複数のシステムにまたがる不具合を調べ、修正し、動作まで確かめる。大量の資料から根拠を拾い、数字の整合性を確認しながら報告書を仕上げる。こうした仕事では、最初の回答の速さだけでAIの実用性は決まりません。Googleが2026年11月10日に提供開始を発表したGemini 4 Carbonは、長い工程を伴う業務で、推論と検証を繰り返すことに重点を置いたモデルです。

Googleは、多くのソフトウェア開発や知識業務にはGemini 4 Argonが適していると説明しています。Carbonの役割は、複雑なコーディングやデバッグ、答えが定まっていない科学研究など、モデルの能力を限界まで必要とする仕事です。Argonより多くのトークンを使い、探索を広げ、深く考え、確認を重ねる設計とされています。トークンはAIが文章などを処理する単位であり、利用量や料金を考える際の基準にもなります。



導入時の価格は、入力100万トークン当たり2ドル、出力100万トークン当たり10ドルで、Argonと同額です。ただし、単価が同じでも、一つの仕事で使うトークン量が増えれば請求額は変わります。企業が見るべきなのは、回答一回の価格だけではありません。人による修正や再実行まで含め、成果物を完成させるまでにいくらかかるかが判断軸になります。

Googleによると、CarbonはCursorBench 4.0、PerplexityのWANDR、ZapierのAutomationBenchで首位となり、次点の他社モデルに比べてタスク当たりのコストは半分未満でした。いずれも特定の評価条件での結果です。自社の業務でも同じ差が出るかは、実際の資料や開発環境を使って確かめる必要があります。

Carbonの知識業務における狙いは、長い文書を短くすることにとどまりません。Googleは、法務、金融、企業運営の領域で、密度の高い文書やデータを横断して情報を探し、視覚的な理解と推論を組み合わせて分析すると説明しています。指定された構造や書式に従い、スプレッドシート、プレゼンテーション、報告書を作成する能力も強調しています。

企業の資料には、文章だけで意味が完結しないものが少なくありません。表の脚注が数値の適用範囲を限定していたり、グラフの凡例によって比較対象が変わったりします。図面や模式図を含む資料では、文字を抽出するだけでは関係性を取りこぼすでしょう。こうした情報を扱うには、文章、画像、表などを組み合わせて理解するマルチモーダル能力が必要です。



GoogleはAI評価企業Artificial Analysisと共同で、Multimodal Knowledge Agent、略称MKAという新しい評価指標を導入しました。図表や画像などを含むファイルを使い、AIが複数の工程を進める能力を測るものです。Carbonは2位となり、首位モデルに対する平均タスクコストは6分の1未満だったとしています。

金融分野では、企業向け情報分析サービスを提供するHebbiaの評価で、詳細な金融調査の成績が最良モデルと並びました。また、資産運用会社Balyasny Asset Managementの評価では、23通りの先端モデル構成の中で最上位だったと説明しています。ただし、これらは個々の契約判断や投資判断の正しさを保証するものではありません。企業で試すなら、成果物の見栄えと同時に、数値の出所、引用箇所、計算過程を担当者が追えるかまで確認したいところです。

Carbonの開発支援で注目したいのは、単独の関数を書く能力よりも、変更範囲が広い仕事への対応です。Googleは、複数パッケージに及ぶ移行、サブシステムを横断する原因調査、複雑なアーキテクチャの再設計などを挙げています。いずれも、一つのファイルを直せば終わる仕事ではありません。変更の影響を調べ、関連箇所を修正し、別の場所に問題を生んでいないか確かめる必要があります。

Webアプリ開発では、Carbonがビルドと検証を繰り返し、エラーから復旧しながら、コードと実際に表示された画面の両方を確認すると説明しています。コード上では成立していても、画面ではボタンが隠れる、表示が崩れるといった問題は起こり得ます。利用者が触る状態まで確認する工程を含めることが、完成したアプリの品質につながります。



この作業を大きなプロジェクトに広げる機能として、Googleの開発環境Antigravityでは「/swarm」がプレビュー提供されます。一つの指示から複数のAIエージェントを協調させ、進行状況をリアルタイムで追える仕組みです。エージェントとは、目標に向けてツールを使い、複数の作業を進めるAIを指します。

想定される使い方は、設計、調整、監査など深い推論が必要な役割にCarbonを割り当て、並行する作業には軽量で高速なモデルを組み合わせる構成です。作業領域を分離し、変更の不備を探す検証役も置くとされています。企業の評価では、生成したコード量より、レビューを通過して取り込める変更の割合や、人が原因調査に費やす時間を測るほうが、導入効果を捉えやすいでしょう。

サイバーセキュリティは、GoogleがCarbonの能力を特に強調している分野です。防御担当者向けのFairwind Programを通じて利用するCarbon for cyberは、脆弱性の発見、悪用可能性の確認、修正という一連の工程を支援します。Googleは、SEC-bench Pro、ExploitGym、CWE-bench v1という各評価で先頭に立ったと説明しています。

社内の自律型システムProject Fortifyでは、スキャン、候補の選別、修復を組み合わせています。Googleの内部評価で、Carbonはスキャンの再現率100％、選別の適合率95％を記録しました。再現率は対象となる問題をどれだけ拾えたか、適合率は問題として挙げたものがどれだけ正しかったかを示します。対象と条件が定められた内部評価の数字であり、あらゆるソフトウェアで見落としがなくなるという意味ではありません。



オープンソースのコードリポジトリを使ったテストでは、Argonに対して再現率が相対的に25％超改善し、それまで検出されていなかった実際の論理的な欠陥を見つけたとしています。また、クラウドセキュリティ企業WizのScan for Goodプログラムでは、主要SaaS事業者2社を調査した際、2時間未満で未知の脆弱性を発見したと報告しています。対象組織と連携して修復したとも説明しています。

企業への示唆は、検出件数だけを成果指標にしないことです。担当者が再現できるか、影響範囲を説明できるか、修正後に別の不具合を生まないかまで確認して初めて、防御業務の負担軽減につながります。Carbonの一般向け提供と、防御用途の専用アクセスで利用条件が異なる点にも注意が必要です。自社が使える範囲を確認したうえで、既存の調査・修復手順に組み込む判断が求められます。

科学分野で紹介された事例には、AIが結論を出すだけでなく、研究者が検証するための材料を増やすという共通点があります。Googleは、Carbonが物理、数学、生命科学の推論を改善し、実験データの統合、仮説の検討、複数段階の専門的な問題に対応すると説明しています。薬物の毒性を研究するAxiom Bioでは、それまで見つけていなかった毒性の仕組みを発見し、科学分析とエージェントの実運用をCarbonとArgonへ移行しているとしています。

ソフトウェアの安全性を数学的に確かめる研究でも活用されています。Googleの研究者は、形式検証の仕組みAlphaProof Codeを構築し、暗号化通信サービスSignalの暗号プロトコルを支える実装に取り組みました。形式検証とは、定めた性質が成り立つことを数学的な方法で確認する手法です。Carbonと他のモデルを使って安全性の目標を定理に置き換え、証明を記述する言語Leanのコードを生成し、主要な安全性の性質を数週間で証明したと報告しています。



実験の現場では、実験ノートと生データから分析しにくい異常を見つけ、自動混合の不足など、実験操作に由来する影響を診断した事例が挙げられています。分析結果を解釈する前に、測定や操作の過程を疑う働きが、再現性の改善に結び付いたという説明です。

タンパク質構造予測では、構造を推定するモデルに渡す類似配列の探索を支援しました。CASP17という構造予測のブラインド評価に含まれる、類似配列が少ない7ファミリーで、取得した相同配列の数が平均40倍になったとしています。これは構造予測の精度が40倍になったという結果ではありません。Googleも広範な評価は継続中としており、研究用途では、増えた候補が下流の分析や実験にどの程度役立つかを確かめる必要があります。

作業を長く続け、ツールを使い、ソフトウェアの問題を調べられるAIほど、誤った指示や不正な誘導の影響も評価する必要があります。GoogleはCarbonの能力向上に合わせ、悪用防止、モデルの振る舞いの調整、プロンプトインジェクションへの耐性を強化したと説明しています。企業が確認したいのは、安全性を示す数字だけでなく、何を試し、どこまで確認できたのかという範囲です。

Googleの模擬サイバー攻撃環境では、阻止されるたびに計画を変える自動攻撃エージェントに対し、攻撃経路の99％を遮断しました。試行ごとの突破率はArgonの3.1％からCarbonの0.8％に低下したとしています。外部評価では、Gray Swanの自動攻撃テストにおける成功率が9.86％から2.17％へ下がり、Trajectory Labsは132時間、1万3,000件超のリクエストで新たな汎用的な制約回避手法を発見しなかったと報告しています。



資料やWebページに埋め込まれた指示にAIが誘導される間接的なプロンプトインジェクションについては、Gray Swan IPI評価で攻撃成功率0％だったとしています。ただし、Google自身も、高度な攻撃の一部では改善の余地が残ると説明しています。特定の試験で成功例がなかったことを、運用環境で攻撃が成立しない保証として扱うことはできません。

業務上の誠実さを測る375タスクの評価では、合格率がArgonの70％から92％へ上昇しました。欠けている実験データの補完を拒んだ割合は98％、方法上の欠陥を指摘した割合は68％でした。改善と同時に、見落としが残ることも読み取れます。企業側では、AIに与えるアクセス権を業務に必要な範囲へ絞り、外部への送信や重要な変更には確認工程を設けるなど、モデルの性能と運用上の管理を組み合わせることが必要です。

Googleの案内では、開発者はGoogle AI StudioなどからGemini APIの有料枠でCarbonを利用できます。企業向けにはGemini for businessのAPIやモデル選択機能、Google Antigravity、CodeMenderが挙げられています。Google AI Ultra契約者向けには、Antigravity、Geminiアプリ、検索のAI Modeへの展開が進められます。利用経路によって対象者が異なるため、自社の契約と提供状況の確認が出発点です。

研究者向けには、AntigravityでArgonとCarbonを6カ月間無料で使えるプログラムが案内されています。対象は資格要件、受け入れ枠、選考に左右され、申請後は順次案内されます。サイバー防御担当者向けのCarbon for cyberはFairwind Programへの申請が必要です。一般提供の開始だけで、すべての専用機能へ同じ条件でアクセスできるわけではありません。



企業での試行は、すでに人が時間を使っている難しい業務を一つ選ぶと設計しやすくなります。例えば、複数資料を照合する社内報告書の作成や、複数モジュールにまたがる不具合の調査です。完成と見なす条件を先に決め、同じ入力と条件でCarbonとArgonを比較すれば、深い推論にかける追加の処理量が成果に結び付くかを判断しやすいでしょう。

記録する項目は、出力の品質、確認にかかった時間、再実行の回数、利用料金です。正しい答えにたどり着いても、根拠の確認に長い時間がかかるなら運用上の利点は小さくなります。逆に、難しい案件で人の調査や手戻りを減らせれば、処理量の増加を受け入れる理由になります。最初の一歩として、直近で手戻りが多かった案件を一件選び、担当者が受け入れられる成果物の条件を書き出すことから始めてはいかがでしょうか。