Google lancerede onsdag den 28. oktober Gemini 4 Carbon og kalder den selskabets stærkeste model til dato. Den ligger øverst på Artificial Analysis' nye intelligensindeks, og Google rapporterer de bedste resultater indtil videre på tre udbredte tests af cybersikkerhed. Du kan bare ikke bruge den. De første brugere er en udvalgt gruppe cyberforsvarere i Googles adgangsprogram Fairwind.
Vi har læst Googles lanceringsindlæg, betingelserne for Fairwind og de første uafhængige målinger fra Artificial Analysis og Vals AI. Gennemgangen herunder skiller Googles egne tal fra de uafhængige og forklarer, hvordan adgangen til modellen er bygget op, så du kan vurdere, hvornår Carbon bliver relevant for jer.
Carbon er model nummer to i Gemini 4-familien. Den første, Gemini 4 Argon, blev annonceret 30. september og blev bredt tilgængelig 13. oktober via Gemini API, AI Studio, Antigravity og Gemini-appen for Pro- og Ultra-abonnenter. Carbon kom 15 dage efter.
Google beskriver Carbon som bygget til lange, agentiske arbejdsforløb inden for softwareudvikling og cybersikkerhed. Ifølge lanceringsindlægget har Googles egne teams set modellen arbejde i flere dage på samme opgave, blandt andet med at finde rodårsagen til subtile fejl i store kodebaser og lavniveausystemer og skrive rettelsen. Det er en beskrivelse af intern brug. Google har ikke offentliggjort data om, hvor ofte den slags forløb lykkes.
Google har heller ikke udgivet en teknisk rapport eller oplyst, om modellen bygger på en ny arkitektur, skriver VentureBeat. Ars Technica vurderer, at Carbon i praksis er en lidt bedre udgave af Argon, og at ingen uden for Google ved, om den blot er Argon med ekstra eftertræning (post-training). Google selv kalder Carbon sin næste frontier-model.
Google har beskrevet udrulningen i en fast rækkefølge:
Samtidig oplyser Google, at selskabet deltager aktivt i den amerikanske regerings frivillige ordning for test af modeller før lancering. Det er den ordning, vi gennemgik i august: Et præsidentielt dekret fra juni giver udviklere af de mest avancerede lukkede modeller mulighed for at give myndighederne op til 30 dages adgang, før en model frigives til betroede partnere. Selve rammen er ikke offentlig, og Google har ikke oplyst, hvor langt Carbon er i processen. Google henviste også til ordningen, da Argon blev annonceret i september.
Argon er det bedste pejlemærke for, hvor lang tid Carbon kan være om at nå ud. Argon gik til Fairwind-partnere 30. september og blev bredt tilgængelig 13 dage senere. Google har ikke lovet samme tempo for Carbon. Vores vurdering er, at en model, der er markant stærkere til at udnytte sårbarheder, risikerer at blive længere tid i den begrænsede fase.
Fairwind er Google DeepMinds program for tidlig adgang til modeller med fulde cyberkapabiliteter. Ifølge Google har programmet over 650 partnere globalt. Det prioriterer regeringer og nationale cybermyndigheder, operatører af kritisk infrastruktur inden for sundhed, telekommunikation, energi og finans samt de store teknologiplatforme, som millioner af brugere er afhængige af. Akademiske forskningsgrupper, der arbejder med defensive benchmarks, kan også søge.
Betingelserne er stramme. Google laver baggrundstjek af ansøgerne og deres historik. Adgangen må kun gives til interne teams inden for cybersikkerhed, hændelseshåndtering og penetrationstest, og virksomheden skal registrere, hvilke medarbejdere der bruger modellen. Der kræves autentificering på brugerniveau og phishing-resistent MFA, og adgangen må hverken deles eller videresælges. Partnerne må kun løse defensive dual-use-opgaver som autoriseret trusselssimulering, reverse engineering og malwareanalyse. Hidtil har Fairwind-partnere fået Argon uden de guardrails, der ellers begrænser modellens hjælp til cyberopgaver.
Oversat til danske forhold peger kriterierne mod et snævert felt: energi- og forsyningsselskaber, teleoperatører, banker, hospitaler og regioner samt de sikkerhedsleverandører, der beskytter dem. Det er stort set de samme sektorer, som NIS2 stiller skærpede krav til. Er I ikke i målgruppen, henviser Google til CodeMender, en agent til at finde og rette sårbarheder i kode, som kan bruges med Googles offentligt tilgængelige modeller.
Flere medier har skrevet, at ingen uden for Google kan efterprøve tallene. Det passer kun delvist. Artificial Analysis og Vals AI offentliggjorde begge egne målinger på lanceringsdagen og har altså haft adgang til modellen, før den blev offentligt tilgængelig. Ingen af dem har dog offentliggjort målinger af cyberkapabiliteterne, som er Carbons hovedargument.
Artificial Analysis placerer Carbon øverst på version 5.0 af sit Intelligence Index med 59 point. Claude Opus 5.5 følger med 58, GPT-6 Astra med 57 og Argon med 50. Indekset er netop revideret, og ifølge Artificial Analysis bygger 60 procent af den nye version på private tests eller tilbageholdte svar. Tallene kan derfor ikke sammenlignes med den tidligere version, hvor Argon scorede 53.
Vals AI, der især tester modeller på opgaver inden for jura, finans og kode, placerer Carbon som nummer to af 29 modeller på Vals Index med 70,36 procent. Claude Sonnet 5.5 ligger foran med 70,85, og Claude Opus 5.5 ligger lige bagved med 70,18. Vals angiver selv en usikkerhed på ±0,97 procentpoint på Carbons resultat, så de tre modeller kan reelt ikke skilles ad på det samlede indeks. På enkelte delområder ligger Carbon klart i front, fx som nummer ét på Vals' finansindeks og på Legal Research Bench.
Der er også områder, hvor andre modeller måler bedre. På FrontierSWE 2, en test af softwareudvikling, scorer Carbon 61,2 procent mod 65,5 for GPT-6 Astra og 62,3 for Opus 5.5. På den offline del af OSWorld, der måler, hvor godt en model betjener en computer, når Opus 5.5 87,2 procent mod Carbons 81,5. Artificial Analysis' indeks for kodeagenter giver Carbon i Googles Antigravity CLI 59 point, mens Claude Code med Opus 5.5 ligger øverst med 62. På AA-Briefcase, der måler vidensarbejde som analyser og rapporter, ligger Carbon efter Grok 4.7, Muse Wonder og Kimi K3.1 Pro.
Samlet er Carbon i toppen på næsten alle de brede målinger uden at være bedst til alt. Er jeres vigtigste brug kodeagenter eller dokumenttungt vidensarbejde, er der ingen grund til at vente på Carbon for at få det bedste resultat.
Google fremhæver tre eksterne tests, der dækker hver sit trin i forsvarsarbejdet:
Det største spring er på ExploitGym, der måler evnen til at bygge et fungerende angreb mod en kendt svaghed. Forsvarere bruger den evne til at prioritere, hvilke huller der skal lukkes først. Angribere kan bruge præcis den samme evne, og det er hovedforklaringen på den begrænsede udrulning. Det er også derfor, de store laboratorier behandler en frontier-cybermodel anderledes end en almindelig sprogmodel.
Google skriver selv, at de tre tests er kørt uden guardrails. Tallene viser altså, hvad modellen kan, når begrænsningerne er slået fra. De siger ikke meget om, hvad en almindelig API-kunde vil opleve, når Carbon kommer bredt ud med begrænsninger på cyberopgaver.
Resten af Googles cyberargumenter er interne. Ifølge Google lykkes Carbon mere end dobbelt så ofte som Argon med at skrive sikker kode, og Chrome-teamet har målt, at Carbon lavede mere end ti gange bedre rettelser end en stor model fra et konkurrerende laboratorium. Konkurrenten er ikke navngivet, og data bag sammenligningen er ikke offentliggjort. Google nævner også, at Wiz har set Carbon føre på tests af penetrationstest mod webapplikationer. Wiz er Googles egen cloudsikkerhedsplatform.
Google lægger vægt på, at Carbon opfører sig mere forudsigeligt som agent. I Googles interne tests kommer Carbon med cirka halvt så mange udokumenterede påstande som Argon. I Googles egne kodemiljøer faldt antallet af alvorlige advarsler om uønsket adfærd med næsten 80 procent. Carbon går 26 procent sjældnere ud over opgaven og leverer 29 procent sjældnere for lidt. På Terminal-Bench 4.0 lykkedes modellen aldrig med at snyde testen, og den forsøgte det kun i 0,4 procent af tilfældene.
Over for prompt injection, altså skjulte instruktioner i fx dokumenter og på websider, lykkedes ingen af angrebene i Gray Swans test mod Carbon. Argon lå på 0,7 procent, og i Googles egen sammenligning fra Argon-lanceringen lå Claude Opus 5.5 og Claude Fable 5.1 på 1,0 procent. Nullet gælder kun de angreb, Gray Swan har afprøvet, og vi har tidligere beskrevet, hvordan hjemmesider allerede bruges til at angribe AI-agenter.
Artificial Analysis' test af faktuel viden giver et mere blandet billede. På AA-Omniscience har Carbon den højeste samlede score, 54, og svarer rigtigt på 58 procent af spørgsmålene mod 48 procent for Argon. Samtidig steg Carbons hallucinationsrate fra 4 til 11 procent. Tallet skal læses rigtigt. Hallucinationsraten er andelen af forkerte svar blandt alle de gange, modellen ikke svarede rigtigt, også når den sprang over eller kun svarede delvist. Når Carbon ikke kender svaret, gætter den altså oftere end Argon i stedet for at melde pas. Til sammenligning ligger Opus 5.5 og GPT-6 Astra på 50 procent i samme måling.
De to billeder udelukker ikke hinanden. Googles tal handler om adfærd i kodeopgaver, mens Artificial Analysis måler, om modellen kender sine grænser ved faktuelle spørgsmål. Bruger du modellen til research eller vidensopslag, er det sidste vigtigst.
Carbon lanceres til samme introduktionspris som Argon: 2 dollar pr. million input-tokens og 10 dollar pr. million output-tokens. Cachede input-tokens koster 95 procent mindre, svarende til 0,10 dollar pr. million. Efter introduktionsperioden stiger prisen til 4 og 20 dollar.
For Argon udløber introduktionsprisen 30. november 2026. For Carbon har Google ikke oplyst nogen dato, og der findes endnu ingen API-dokumentation for modellen. For Argon tæller modellens interne ræsonnement med i output-tokens, så den reelle regning er ofte større end den tekst, du får tilbage.
Et regneeksempel: En kodeagent, der på en måned læser 50 millioner tokens og skriver 5 millioner, koster 150 dollar til introduktionspris og 300 dollar bagefter, hvis intet kan caches. Samme pris pr. token er heller ikke det samme som samme pris pr. løst opgave. Google har ikke offentliggjort, hvor mange tokens eller forsøg Carbon bruger pr. opgave sammenlignet med Argon.
Google har ikke sagt noget om, hvornår Carbon bliver tilgængelig i EU. Argon blev rullet ud globalt 13. oktober, så der er ikke noget, der peger på en særlig europæisk forsinkelse. Der er heller ingen garanti.
Lovgivningsmæssigt ligger de tungeste krav hos Google. Modeller i Carbons klasse falder efter alt at dømme ind under AI Act-reglerne for general-purpose AI-modeller med systemisk risiko. De kræver blandt andet modelevalueringer, risikovurdering, rapportering af alvorlige hændelser og cybersikkerhed omkring modellen, og Google tilsluttede sig i juli 2025 EU's adfærdskodeks for den type modeller. Jeres egne forpligtelser følger af, hvad I bruger modellen til, og af NIS2, DORA og GDPR. Vores guide til AI Act gennemgår, hvor grænsen går.
Begrænsede cyberlanceringer er efterhånden standard hos de største laboratorier. Anthropic gav i april en lille kreds af organisationer adgang til Claude Mythos Preview gennem Project Glasswing, og OpenAI har sit eget cyberspor med GPT-5.5-Cyber. For virksomheder betyder det, at den stærkeste model på markedet ofte er en, I ikke selv kan købe.
Det kan I gøre nu:
Carbon viser, hvordan Google nu lancerer sine stærkeste modeller: med deltagelse i den amerikanske testordning, først til udvalgte cyberforsvarere, derefter til flere partnere og til sidst til de betalende kunder. Argon fulgte samme vej, og Google har ikke signaleret, at næste model bliver anderledes. Planlægger du jeres AI-arbejde efter Googles annonceringer, så regn med, at der går tid fra lanceringsdagen, til I selv kan bruge modellen.