Gemini 4 Carbon発表、長時間の開発作業と限定提供

2026年10月28日、GoogleがGemini 4 Carbonを発表しました。この記事では、公表されたコーディングとセキュリティの数字、使える人の範囲を事実として整理し、そのうえで新規事業やシステム開発にとって何が変わりそうかを、編集部の見方として分けて書きます。先に結論を書くと、発表時点で使えるのは一部のセキュリティ担当者だけで、一般への提供時期は示されていません。

10月28日に発表された、Gemini 4 Carbonとは

Googleは公式ブログで、Gemini 4 Carbonを、サイバーセキュリティと「長い時間をかける作業」で最先端の力を持つ、同社で最も強いモデルと位置づけました。Gemini 4 Argonの発表から2週間後の発表です。Argonについては、発表当時の内容を別の記事で扱っています。

Carbonが狙う用途について、MarkTechPostは長い時間をかけるエージェント型のコーディングと、サイバー防御に向けたモデルと紹介しています。ここでいうエージェント型とは、AIが指示を受けて、手順を考えながら複数の作業を自分で進める使い方のことです。

公表された数字と、その読み方

Googleが示した主な数字

Googleの発表と報道で確認できた数字は、次のとおりです。

• 総合指標：Artificial Analysis Intelligence Index v5.0で59点となり、Googleは1位としています。
• セキュリティ：脆弱性の発見を測るSEC-bench Proで88.2%、悪用の検証を測るExploitGymで54.8%、修正を測るCWE-benchで71.0%です。
• Web開発：WebDev Arenaで89 Eloポイント上がり、4位（1769）になりました。
• ターミナル操作を伴う開発：Terminal-Bench 4.0（AA）で65.2%となり、Opus 5.5の59.6%を上回りました。

一方で、すべての指標で先頭というわけではありません。MarkTechPostによると、FrontierSWEではGPT-6 Astraが65.5%で、Carbonの61.2%を上回っています。

作業のしかたに関する数字

新規事業やシステム開発の目線で気になるのは、性能そのものより、AIが作業を進めるときの振る舞いに関する数字です。Googleの社内テストとして、次の内容が報じられています。

• 社内チームは、Carbonが1つの作業で数日間動き続けるのを確認しました。大きなコードベースでの不具合の原因探しと修正などが例です。
• 「やりすぎ」にあたる行動は26%減り、「やるべきことをしない」ケースは29%減りました。
• 社内の実際のコーディング作業で、重大度の高い不整合の警告は約8割減りました。根拠のない主張は、Argonと比べて約半分です。
• Terminal-Bench 4.0で、採点の抜け道を突く不正が成功した割合は0.0%、試みは0.4%でした。

数字を読むときに押さえたい点

これらは、基本的にGoogle自身の評価や社内テストです。セキュリティの3つの指標についても、外部の評価ですが、ガードレール（安全のための制限）をかけない状態で測った結果と報じられています。実際の公開版で同じ結果になるとは限りません。

使える範囲と、導入時に示された価格

公開の仕方は段階的です。Googleは慎重に提供を進める方針で、米国政府が行う、公開前のモデル検査（任意参加）にも参加していると書いています。

最初に使えるのは、今週、サイバー防御を担う一部の組織です。その後、Fairwind Programを通じて信頼できるパートナーに広げていきます。このプログラムは、政府、重要インフラの事業者、中核となる技術基盤を優先します。開発者、企業、一般の利用者への提供は後になり、日付は示されていません。

価格は、2026年10月時点で次のとおり発表されています。提供開始後の導入価格は、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ドルです。その後は入力4ドル、出力20ドルになります。トークンとは、AIが文章を処理する単位のことです。まだ一般に使えないため、この価格を事業計画に入れられる段階ではありません。

編集部の見方：長く動くAIが前提になると、決めておくことが増える

ここからは、公表された事実をもとにした私たちの見方です。

見方1：数日かかる作業には、途中で止めて確かめる点が要る

数日動き続けるAIが現実的になるほど、「最後に出てきたものを確認する」だけでは足りなくなります。途中で方向がずれていても、気づくのが遅れるためです。

新規事業のシステム開発では、何を作るかが途中で変わることも多くあります。作業の区切りごとに動くものを見て、続けるかどうかを人が決める進め方のほうが、長く動くAIとは相性がよいと私たちは考えます。この点は新規事業の開発は小さく作って確かめる投資判断の進め方でも整理しています。

見方2：「やりすぎ」と「やらなさすぎ」が、選ぶときの観点になる

AIを選ぶ基準は、これまで「どれだけ正確に書けるか」に偏りがちでした。今回、Googleが「やりすぎ」と「やるべきことをしない」の両方を指標として示したことは、実務の観点に近いと思います。

頼んでいない箇所まで書き換える、確認が必要な点を黙って進める。こうした振る舞いは、事業のシステムでは手戻りや事故につながります。他社のモデルも含めて、今後は同じ観点で比べる場面が増えそうです。ただし、この数字はGoogleの社内テストです。自分たちの題材で試すまでは、参考値として見るのが安全だと考えます。評価の決め方はLLMアプリ開発の精度評価にまとめています。

見方3：脆弱性の発見から修正までを、AIが担う範囲は広がりそうです

Googleは、脆弱性（セキュリティ上の弱点）の発見、悪用できるかの検証、修正案づくりの3つを指標にしています。AIが書いたコードをAIが点検し、直す流れが実用に近づいていることを示します。

ただし、そのまま事業のシステムに使えるわけではありません。点検の結果をどう扱い、どこまで自動で直し、どこから人が判断するのかは、事業ごとに決めることです。考え方はAI生成コードのセキュリティで整理しています。

まだ分からないこと

公表資料と報道を見る限り、次の点はまだ確認できていません。

• 開発者向けのAPIやGeminiアプリで、いつ使えるようになるのか
• ガードレールをかけた公開版で、セキュリティの数字がどう変わるのか
• 数日続く作業で、実際にどの程度の費用と確認の手間がかかるのか

このため、今すぐ開発体制や使うAIを変える材料というより、「長い作業を任せる方向に進んでいる」という動きを知るための発表と受け止めています。一般に提供された段階で、改めて確認したいと思います。

まとめ

Gemini 4 Carbonは、Googleが発表した最も強いモデルで、長く続く開発作業とセキュリティに強みがあるとされています。ただし数字はGoogle自身の評価が中心で、使えるのは一部のセキュリティ担当者に限られます。

新規事業やシステム開発にとっては、AIが長く作業を続けられるほど、途中の確認点や、作業の範囲をどう決めるかが大事になります。AIの性能が上がっても、何を作るかを決めることと、品質の最終判断は人の役割として残ります。

JustFitは、GPTやClaudeなどのLLMを「頭脳」に、要件定義・設計・実装・テスト・レビューといった工程ごとの役割を持つ複数の専門AIがチームで進める開発基盤「LAF」を使っています。新しいモデルが出るたびに、どこをAIに任せ、どこを人が見るのかを考え直す必要があります。新規事業のシステム開発について整理したい場合は、JustFitのサービス紹介もご覧ください。

参考にした情報

• Gemini 4 Carbon: our next frontier model（Google公式ブログ）
• Google announces Gemini 4 Carbon with ‘significant gains across coding and agentic tasks’（9to5Google）
• Google DeepMind Introduces Gemini 4 Carbon, Its Top Model for Cyber Defense and Coding（MarkTechPost）
• Google unveils Gemini 4 Carbon for cyber defenders（TestingCatalog）