Googleは2026年10月28日、次世代モデル「Gemini 4 Carbon」を発表しました。
公式発表を見ると、「最強」「首位」「大幅向上」といった景気のよい数字が並びます。しかし今回のCarbonで本当に注目したいのは、ベンチマークの順位よりも、GoogleがAIに任せようとしている「仕事の長さ」です。
Carbonが狙うのは、質問に一度答えて終わるチャットではありません。
大きなコードベースを調べ、原因を特定し、修正案を作り、途中で行き止まりになれば別の方法を探す。Google社内では、複雑な不具合や低レベルシステムの問題に数日間取り組んだ例も確認されています。
AI競争が「どれだけ賢く答えられるか」から、「どれだけ長い仕事を安全に任せられるか」へ移り始めたことを象徴するモデルです。
Gemini 4 Carbonで何が変わったのか
Googleの公式発表によると、Carbonはコーディング、エージェント作業、科学分野、Web開発、マルチモーダル理解を強化しています。
なかでもGoogleが強く打ち出しているのが、「long-horizon」と呼ばれる長時間・多段階の仕事です。
従来の生成AIは、コードを書くこと自体はかなり得意になりました。しかし実際の開発では、「コードを書いて終わり」ではありません。
大量のファイルを調べ、不具合の原因を探し、仮説を試し、失敗したら戻り、別の方法を試す。Carbonは、こうした長い工程そのものをAIに任せることを目指しています。
さらにGoogleは、曖昧な状況で勝手に答えを作るのではなく、関連する情報源を確認し、情報が食い違っていれば利用者へ示す能力も改善したとしています。
もちろんGoogle自身による内部評価なので、実際の利用環境でも同じように動くかは今後の検証が必要です。
それでも、AIの評価軸が「正解できるか」だけでなく、「勝手なことをしないか」「根拠がないときに作り話をしないか」まで広がってきたことは重要でしょう。
サイバー防衛の数字はかなり強い
Carbonでもう一つ目立つのが、サイバーセキュリティ性能です。
Googleによると、実在ソフトウェアから脆弱性を探すSEC-bench Proでは88.2％、脆弱性を実際に悪用できるか検証するExploitGymでは54.8％、根本原因を修正するCWE-benchでは71.0％を記録しました。
単に「脆弱性を発見できます」というだけではありません。
発見する → 本当に危険なのか確認する → 修正するというサイバー防衛の流れ全体をAIに担当させようとしているところが面白い部分です。
もちろん、これだけで「セキュリティ担当者が不要になる」と考えるのは早すぎます。
Google自身、これらの外部ベンチマークはガードレールなしの条件で評価したと明記しています。実際の企業システムでは、アクセス権限、監査、変更承認、誤検知への対応、障害時の復旧など、モデル性能以外の要素が大量にあります。
それでも、大量に発生する警告の中から本当に危険な問題を絞り込み、修正候補まで作れるのであれば、人間の仕事はかなり変わりそうです。
すべてをAIに任せるというより、「人間が判断するところまでAIが調査を進めておく」という使い方が、まず現実的ではないでしょうか。
総合首位でも、すべての仕事で一番ではない
Artificial Analysis Intelligence Index v5.0では、Gemini 4 Carbon（High）が59点を記録し、現在首位となっています。
この指数はKnowledge Work、Coding、Science、Generalの4カテゴリを同じ25％の比重でまとめた総合評価です。
59点という数字は間違いなく強い結果です。
ただし、総合首位だからといって「どんな用途でも一番」という意味ではありません。
実際、Google自身の発表でもWebDev ArenaではCarbonは4位です。Artificial Analysisの個別評価を見ても、Carbonがすべての項目で首位になっているわけではありません。
新モデルが登場すると、どうしても「○○を抜いて世界一」という部分だけが注目されます。
しかし実際に使う側からすれば、日本語文章、プログラミング、画像理解、Web制作、長文分析など、自分が使う仕事でどうなのかを見る方が重要です。
Carbonの59点は非常に強い成績ですが、「万能AIの証明書」ではありません。
今すぐ誰でも使えるわけではない
今回の発表で注意したいのが提供範囲です。
Carbonはまず一部のサイバー防衛担当者へ提供され、Fairwind Programを通じて信頼できるパートナーへ段階的に開放されます。
一般の開発者、企業、消費者向けについて、Googleは今後提供するとしていますが、具体的な開始日はまだ発表していません。
価格については、導入期間中が入力100万トークンあたり2ドル、出力100万トークンあたり10ドル。キャッシュされた入力は通常の入力価格から95％引きです。
導入期間終了後は入力4ドル、出力20ドルになる予定です。
つまり現時点では、「早速Carbonを使ってみよう」と誰もが試せる段階ではありません。
Carbonで本当に見るべきは「長く働くAI」の安全性
私がCarbonで一番気になるのは、ベンチマーク59点よりこちらです。
AIが数分ではなく、数時間、場合によっては数日間動き続けるようになったとき、本当に安心して仕事を任せられるのでしょうか。
長く働けることは大きな武器ですが、間違った方向へ進んだ場合、その影響も大きくなります。
だからこそGoogleは今回、Carbonについて性能だけでなく、根拠のない主張、指示範囲を越えた行動、プロンプトインジェクションへの耐性などをかなり強くアピールしています。
これは偶然ではないでしょう。
これからAIエージェントが本格的に仕事をするようになれば、「最高性能のモデルを使う」だけでは足りません。
最小限の権限だけを渡す。重要な変更前には確認させる。操作履歴を残す。いつでも停止できるようにする。そして最後は人間が確認する。
モデルが賢くなるほど、こうした仕組みの重要性はむしろ高まります。
Gemini 4 Carbonは、AIモデル競争が「一問一答の賢さ」から「長い仕事をどこまで安全に完了できるか」へ進み始めたことをよく示しています。
総合ランキング59点も、サイバー防衛の高いスコアも確かにすごい。
しかしCarbonの本当の評価が決まるのは、一般提供が始まり、実際の仕事を何時間も任せたときでしょう。
途中で迷わないのか。勝手な判断をしないのか。間違えたときに自分で戻れるのか。
次に見るべきなのは、もう一つのベンチマーク首位ではありません。
「このAIなら仕事を任せて離席できる」と思えるところまで来るのか。
Carbonで最も楽しみなのは、そこです。
コメント