AI-modeller og platforme

Google åbner for Gemini 4 Carbon for flere end cybersikkerhedsforsvarere

mm
Føj Unite.AI til dine foretrukne kilder på Google

Google meddelte den 10. november 2026, at Gemini 4 Carbon er tilgængelig for betalende udviklere og virksomheder og gradvist bliver tilgængelig for Google AI Ultra-abonnenter. Introduktionsprisen for den avancerede model via API’et er 2 $ pr. million inputtokens og 10 $ pr. million outputtokens, inklusive tokens brugt til ræsonnering.

Betalende udviklere kan bruge Carbon via Gemini API i AI Studio og Android Studio, mens virksomheder kan få adgang til den via Gemini for business. For Ultra-abonnenter bliver modellen gradvist tilgængelig i Google Antigravity, Gemini-appen og AI Mode i Search.

Google udvider sit forskningsprogram, så udvalgte nuværende og fremtidige deltagere får gratis adgang til både Argon og Carbon i Antigravitys højeste forbrugsniveau i seks måneder. Der er stadig åbent for ansøgninger, og optagelsen sker løbende og afhænger af adgangskrav, kapacitet og udvælgelse.

En meddelelse den 28. oktober 2026 havde introduceret Carbon gennem en bevidst begrænset Fairwind-udrulning til en del af cybersikkerhedsforsvarerne med løfte om bredere adgang senere. Den specialiserede cybersikkerhedskonfiguration er fortsat adgangsbegrænset og kræver ansøgning til Fairwind og løbende optagelse.

Højere tokenforbrug ligger bag prisen

Ifølge modelkortet bygger Carbon videre på Argons grundlag og arkitektur fra fortræningen og er desuden eftertrænet til dyb ræsonnering, udvidet verifikation og agentarbejdsgange i flere trin. Modellen tager imod tekst, billeder, lyd og video og genererer tekst med op til 1 million tokens delt mellem input, ræsonnering og output. Den angivne vidensgrænse er marts 2026; kortet nævner også hallucinationer, mulig langsomhed eller timeouts samt højere tokenforbrug ved højere ræsonneringsniveauer som begrænsninger.

Udviklere kan vælge mellem lave, mellemste og høje ræsonneringsniveauer, hvor mellemste er standardindstillingen. Udviklerdokumentationen oplyser, at Carbon generelt bruger flere ræsonneringstokens pr. tur end Argon, hvilket øger tokenforbruget og svartiden, og anbefaler Argon til interaktiv kodning, rutinemæssigt funktionsarbejde og hurtige produktionsforløb. Hvis en eksisterende Argon-anmodning skal flyttes, kræver det, at model-id’et ændres, men ikke anmodningsskemaet; dog kan det være nødvendigt at justere outputgrænser og klientens timeout-indstillinger.

Carbon er ikke omfattet af Gemini API’s gratisniveau, og prissiden oplyser, at der opkræves betaling for hver behandlet token, herunder ræsonneringstokens og de angivne interne instruktioner og erklæringer om forankring. Når introduktionsperioden slutter den 30. november 2026, bliver priserne for input og output henholdsvis 4 $ og 20 $ pr. million tokens fra den 1. december 2026. At Argons introduktionspriser pr. token matcher Carbons, er derfor ingen garanti for ens omkostninger pr. opgave: Der opkræves betaling for Carbons ekstra ræsonneringstokens.

Sådan koordinerer /Swarm agentteams

Google Antigravitys forhåndsvisning af /swarm rulles ud i Antigravity-appen og kommandolinjegrænsefladen. En koordinator opretter specialiserede arbejdere i isolerede Git-arbejdstræer, så deres ændringer ikke kolliderer, mens adversarielle verifikatorer kører tests og udfordrer kodeændringer. Agenterne kommunikerer via en fælles beskedtavle, hvor der kun kan tilføjes beskeder, og inaktive agenter kan vente uden at bruge tokens.

En live-tavle, en oversigt over teammedlemmerne og en grafbaseret tidslinje gør det muligt for brugerne at undersøge værktøjsaktiviteten, styre de enkelte agenter og afspille, hvordan teamet nåede frem til resultatet. Roller kan bruge forskellige modeller, så Carbon kan stå for koordinering, arkitektur eller revision, mens lettere modeller udfører rutinemæssigt implementeringsarbejde. Antigravity-teamet oplyser, at det har gennemført fem ugers interne tests af migreringer på tværs af flere pakker, undersøgelser på tværs af undersystemer og arkitektoniske redesigns, og advarer samtidig om, at parallelle multiagentsystemer bruger kvoten langt hurtigere end almindelig chat.

Benchmarkresultater og cybersikkerhedsforanstaltninger

Resultaterne på modelkortet, som er opdateret pr. oktober 2026, angiver en score på 59 for Carbon på Artificial Analysis Intelligence Index v5.0 sammenlignet med 50 for Argon og 96,2 % mod 84,2 % på GraphWalks-testen af lang kontekst fra 256K til 1M. Carbons score på 61,2 % på FrontierSWE 2 oversteg Argons 55,0 %, men var lavere end de angivne 65,5 % for GPT-6 Astra og 62,3 % for Claude Opus 5.5. Kortets cybersikkerhedsresultater afspejler adgang via Fairwind og ikke den generelle offentlige konfiguration.

Googles sikkerhedsrapport oplyser, at Carbon ikke overskred tærsklen for væsentlige ændringer i kapaciteten i forhold til Argon, og at en fuld ny vurdering af kritiske egenskaber derfor ikke var nødvendig. Rapporten viderefører konklusionen om, at det ikke kan udelukkes, at Carbon uden sikkerhedsforanstaltninger uden for modellen kan nå Cyber Uplift Level 1, Googles tærskel for cyberkapaciteter, der kan muliggøre yderligere skade i alvorlig skala gennem angreb med stor gennemslagskraft. Google vurderer, at styrkede sikkerhedsforanstaltninger reducerer den resterende risiko til et acceptabelt niveau.

I Gray Swan-testene, der beskrives nærmere i rapporten, var Carbons succesrate for automatiserede cyberangrebsforespørgsler 2,17 % sammenlignet med 9,86 % for Argon. Succesraten pr. mål, som registrerer, om en opgave blev brudt mindst én gang på tværs af gentagne forsøg, forblev 40 % efter 200 forsøg på hver af 25 opgaver med høj alvorlighedsgrad. Forskellen viser større operationel modstand snarere end, at bruddene er elimineret: De enkelte angreb lykkedes mindre pålideligt, men vedholdende gentagne forsøg lykkedes stadig mod en betydelig minoritet af målene.

Carbon registrerede også en angrebssuccesrate på 0 % på Gray Swans eksterne benchmark for indirekte promptinjektion, men sikkerhedsrapporten siger, at sådanne angreb stadig er mulige. At opnå nul succeser på et benchmark dokumenterer derfor ikke, at agenter, der behandler indhold fra ikke-betroede kilder, er immune over for angreb.

Den bredere lancering gør Carbon til en betalingsløsning for dybere ræsonnement og koordineret agentarbejde, mens Fairwind opretholder en separat adgangsbegrænsning for specialiserede cyberfunktioner. Det centrale kompromis er, om kvalitetsforbedringerne retfærdiggør et større tokenforbrug og højere latenstid, og om de dokumenterede sikkerhedsforanstaltninger fortsat er effektive, når en langt bredere brugergruppe afprøver disse agentarbejdsgange.

Jonas Reeve er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, med fokus på kognitiv AI, kunstig generel intelligens (AGI) og de teoretiske grundlag for maskinintelligens. Hans arbejde undersøger, hvordan læring, ræsonnement, hukommelse og abstraktion opstår i både biologiske og kunstige systemer, og trækker forbindelser mellem moderne AI-arkitekturer og langvarige spørgsmål inden for kognitiv videnskab og sindets filosofi.

Med en konceptuel og reflekterende tilgang undersøger Jonas rammer som ræsonneringsmodeller, agentbaserede systemer, emergent kognition og justeringsteori, med det formål at tydeliggøre, hvad fremskridt mod AGI faktisk betyder – og hvad det ikke gør. I stedet for at jagte tidslinjer eller hype lægger han vægt på første principper, konceptuel stringens og begrænsningerne i de nuværende modeller.

Artikler skrevet af Jonas Reeve er AI-genererede og gennemgået af Unite.AI’s redaktionsteam for at sikre nøjagtighed, klarhed og ansvarlig diskussion af avancerede AI-koncepter.