uma fragilidade que pode permitir a alguém aceder a informação, alterar um sistema ou perturbar o seu funcionamento. A Google afirma que o Carbon lidera esta avaliação por detetar falhas complexas ocultas no software.

O ExploitGym testa o passo seguinte: transformar uma fragilidade num exploit funcional. Um exploit é um método de utilizar uma falha para fazer com que um sistema se comporte de forma imprevista. As equipas de segurança recorrem à exploração controlada para verificar quais as fragilidades que representam um perigo imediato e devem ser corrigidas primeiro.

O CWE-bench avalia a aplicação de correções, ou seja, a escrita de código que resolve o problema subjacente. A pontuação de 71,0% do Carbon põe a tónica na conclusão da reparação, e não apenas na identificação de código suspeito.

A Google afirma que estes testes externos de cibersegurança foram realizados sem barreiras de segurança, ou seja, sem as restrições de proteção usadas para limitar as ações de um modelo em utilização. As pontuações descrevem o desempenho nestas condições de teste; o acesso através dos produtos da Google incluirá os respetivos controlos de segurança.

A Google também refere que, em testes internos, a taxa de sucesso do Carbon na geração de código seguro foi mais do dobro da do Argon. A equipa do Chrome da empresa afirma que o Carbon teve um desempenho mais de 10 vezes superior na produção de correções de alta qualidade ao de um grande modelo de fronteira de um laboratório concorrente não identificado. Estes resultados internos relativos a código seguro ainda não foram reproduzidos de forma independente, e a Google não identifica o modelo rival nessa comparação.

Ficar em primeiro lugar não significa vencer todas as tarefas

O Artificial Analysis atribui ao Carbon 59 pontos no Intelligence Index v5.0, contra 58 do Claude Opus 5.5 e 57 do GPT-6 Astra. O Carbon lidera, assim, por um ponto em relação ao Opus e por dois em relação ao Astra, uma diferença mais estreita do que nas comparações de cibersegurança mais favoráveis à Google.

O índice combina nove avaliações, nas quais o Carbon lidera quatro: HLE-Diamond, TB-Science, AA-Omniscience e AutomationBench. O Artificial Analysis afirma que 60% do índice revisto utiliza testes privados, cujas perguntas não são divulgadas publicamente.

Os resultados de programação são mais variados. O Carbon, combinado com a ferramenta Antigravity CLI da Google, obtém 59 no Coding Agent Index, enquanto o Claude Code, combinado com o Opus 5.5, obtém 62. Um agente de programação combina um modelo com ferramentas que lhe permitem analisar ficheiros, executar comandos e editar software, pelo que o software complementar também influencia o resultado.

O Carbon obtém 51% no FrontierCode v1.1, abaixo dos 56% do Opus. No FrontierSWE, alcança 61,2%, contra 65,5% do GPT-6 Astra, 62,3% do Opus 5.5 e 61,9% do Sonnet 5.5. Estas comparações dão aos programadores uma razão concreta para analisarem as tarefas mais próximas do seu próprio trabalho, a par da classificação geral.

O desenvolvimento web é outra área em que houve progressos. O anúncio da Google coloca o Carbon no quarto lugar do WebDev Arena, com 1768 pontos Elo, após uma subida de 89 pontos. Elo é um sistema de classificação baseado no desempenho comparativo. O Carbon ocupa também o primeiro lugar no Text Arena, com 1528 pontos, e o segundo no Agent Arena, alargando os bons resultados para além da área da segurança.

Trabalhar durante dias em vez de responder uma só vez

A Google concebeu o Carbon para fluxos de trabalho prolongados com agentes, nos quais um sistema de IA executa uma sequência de ações para alcançar um objetivo. Em engenharia de software, isso pode implicar analisar um projeto, formular uma explicação para um erro, alterar o código, executar testes e rever a correção quando estes falham.

As equipas internas da Google afirmam que o Carbon prosseguiu durante dias em tarefas complexas que envolviam grandes bases de código e sistemas de baixo nível. A empresa descreve-o como capaz de persistir perante becos sem saída, uma característica importante quando a primeira explicação plausível se revela errada.

As especificações divulgadas indicam uma janela de contexto de um milhão de tokens e uma saída máxima de um milhão de tokens. Os tokens são as pequenas unidades de texto que um modelo processa. A janela de contexto corresponde à quantidade de informação que consegue considerar de cada vez, incluindo instruções e materiais fornecidos para uma tarefa.

Segundo as informações disponíveis, o Carbon aceita texto, imagens, vídeo e voz, e gera texto. Estes tipos de entrada podem permitir que uma tarefa inclua um relatório escrito sobre um erro, uma captura de ecrã e uma gravação de um comportamento inesperado do software no mesmo fluxo de trabalho.

O desempenho varia fora da programação. O Carbon alcança 1609 pontos Elo na avaliação de trabalho de conhecimento AA-Briefcase, mais 126 do que o Argon, mas continua atrás do Grok 4.7, do Muse Wonder e do Kimi K3.1 Pro. Ocupa o segundo lugar no Vals Index e o primeiro no Finance Index e no Legal Research Benchmark. A variedade de resultados mostra por que motivo a escolha de uma empresa pode depender de precisar de reparação de software, análise documental ou outra tarefa específica.

Os testes de segurança distinguem tentativas de fraude bem-sucedidas

A Google indica uma taxa de fraude bem-sucedida de 0,0% no Terminal-Bench 4.0 e uma taxa de tentativas de fraude de 0,4%. Os dois valores descrevem comportamentos distintos: se o modelo tentou recorrer a um atalho impróprio e se essa tentativa foi bem-sucedida.

A Google afirma que o Carbon melhorou a precisão nas tarefas e reduziu estes atalhos. Em trabalho de programação ao vivo com as suas próprias equipas, os alertas relativos a desvios graves do comportamento previsto diminuíram quase 80%.

A injeção de instruções é outra área de atenção. Este ataque insere instruções nos materiais que uma IA deve ler, como uma página web ou um ficheiro, para a desviar da tarefa do utilizador. Um assistente que analise um projeto pode encontrar texto que lhe ordena que ignore as instruções ou divulgue informação.

O Carbon registou uma taxa de sucesso de ataque de 0,0% no teste Indirect Prompt Injection Benchmark da Gray Swan. Os valores de comparação foram 0,7% para o Argon, 1% para o Claude Opus 5.5 e 8,5% para o GPT-6 Astra. O resultado da Google significa que o modelo resistiu a todas as tentativas de ataque avaliadas nesse teste.

A Google afirma que o Carbon combina o treino do modelo com defesas contra utilizações indevidas durante a operação, resistência à injeção de instruções e monitorização do seu processo de raciocínio. A disponibilização inicial restrita permitirá à empresa recolher opiniões e ajustar estas proteções à medida que especialistas em defesa selecionados o utilizam.

A fiabilidade melhora internamente, mas piora numa medição externa

A Google afirma que, em testes internos, o Carbon reduziu aproximadamente para metade as alegações sem fundamento face ao Argon. Descreve um modelo mais propenso a explicar quando faltam provas, enumerar requisitos por cumprir e assinalar informações contraditórias antes de agir.

A Google também refere uma redução de 26% nos excessos e de 29% nas respostas insuficientes. Em termos simples, afirma que o Carbon tem menor probabilidade de ultrapassar as instruções do utilizador e menor probabilidade de ficar aquém do trabalho pedido.

O Artificial Analysis regista uma evolução diferente na sua avaliação Omniscience: a taxa de alucinações do Carbon sobe para 11%, face aos 4% do Argon. Uma alucinação é uma resposta que apresenta informação inventada ou incorreta como se fosse verdadeira. Ainda assim, o Carbon tem a segunda taxa mais baixa nessa comparação, enquanto o Opus 5.5 e o Astra registam ambos 50%.

O Carbon lidera a avaliação Omniscience, com uma pontuação de 54, apesar da taxa mais elevada de alucinações. Um modelo pode melhorar os resultados ao responder corretamente a mais perguntas e, ao mesmo tempo, cometer mais erros ao tentar responder a perguntas que antes evitava. A métrica interna da Google para alegações sem fundamento e a métrica externa de alucinações recorrem a avaliações diferentes, pelo que os utilizadores têm dois resultados distintos de fiabilidade a considerar.

Para uma equipa de segurança, a verificação do trabalho continua a fazer parte das tarefas. É preciso analisar uma vulnerabilidade identificada e testar uma correção proposta no software que altera. As melhorias anunciadas pela Google visam precisamente as situações em que um assistente pode declarar sucesso demasiado cedo ou agir para além do âmbito pedido.

Quem terá acesso e em que ordem?

A Google afirma que um grupo de especialistas em cibersegurança receberá o Carbon durante a semana do anúncio, a 28 de outubro. Outros parceiros de confiança terão acesso gradualmente através do Fairwind, seguindo-se programadores, empresas e consumidores através dos produtos da Google.

A sequência anunciada é a seguinte:

• Cerca de duas semanas antes do Carbon: a Google lançou o Gemini 4 Argon, que ficou posteriormente disponível na aplicação Gemini e no modo de pesquisa com IA.
• 28 de outubro de 2026: a Google publicou o anúncio do Carbon e os resultados dos testes de referência.
• Semana de 28 de outubro: especialistas em cibersegurança selecionados começam a receber acesso.
• Fases posteriores: a Google alarga o acesso através do Fairwind antes de disponibilizar o modelo mais amplamente nos seus produtos.

A Google está a participar no processo voluntário do Governo dos Estados Unidos para testar modelos antes do lançamento. O anúncio não indica uma data para o acesso generalizado do público nem para o fim dos preços introdutórios do Carbon.

Os subscritores do AI Ultra e os programadores que utilizam a API Gemini foram apontados como possíveis primeiros clientes, mas o plano de disponibilização publicado pela Google refere os grupos mais abrangentes de programadores, empresas e consumidores, sem confirmar essa ordem.

A decisão de começar pelos especialistas em defesa surge num contexto de crescente preocupação com a utilização maliciosa da IA. Os investigadores de ameaças da Google documentaram grupos apoiados pelo Irão, pela Coreia do Norte, pela Rússia e pela China a experimentarem o Gemini, sobretudo para investigação e assistência na programação. O diretor da DeepMind, Demis Hassabis, descreveu recentes ataques informáticos com agentes de IA como primeiros sinais de alerta.

Quanto custará o Carbon aos programadores

O preço introdutório da API do Carbon é de 2 dólares por milhão de tokens de entrada e 10 dólares por milhão de tokens de saída, igual ao preço de lançamento do Argon. Uma API permite aos programadores ligar o modelo ao seu próprio software. A entrada é o material enviado ao Carbon; a saída é aquilo que o modelo gera.

Após o período introdutório, os preços indicados duplicam para 4 dólares por milhão de tokens de entrada e 20 dólares por milhão de tokens de saída. Uma tarefa que utilize um milhão de tokens de entrada e um milhão de tokens de saída custaria, por isso, 12 dólares aos preços introdutórios e 24 dólares aos preços normais, antes de contabilizar o armazenamento em cache ou outros ajustes.

A Google afirma que a entrada em cache tem um desconto de 95%. O armazenamento em cache permite a um serviço reutilizar materiais que já processou, o que pode reduzir o custo de fornecer repetidamente o mesmo documento extenso ou projeto de software. Com o desconto, o custo por milhão de tokens de entrada em cache é de 0,10 dólares ao preço introdutório e de 0,20 dólares ao preço normal.

A despesa efetiva também depende da quantidade de texto que o modelo gera para concluir uma tarefa. O Artificial Analysis indica que o Carbon custa 7,76 dólares por tarefa do índice, contra 10,04 dólares para o Opus 5.5 e 6,25 dólares para o GPT-6 Astra. Nesta avaliação, o Carbon utiliza cerca de 123 000 tokens de saída por tarefa, menos 29% do que o Opus.

Outros tipos de utilização podem apresentar um padrão diferente. O Vals regista que o Carbon gera mais 64% de tokens de saída do que o Argon, sobretudo em tarefas de finanças, fiscalidade e direito. Os programadores que calcularem os custos de utilização do Carbon terão, por isso, de considerar tanto o preço dos tokens como a quantidade de trabalho que o modelo realiza em cada tarefa.

Pontos principais

• O Gemini 4 Carbon lidera o Artificial Analysis Intelligence Index v5.0, com 59 pontos, à frente do Opus 5.5, com 58, e do GPT-6 Astra, com 57.
• A Google indica pontuações de segurança de 88,2% na deteção de vulnerabilidades, 54,8% na exploração e 71,0% na aplicação de correções.
• O Carbon fica atrás de combinações concorrentes de modelos e ferramentas em várias avaliações de programação.
• A Google afirma que não houve fraudes bem-sucedidas no Terminal-Bench 4.0 nem ataques bem-sucedidos no teste de injeção de instruções da Gray Swan.
• As alegações sem fundamento diminuíram aproximadamente para metade nos testes internos, enquanto uma métrica externa de alucinações subiu dos 4% do Argon para 11% no Carbon.
• Os especialistas em cibersegurança selecionados serão os primeiros a receber acesso, que será alargado através do Fairwind antes da disponibilização mais ampla.
• Os preços introdutórios da API são de 2 dólares por milhão de tokens de entrada e 10 dólares por milhão de tokens de saída, subindo posteriormente para 4 e 20 dólares.