جمینای 4 کربن (Gemini 4 Carbon) چیست؟ قابلیت‌ها و عملکرد هوش مصنوعی جدید گوگل

رقابت شرکت‌های بزرگ فناوری برای ساخت هوش مصنوعی قدرتمندتر وارد مرحله تازه‌ای شده است. گوگل پس از معرفی Gemini 4 Argon، در تاریخ ۲۸ اکتبر ۲۰۲۶ از مدل جدیدی با نام Gemini 4 Carbon (جیمینای ۴ کربن) رونمایی کرد؛ مدلی که تمرکز اصلی آن بر برنامه‌نویسی پیشرفته، انجام وظایف پیچیده و چندمرحله‌ای و به‌خصوص امنیت سایبری است.

گوگل ادعا می‌کند Carbon در شاخص Artificial Analysis Intelligence Index به امتیاز ۵۹ رسیده و در برخی آزمون‌های تخصصی، عملکردی بهتر از مدل‌هایی مانند GPT-6 Astra و Claude Opus 5.5 داشته است. البته این به معنای برتری آن در تمام کاربردها نیست؛ نتایج بنچمارک‌ها نشان می‌دهند هر مدل در بعضی زمینه‌ها نقاط قوت متفاوتی دارد.

اما Gemini 4 Carbon دقیقاً چه قابلیت‌هایی دارد؟ چه تفاوتی با مدل Argon دارد؟ آیا برای برنامه‌نویسی انتخاب بهتری است و کاربران عادی چه زمانی می‌توانند از آن استفاده کنند؟ در این مقاله از کی‌لپ، مشخصات اعلام‌شده، نتایج ارزیابی و محدودیت‌های این مدل جدید گوگل را بررسی می‌کنیم.

جمینای ۴ کربن چیست؟

Gemini 4 Carbon یک مدل پیشرفته هوش مصنوعی از خانواده Gemini 4 است که توسط Google DeepMind توسعه یافته و برای انجام وظایف پیچیده و طولانی‌مدت طراحی شده است.

این مدل در ۲۸ اکتبر ۲۰۲۶ معرفی شد و در ادامه مسیر Gemini 4 Argon قرار می‌گیرد. بااین‌حال، هدف گوگل از توسعه Carbon صرفاً افزایش کیفیت پاسخ‌های متنی نیست؛ بلکه می‌خواهد توانایی هوش مصنوعی در اجرای جریان‌های کاری چندمرحله‌ای را بهبود دهد.

برای درک بهتر این موضوع باید با مفهوم Agentic Workflows یا جریان‌های کاری عامل‌محور آشنا شویم.

در حالت معمول، کاربر از یک چت‌بات سؤال می‌پرسد و هوش مصنوعی پاسخ می‌دهد. اما در یک فرایند عامل‌محور، مدل باید بتواند یک هدف بزرگ را به چندین مرحله تقسیم کند، اقدامات لازم را انجام دهد، نتایج را بررسی کند و در صورت بروز خطا، مسیر دیگری را امتحان کند.

برای مثال، فرض کنید یک توسعه‌دهنده از هوش مصنوعی بخواهد خطایی پیچیده را در یک پروژه نرم‌افزاری بزرگ پیدا کند. این کار ممکن است به بررسی فایل‌های مختلف، تحلیل ارتباط میان بخش‌های برنامه، شناسایی منشأ خطا، اصلاح کد و اجرای آزمایش‌های متعدد نیاز داشته باشد.

گوگل اعلام کرده است که Carbon برای چنین وظایفی بهینه‌سازی شده و تیم‌های داخلی این شرکت مشاهده کرده‌اند که مدل می‌تواند حتی برای چند روز درگیر حل مسائل مهندسی پیچیده باقی بماند و پس از مواجهه با بن‌بست، مسیرهای دیگری را آزمایش کند.

البته این گزارش مربوط به آزمایش‌های داخلی گوگل است و نباید آن را تضمین اجرای بدون خطا یا مستقل هر پروژه نرم‌افزاری در محیط واقعی دانست.

مهم‌ترین قابلیت‌های Gemini 4 Carbon چیست؟

گوگل در توسعه Carbon روی چند حوزه اصلی تمرکز کرده است. این حوزه‌ها شامل برنامه‌نویسی، استدلال طولانی‌مدت، امنیت سایبری، توسعه وب و درک چندرسانه‌ای هستند.

۱. برنامه‌نویسی و مهندسی نرم‌افزار پیشرفته

یکی از مهم‌ترین کاربردهای جیمینای ۴ کربن، کمک به توسعه‌دهندگان در انجام وظایف پیچیده مهندسی نرم‌افزار است.

این مدل برای فعالیت‌هایی مانند تحلیل کدهای حجیم، شناسایی باگ‌های پنهان، بررسی وابستگی میان بخش‌های مختلف پروژه و پیشنهاد اصلاحیه طراحی شده است.

تفاوت مهم این رویکرد با تولید ساده کد، در توانایی دنبال کردن یک مسئله تا رسیدن به نتیجه است. برای مثال، پیدا کردن یک خطای پیچیده ممکن است به چندین بار بررسی، آزمایش و اصلاح نیاز داشته باشد. Carbon تلاش می‌کند این مراحل را به‌صورت پیوسته دنبال کند.

گوگل همچنین از بهبود کیفیت خروجی‌های توسعه وب در این مدل خبر داده است. طبق اعلام این شرکت، Carbon با رشد ۸۹ امتیازی در WebDev Arena به امتیاز ۱۷۶۸ و جایگاه چهارم این رتبه‌بندی رسیده است. این رتبه مربوط به زمان اعلام نتیجه است و ممکن است با ورود مدل‌های جدید تغییر کند.

۲. انجام وظایف طولانی و چندمرحله‌ای

یکی دیگر از ویژگی‌های مهم Gemini 4 Carbon، تمرکز بر حل مسائل بلندمدت یا Long-Horizon Tasks است.

در بسیاری از مدل‌های هوش مصنوعی، عملکرد در پروژه‌های طولانی ممکن است به‌دلیل پیچیدگی مراحل، وابستگی اقدامات و خطاهای میانی کاهش پیدا کند.

Carbon برای مدیریت بهتر چنین شرایطی توسعه یافته است. این مدل می‌تواند مراحل مختلف یک وظیفه را دنبال کند، خروجی اقدامات قبلی را بررسی کند و در صورت شکست یک راه‌حل، گزینه‌های دیگری را امتحان کند.

این قابلیت در پروژه‌های مهندسی نرم‌افزار، تحقیقات علمی، تحلیل اطلاعات و خودکارسازی فرایندهای پیچیده اهمیت دارد.

۳. امنیت سایبری و شناسایی آسیب‌پذیری‌ها

امنیت سایبری یکی از مهم‌ترین نقاط تمرکز گوگل در معرفی Gemini 4 Carbon است.

این مدل در ارزیابی‌هایی که گوگل منتشر کرده، در سه مرحله مهم دفاع سایبری عملکرد قابل توجهی داشته است:

• شناسایی آسیب‌پذیری‌ها: پیدا کردن نقاط ضعف امنیتی در نرم‌افزارها و کدهای برنامه‌نویسی.
• اعتبارسنجی آسیب‌پذیری: بررسی اینکه یک ضعف امنیتی واقعاً قابلیت سوءاستفاده دارد یا خیر.
• اصلاح آسیب‌پذیری: کمک به تولید کد اصلاحی برای برطرف کردن منشأ مشکل.

برای مثال، Carbon در آزمون SEC-bench Pro توانسته امتیاز ۸۸٫۲ درصد را کسب کند. این آزمون توانایی شناسایی آسیب‌پذیری‌های واقعی را بررسی می‌کند.

همچنین در ExploitGym به امتیاز ۵۴٫۸ درصد و در CWE-bench به ۷۱ درصد رسیده است. این سه آزمون به‌ترتیب بخش‌هایی از فرایند کشف، اعتبارسنجی و اصلاح ضعف‌های امنیتی را ارزیابی می‌کنند.

نکته مهم این است که گوگل اعلام کرده نتایج بنچمارک‌های تخصصی امنیتی Carbon بدون فعال بودن لایه‌های حفاظتی یا Guardrails مدل به دست آمده‌اند. بنابراین این امتیازها را نباید مستقیماً معادل عملکرد نسخه عمومی و محافظت‌شده آینده آن در تمام شرایط دانست.

مقاومت در برابر حملات Prompt Injection

یکی دیگر از بهبودهای امنیتی Gemini 4 Carbon به مقاومت آن در برابر حملات تزریق غیرمستقیم دستور یا Indirect Prompt Injection مربوط می‌شود. در این نوع حمله، مهاجم تلاش می‌کند از طریق محتوای یک وب‌سایت، سند یا داده خارجی، دستورهای مخربی را وارد جریان کاری هوش مصنوعی کند و رفتار آن را از هدف اصلی منحرف سازد.

طبق گزارش گوگل، Carbon در بنچمارک Gray Swan Indirect Prompt Injection نرخ موفقیت حمله صفر درصد را ثبت کرده است؛ درحالی‌که این عدد برای Gemini 4 Argon برابر با ۰٫۷ درصد بوده است.

البته صفر درصد بودن نرخ موفقیت در این آزمون به معنی مصونیت کامل مدل در برابر تمام حملات احتمالی نیست؛ بلکه نشان می‌دهد هیچ‌یک از حملات مجموعه ارزیابی‌شده در آن آزمایش موفق نشده‌اند.

۴. بهبود استدلال علمی و درک چندرسانه‌ای

گوگل در معرفی Carbon علاوه بر برنامه‌نویسی و امنیت سایبری، به بهبود توانایی‌های علمی، عامل‌محور و چندرسانه‌ای نیز اشاره کرده است.

این موضوع می‌تواند در تحلیل داده‌ها، حل مسائل علمی، بررسی اطلاعات پیچیده و کار با محتوای چندرسانه‌ای اهمیت داشته باشد.

بااین‌حال، گوگل در اطلاعیه معرفی Carbon تمام جزئیات فنی مربوط به نوع ورودی‌ها، خروجی‌ها و محدودیت‌های آن را منتشر نکرده است. بنابراین نمی‌توان بدون مستندات رسمی، مشخصات کامل چندرسانه‌ای یا ظرفیت دقیق پردازش اطلاعات این مدل را اعلام کرد.

عملکرد Gemini 4 Carbon در بنچمارک‌ها چگونه است؟

یکی از مهم‌ترین دلایل توجه به مدل جدید گوگل، نتایج ارزیابی منتشرشده برای آن است.

گوگل اعلام کرده که Carbon در نسخه پنجم Artificial Analysis Intelligence Index امتیاز ۵۹ را کسب کرده و در زمان انتشار نتایج، رتبه نخست این شاخص را به دست آورده است.

برای بررسی دقیق‌تر، بهتر است عملکرد آن را در چند حوزه مختلف با Gemini 4 Argon، GPT-6 Astra و Claude Opus 5.5 مقایسه کنیم.

مقایسه عملکرد عمومی و برنامه‌نویسی

جدول زیر بر اساس داده‌های منتشرشده در صفحه رسمی Google DeepMind تنظیم شده است:

این نتایج چند نکته مهم را نشان می‌دهند:

اول: Carbon در شاخص کلی Artificial Analysis با امتیاز ۵۹ در جایگاه نخست این مقایسه قرار گرفته است.

دوم: در آزمون Terminal-Bench 4.0 با امتیاز ۶۵٫۲ درصد، از سه مدل دیگر جدول بهتر عمل کرده است.

سوم: در FrontierSWE 2، مدل GPT-6 Astra با امتیاز ۶۵٫۵ درصد بالاتر از Carbon قرار گرفته است. Claude Opus 5.5 نیز با ۶۲٫۳ درصد نتیجه بهتری نسبت به Carbon دارد.

چهارم: در آزمون OSWorld-2.1 که توانایی استفاده از محیط رایانه را بررسی می‌کند، Claude Opus 5.5 با امتیاز ۸۷٫۲ درصد از Carbon با امتیاز ۸۱٫۵ درصد جلوتر است.

بنابراین، هرچند Carbon در ارزیابی کلی و بسیاری از آزمون‌ها عملکرد قدرتمندی دارد، نمی‌توان آن را در تمام زمینه‌ها بهترین مدل بازار دانست.

عملکرد Gemini 4 Carbon در امنیت سایبری

در بخش امنیت سایبری، نتایج منتشرشده برای Carbon قابل توجه هستند:

Carbon در هر سه آزمون، بالاترین امتیاز را در میان اعداد موجود در جدول کسب کرده است.

به‌خصوص در SEC-bench Pro، اختلاف عملکرد آن با GPT-6 Astra برابر با ۲٫۸ واحد درصد است. در ExploitGym نیز فاصله با نزدیک‌ترین رقیب این جدول ۱۲٫۴ واحد درصد است.

البته در اینجا باید به دو نکته توجه داشت:

۱. نبود عدد برای یک مدل به معنی عملکرد ضعیف آن نیست؛ بلکه نشان می‌دهد نتیجه قابل مقایسه‌ای برای آن در جدول منتشر نشده است.

۲. این آزمون‌ها بخش مشخصی از توانایی امنیت سایبری را اندازه‌گیری می‌کنند و به‌تنهایی بیانگر امنیت کامل یک مدل یا محصول نرم‌افزاری نیستند.

نتایج مربوط به پردازش اطلاعات طولانی

یکی دیگر از نتایج قابل توجه Carbon مربوط به بنچمارک GraphWalks است.

در این آزمون، مدل‌ها باید روابط و مسیرهای موجود در مجموعه‌ای از اطلاعات را با استفاده از روش جست‌وجوی گراف تحلیل کنند.

در بخش مربوط به زمینه‌های ۲۵۶ هزار تا یک میلیون توکن، نتایج به این صورت گزارش شده‌اند:

Carbon در این آزمون اختلاف قابل توجهی با رقبا دارد. بااین‌حال، عملکرد در GraphWalks به‌تنهایی ظرفیت رسمی پنجره زمینه مدل را مشخص نمی‌کند و نباید از آن نتیجه گرفت که مشخصات Context Window این مدل دقیقاً یک میلیون توکن است.

آیا نتایج بنچمارک‌ها کاملاً مستقل هستند؟

برای تحلیل درست جدول‌ها باید روش ارزیابی را نیز در نظر گرفت.

طبق مستندات رسمی Google DeepMind، امتیازهای Carbon و Argon عموماً با تنظیمات بالای استدلال مدل و در حالت Pass@1 محاسبه شده‌اند. در مقابل، بخش قابل توجهی از نتایج مدل‌های رقیب از گزارش‌های منتشرشده توسط سازندگان همان مدل‌ها گرفته شده است.

همچنین روش اجرای آزمون‌ها یکسان نیست؛ برای مثال، نتیجه OSWorld-2.1 در جدول مربوط به یک زیرمجموعه آفلاین شامل ۸۲ وظیفه است.

بنابراین این جدول‌ها برای شناخت نقاط قوت مدل‌ها مفید هستند، اما نباید آن‌ها را معادل یک آزمایش کاملاً مستقل و یکسان برای تمام مدل‌ها در نظر گرفت.

مقایسه Gemini 4 Carbon با Gemini 4 Argon و مدل‌های رقیب

پس از معرفی Carbon، یکی از سؤالات مهم این است که چرا گوگل در فاصله نسبتاً کوتاهی دو مدل پیشرفته از خانواده Gemini 4 را معرفی کرده است.

Argon و Carbon هر دو برای انجام وظایف پیچیده و چندمرحله‌ای توسعه یافته‌اند؛ اما در Carbon، گوگل روی بهبود عملکرد در برنامه‌نویسی عامل‌محور، امنیت سایبری و برخی آزمون‌های تخصصی تمرکز بیشتری داشته است.

مقایسه نتایج این دو مدل نشان می‌دهد که Carbon در شاخص کلی Artificial Analysis از امتیاز ۵۰ به ۵۹ رسیده است. همچنین در آزمون‌های امنیتی CWE-bench، ExploitGym و SEC-bench Pro نسبت به Argon عملکرد بهتری دارد.

در مقایسه با GPT-6 Astra و Claude Opus 5.5 نیز وضعیت به نوع کاربرد بستگی دارد.

اگر معیار، شاخص کلی Artificial Analysis یا آزمون‌های تخصصی امنیت سایبری باشد، Carbon نتایج بسیار قدرتمندی ثبت کرده است. اما در FrontierSWE 2 و OSWorld-2.1، رقبای آن عملکرد بهتری داشته‌اند.

در نتیجه، نمی‌توان صرفاً با توجه به رتبه نخست Carbon در یک شاخص، آن را بهترین گزینه برای تمام کاربران دانست. انتخاب مدل مناسب به نوع پروژه، هزینه، سرعت، ابزارهای در دسترس و کیفیت خروجی در کاربرد واقعی بستگی دارد.

قیمت Gemini 4 Carbon چقدر است؟

گوگل اعلام کرده است که قیمت آغازین Carbon مشابه تعرفه اولیه Gemini 4 Argon خواهد بود.

تعرفه‌های اعلام‌شده به ازای هر یک میلیون توکن به این صورت هستند:

توکن‌های ورودی ذخیره‌شده در حافظه نهان مشمول تخفیف ۹۵ درصدی نسبت به قیمت ورودی هستند.

نکته مهم این است که این تعرفه‌ها، قیمت اعلام‌شده برای عرضه مدل هستند و نباید آن‌ها را به معنی فعال بودن دسترسی عمومی به Carbon در زمان نگارش مقاله دانست. همچنین تاریخ دقیق پایان قیمت آغازین Carbon در اطلاعیه معرفی آن مشخص نشده است.

چگونه به Gemini 4 Carbon دسترسی پیدا کنیم؟

یکی از محدودیت‌های مهم Carbon در زمان معرفی، دسترسی محدود آن است.

گوگل اعلام کرده که در مرحله نخست، این مدل در اختیار گروهی از متخصصان دفاع سایبری قرار می‌گیرد. پس از آن، دسترسی به‌تدریج از طریق برنامه Fairwind به شرکای مورداعتماد گسترش پیدا می‌کند.

برنامه Fairwind بخشی از رویکرد گوگل برای ارزیابی کنترل‌شده مدل‌های پیشرفته در حوزه امنیت سایبری است.

گوگل قصد دارد پس از جمع‌آوری بازخورد و تقویت لایه‌های حفاظتی، Carbon را در اختیار توسعه‌دهندگان، کسب‌وکارها و مصرف‌کنندگان نیز قرار دهد؛ اما برای عرضه عمومی آن تاریخ مشخصی اعلام نکرده است.

تا تاریخ ۱ نوامبر ۲۰۲۶، مستندات عمومی Gemini API نیز Carbon را به‌عنوان یک مدل پایدار قابل استفاده عمومی فهرست نکرده‌اند. در نتیجه، کاربران عادی و توسعه‌دهندگان عمومی هنوز نباید روی دسترسی مستقیم به این مدل حساب کنند.

اگر وب‌سایت یا سرویسی ادعا می‌کند نسخه کامل و عمومی Carbon را برای دانلود یا استفاده رایگان ارائه می‌دهد، بهتر است پیش از وارد کردن اطلاعات یا پرداخت هزینه، اعتبار آن را بررسی کنید.

محدودیت‌ها و نکاتی که درباره Gemini 4 Carbon باید بدانیم

با وجود نتایج قابل توجه، Carbon هنوز با چند محدودیت مهم روبه‌رو است.

۱. نبود دسترسی عمومی: مهم‌ترین محدودیت فعلی، عرضه محدود مدل است. بنابراین امکان آزمایش مستقیم و گسترده آن برای کاربران عمومی فراهم نیست.

۲. منتشر نشدن تمام مشخصات فنی: گوگل در اطلاعیه معرفی، اطلاعات کاملی درباره معماری مدل، تعداد پارامترها، ظرفیت دقیق Context Window و تمام قالب‌های ورودی و خروجی ارائه نکرده است.

۳. وابستگی بخشی از نتایج به آزمایش‌های داخلی: برخی از ادعاهای مطرح‌شده درباره تولید کد امن، کاهش خطاهای هم‌راستایی و عملکرد مدل در محیط‌های واقعی، بر اساس ارزیابی‌های داخلی گوگل هستند.

۴. نبود برتری مطلق در تمام بنچمارک‌ها: نتایج FrontierSWE 2 و OSWorld-2.1 نشان می‌دهند که مدل‌های رقیب در بعضی وظایف عملکرد بهتری دارند.

۵. نیاز به نظارت انسانی: حتی مدل‌های قدرتمندی مانند Carbon نیز نمی‌توانند جایگزین کامل بازبینی مهندسی، آزمایش نرم‌افزار و ارزیابی امنیتی انسانی شوند.

این محدودیت‌ها به معنی ضعیف بودن Carbon نیستند؛ بلکه برای ارزیابی منصفانه یک مدل جدید باید در کنار نقاط قوت آن در نظر گرفته شوند.

«انتخاب لپ‌تاپ مناسب برای کارهای هوش مصنوعی»

آیا Gemini 4 Carbon ارزش انتظار دارد؟

پاسخ به این سؤال به نیاز شما بستگی دارد.

اگر کاربر عادی هستید و از هوش مصنوعی برای پرسش‌های روزمره، تولید محتوا، ترجمه و دریافت اطلاعات استفاده می‌کنید، در حال حاضر دلیل خاصی برای انتظار Carbon وجود ندارد. این مدل هنوز به‌عنوان یک محصول عمومی در دسترس نیست و تمرکز اصلی آن نیز بر وظایف تخصصی‌تر قرار دارد.

اما برای برنامه‌نویسان حرفه‌ای، تیم‌های توسعه نرم‌افزار، مهندسان سیستم و متخصصان امنیت سایبری، Carbon می‌تواند گزینه مهمی برای بررسی در آینده باشد.

توانایی دنبال کردن وظایف طولانی، نتایج تخصصی در بنچمارک‌های امنیتی و پیشرفت در توسعه نرم‌افزار، از مهم‌ترین ویژگی‌هایی هستند که این مدل را از یک چت‌بات معمولی متمایز می‌کنند.

بااین‌حال، تا زمان عرضه گسترده و انتشار آزمایش‌های مستقل بیشتر، بهتر است درباره برتری قطعی آن در پروژه‌های واقعی قضاوت نکنیم.

سؤالات متداول درباره Gemini 4 Carbon

جمینای ۴ کربن چیست؟

Gemini 4 Carbon یک مدل پیشرفته هوش مصنوعی از Google DeepMind است که با تمرکز بر برنامه‌نویسی پیچیده، وظایف چندمرحله‌ای، استدلال طولانی‌مدت و امنیت سایبری توسعه یافته است.

آیا Gemini 4 Carbon رایگان است؟

در زمان نگارش مقاله، دسترسی عمومی رایگان به این مدل اعلام نشده است. گوگل در مرحله نخست دسترسی محدودی برای متخصصان منتخب امنیت سایبری در نظر گرفته و تعرفه استفاده از API را نیز به‌صورت اولیه اعلام کرده است.

تفاوت Gemini 4 Carbon با Argon چیست؟

Carbon مدل جدیدتر این خانواده است و در برخی حوزه‌ها از جمله برنامه‌نویسی عامل‌محور، بنچمارک‌های امنیت سایبری و شاخص کلی Artificial Analysis نسبت به Argon پیشرفت داشته است.

آیا Gemini 4 Carbon از GPT-6 بهتر است؟

در برخی آزمون‌ها مانند Artificial Analysis v5.0، Terminal-Bench 4.0 و GraphWalks، Carbon امتیاز بالاتری از GPT-6 Astra کسب کرده است؛ اما در FrontierSWE 2، امتیاز GPT-6 Astra بیشتر بوده است. بنابراین پاسخ به این سؤال به نوع کاربرد بستگی دارد.

آیا می‌توان Gemini 4 Carbon را دانلود کرد؟

خیر؛ گوگل نسخه عمومی قابل دانلودی از این مدل ارائه نکرده است. همچنین در زمان نگارش مقاله، دسترسی آن به‌صورت محدود و مرحله‌ای انجام می‌شود.

قیمت Gemini 4 Carbon چقدر است؟

قیمت آغازین اعلام‌شده برای هر یک میلیون توکن ورودی ۲ دلار و برای هر یک میلیون توکن خروجی ۱۰ دلار است. پس از پایان دوره معرفی، این قیمت‌ها به‌ترتیب به ۴ و ۲۰ دلار افزایش خواهند یافت. زمان دقیق پایان تعرفه آغازین Carbon هنوز اعلام نشده است.

جمع‌بندی

Gemini 4 Carbon یکی از مهم‌ترین محصولات جدید گوگل در مسیر توسعه نسل پیشرفته هوش مصنوعی است. این مدل نشان می‌دهد که رقابت شرکت‌های فناوری دیگر فقط بر سر تولید پاسخ‌های دقیق‌تر نیست؛ بلکه توانایی انجام وظایف پیچیده، استفاده از ابزارها، حل مسائل مهندسی و افزایش امنیت نرم‌افزارها نیز اهمیت زیادی پیدا کرده است.

نتایج منتشرشده برای Carbon در شاخص Artificial Analysis و آزمون‌های امنیت سایبری بسیار قدرتمند هستند. در عین حال، عملکرد بهتر بعضی رقبا در آزمون‌هایی مانند FrontierSWE 2 و OSWorld-2.1 نشان می‌دهد که هنوز نمی‌توان یک مدل را در تمام زمینه‌ها برنده قطعی دانست.

در نهایت، ارزش واقعی Gemini 4 Carbon زمانی مشخص خواهد شد که توسعه‌دهندگان و کاربران بیشتری بتوانند آن را در پروژه‌های واقعی آزمایش کنند. تا آن زمان، این مدل را باید یکی از جدی‌ترین تلاش‌های گوگل برای توسعه هوش مصنوعی عامل‌محور و مهندسی‌محور دانست.