Googleov Gemini 4 Carbon vodi na ljestvici, ali sve brojke dolaze iz Googleove kuhinje

Google je predstavio Gemini 4 Carbon, model umjetne inteligencije koji je na ljestvici Intelligence Index agencije Artificial Analysis osvojio 59 bodova i time zauzeo prvo mjesto — samo dva tjedna nakon što je pušten Gemini 4 Argon.

Novi model ostaje zatvoren za javnost. Prema službenom blogu koji potpisuje Koray Kavukcuoglu, potpredsjednik Google DeepMinda i glavni arhitekt AI-a u Googleu, Carbon je zasad dostupan tek nekolicini stručnjaka za kibernetičku sigurnost. Izvršni direktor Googlea Sundar Pichai najavio je na društvenim mrežama da će modeli izlaziti redovito — i to je obećanje sada ispunjeno drugi put u mjesec dana.

Brojke koje Google objavljuje idu u prilog tvrdnjama o vrhunskoj poziciji. Claude Opus 5.5 tvrtke Anthropic na istoj ljestvici ima 58 bodova, GPT-6 Astra OpenAI-ja 57, a prethodni Argon 50. Carbon tako prednjači devet bodova pred svojim prethodnikom, ali samo jedan pred najbližim konkurentom.

Gdje Carbon ne pobjeđuje

Googleov vlastiti pregled pokazuje da Carbon ne dominira u svim kategorijama. Na ljestvici WebDev Arena, koja mjeri razvoj web-aplikacija, model je tek četvrti, unatoč rastu od 89 Elo bodova. Kad je riječ o sigurnosti samog modela, Google tvrdi nula posto uspješnih napada putem prompt-injectiona, dok Argon na testu Gray Swan bilježi 0,7 posto.

Model je namijenjen dugotrajnim i zahtjevnim zadacima. Google navodi da su njegovi timovi promatrali Carbon kako danima radi na velikim bazama koda kako bi pronašao uzrok grešaka i zatim ih ispravio. Agent Spark, koji izvršava zadatke u pozadini unutar Gemini aplikacije, trebao bi imati najviše koristi od tih sposobnosti.

Tri testa, tri pobjede — i jedno neugodno pitanje

Kibernetička sigurnost središnja je tema prezentacije. Carbon postiže 88,2 posto na SEC-bench Pro, testu pronalaženja ranjivosti u stvarnom softveru; 54,8 posto na ExploitGym, koji provjerava može li se ranjivost doista iskoristiti; i 71 posto na CWE-bench, koji mjeri sposobnost pisanja ispravka.

Svi ti podaci dolaze izravno od Googlea. Tvrtka napominje da su tri sigurnosna testa provedena bez zaštitnih filtera, onih koji inače blokiraju zlonamjerne zahtjeve. Upravo tu leži pitanje koje Google izbjegava: alat koji zna pronaći ranjivost, iskoristiti je i zatim je zakrpati jednako je koristan braniteljima kao i napadačima. Zato je pristup ograničen na odabrane stručnjake, a kasnije će se proširiti na partnere kroz program Fairwind.

Cijena je već određena. Za developere iznosi dva dolara po milijunu poslanih tokena i deset dolara po milijunu generiranih — isto kao uvodna cijena Argona. Nakon promotivnog razdoblja ta se cijena udvostručuje na četiri i dvadeset dolara. Token je fragment riječi, a milijun tokena otprilike odgovara nekoliko stotina tisuća riječi.

Google nije dao datum kada će Carbon otvoriti developerima, tvrtkama ni široj javnosti. Obećava samo da će to učiniti „što je prije moguće”. Argon je od najave do otvaranja pretplatnicima Google AI Pro i Ultra čekao jedva dva tjedna — što sugerira da bi i Carbon mogao brzo izaći iz zatvorenog kruga.

Utrka koja se ne vodi javno

Ono što se ovdje doista događa nije samo tehnički napredak. Google, Anthropic i OpenAI objavljuju modele u razmacima od nekoliko tjedana, a svaki novi nosi titulu „najmoćnijeg do sada”. Razlika između prvoplasiranog i drugoplasiranog na ljestvici iznosi jedan bod — unutar granice statističke pogreške. Tržišna utrka tako se sve više svodi na marketing, a sve manje na mjerljivu prednost.

Drugi problem je netransparentnost. Sve brojke o sigurnosnim testovima dolaze iz Googleove kuhinje. Neovisna provjera izostaje, a model koji je sposoban samostalno pronaći i iskoristiti ranjivost u tuđem softveru zaslužuje upravo onakvo propitivanje kakvo tražimo za lijekove i cjepiva — od domaćih, neovisnih stručnjaka, a ne od tvrtke koja ga prodaje. Dok god je tako, „nula posto uspješnih napada” ostaje tvrdnja, a ne dokaz.