米時間10月28日、Googleは新型フラッグシップのGemini 4 Carbonを公開し、Artificial Analysisの智能指数v5.0で59点を獲得してClaude Opus 5.5（58点）とGPT-6 Astra（57点）を追い抜き、約半年ぶりに首位へ返り咲いた。ただし初期テストでは生成が2〜4倍遅く、幻覚率も上昇しており、代償の形がはっきり見える。
59点の中身、どこが伸びたのか
Carbonのスコアは総合点だけの話ではない。9項目で構成される指数のうち4項目で1位を取り、複雑推論・科学研究・知識応答・自動化タスクに強みが出た。外部テストの主な数字を並べると次の通りである。
| テスト | Argon | Carbon |
|---|---|---|
| AA 智能指数 v5.0 | 50点 | 59点 |
| Terminal-Bench 4.0 | 57.1% | 65.2% |
| GraphWalks（長文脈追跡） | 84.2% | 96.2% |
| AA-Omniscience 正答率 | 48% | 58% |
| 同・幻覚率 | 4% | 11% |
コーディングも追い上げた。Coding Agent指数は59点で、首位のClaude Opus 5.5（62点）には届かないものの、WebDev Arenaでは89 Eloを積み上げて1768分の4位に入った。公式は数日単位で動くエージェント業務に最適化したと説明する。
セキュリティと「不正ゼロ」の主張
目を引くのはセキュリティ系の数字である。SEC-bench Proの脆弱性発見で88.2%、ExploitGymで54.8%、CWE-benchの修復で71.0%といずれも首位級だった。Gray Swanの間接プロンプト注入テストでは攻撃成功率0%を記録し、同じテストでのArgonは0.7%、Opus 5.5は1%、GPT-6 Astraは8.5%だった。
「賢くごまかす」抑制も進んだ。Terminal-Bench 4.0での不正成功率は0%、試行率0.4%、根拠のない断言はArgon比でおよそ半減、高深刻度の逸脱警報は80%近く減ったと公式は述べる。測定条件が違うため単純比較はできないが、方向性は読み取れる。
速度の代償と不満の声
早期アクセスした開発者の評価は二段階だ。3D生成やSVGの品質はArgonを明確に上回った一方、生成速度はタスク次第で2〜4倍遅いという報告が複数ある。独立機関Vals AIの計測では、金融エージェントの完了時間はArgonの2.25倍、税務で2.12倍、金融の正答率は67.66%から67.16%へ微減した。法律調査では首位を取ったものの1タスク平均52分近くかかる。
Hacker Newsでは「公開日を示さない発表ばかりだ」という声が並び、Arenaの評価担当Peter Gostev氏ですら「当初からArgonを飛ばしてCarbonを出せばよかった」と述べた。強さを実感できるまでの距離が、実質的な課題になりつつある。
財務が示す「首位の重さ」
発表の数時間後、Alphabetは第3四半期決算を公表した。売上高は1,275.77億ドルで前年同期比25%増、Google Cloudは307.09億ドルで103%増と好調だが、自由キャッシュフローは2四半期連続でマイナスとなり90.65億ドルの赤字、時間外取引で株価は一時10%超下落した。2026年の設備投資は1,950億〜2,050億ドルを見込み、2027年もさらに増える方針である。
Pichai氏は10億ユーザー規模へ展開するためのCarbon蒸留版の開発にも言及した。首位のモデルを誰もが使える形に落とし込むまでの距離が、Googleの本当の勝負どころである。
よくある質問
Q. 価格は上がるのか。
導入期はArgonと同じで、入力100万トークン2ドル、出力10ドル、キャッシュ入力は95%引き。終了後は4ドルと20ドルへの引き上げが予定される。Artificial Analysisの試算では、標準価格換算の1タスク平均コストは7.76ドルで、Opus 5.5の10.04ドルより安く、Astraの6.24ドルより高い。
Q. 幻覚率の悪化はどこまで深刻か。
AA-Omniscienceでは知識正答率が48%から58%に上がる一方、答えられない問いで誤答を重ねる割合が4%から11%へ増えた。公式の「根拠のない断言が半減」という別テストの数字と測定条件が異なるため、断定はできないが、出題領域が広がるほど誠実さの管理が難しくなることを示している。
編集部の見解
首位奪還そのものより、セキュリティ系ベンチと「不正ゼロ」を前面に出した点が注目に値する。エージェント実装が本流になった今、企業の導入判断は智能指数より安全性と再現性で決まりやすく、Googleはその帯へ真っ先に入った。日本の開発者は、一般公開前の数字に頼らず自社ワークロードでの速度と精度を実測してから採用を決めたい。
my-best.ai 編集部
出典：36Kr「Gemini 4 Carbonはグーグルの面目を取り戻せるのか」（寄稿：字母AI、2026年10月29日）
あわせて読みたい
- 清華27歳准教授の超衍智能がApex-35B発表、Flintに21項目中18勝
- Genie 4が世界モデルの常識を更新、音声同期と2分間の連続生成
- ChatGPT Pro 200ドルのCodex枠が10倍に半減、最終日の境界線
本日の36Kr AI版の記事を日本語で整理したものです。最新記事の一覧から他のニュースも読めます。
最新のAI情報をメールで受け取る
新着のAIツール比較・ランキング・ニュースを、まとめてお届けします。
ご登録後、確認メールをお送りします。配信停止はいつでも可能です。