Google gir flere enn cybersikkerhetsforsvarere tilgang til Gemini 4 Carbon

Google kunngjorde 10. november 2026 at Gemini 4 Carbon er tilgjengelig for betalende utviklere og bedrifter, og at utrullingen til Google AI Ultra-abonnenter er i gang. Introduksjonsprisen for den avanserte modellen i API-et er 2 dollar per million inndatatokener og 10 dollar per million utdatatokener, inkludert tokener som brukes til resonnering.

Betalende utviklere kan bruke Carbon via Gemini API i AI Studio og Android Studio, mens bedrifter kan få tilgang via Gemini for business. For Ultra-abonnenter rulles tjenesten ut i Google Antigravity, Gemini-appen og AI Mode i Søk.

Google utvider forskningsprogrammet for forskere og tilbyr utvalgte nåværende og framtidige deltakere både Argon og Carbon gratis i seks måneder på Antigravitys høyeste bruksnivå. Det er fortsatt mulig å søke, og opptak skjer fortløpende, avhengig av kvalifikasjoner, kapasitet og utvelgelse.

I en kunngjøring 28. oktober 2026 ble Carbon først introdusert gjennom en bevisst begrenset utrulling via Fairwind til et utvalg cybersikkerhetsforsvarere, med løfte om bredere tilgang senere. Den spesialiserte cyberkonfigurasjonen er fortsatt adgangsbegrenset og krever søknad via Fairwind; opptak skjer fortløpende.

Høyere tokenbruk ligger bak prisen

Ifølge modellkortet bygger Carbon på Argons grunnlag og arkitektur for forhåndstrening, med ytterligere ettertrening for avansert resonnering, utvidet verifisering og agentarbeidsflyter med flere trinn. Modellen tar imot tekst, bilder, lyd og video og genererer tekst, med opptil 1 million tokener fordelt på inndata, resonnering og utdata. Den oppgitte kunnskapsgrensen er mars 2026. Modellkortet peker også på hallusinasjoner, mulig treghet eller tidsavbrudd og høyere tokenforbruk ved høyere resonneringsnivåer som begrensninger.

Utviklere kan velge lavt, middels eller høyt resonneringsnivå, der middels er standardinnstillingen. Utviklerdokumentasjonen oppgir at Carbon vanligvis bruker flere resonneringstokener per tur enn Argon, noe som øker tokenbruken og forsinkelsen. Argon anbefales til interaktiv koding, rutinemessig funksjonsutvikling og raske produksjonssykluser. For å flytte en eksisterende Argon-forespørsel må man endre modell-ID-en, ikke forespørselsskjemaet, men det kan være nødvendig å justere utdata­grensene og tidsavbruddene for klienten.

Carbon er ikke inkludert i gratisnivået for Gemini API, og prissiden oppgir at det faktureres for hvert token som behandles, også resonneringstokener og angitte interne forankringsinstruksjoner og erklæringer. Når introduksjonsperioden utløper 30. november 2026, blir prisene for inndata og utdata henholdsvis 4 og 20 dollar per million tokener fra 1. desember 2026. At introduksjonsprisene per token tilsvarer Argons, betyr derfor ikke nødvendigvis at kostnadene per oppgave blir de samme: De ekstra resonneringstokenene i Carbon er betalingspliktige.

Slik samordner /Swarm agentteam

Forhåndsvisningen av /swarm i Google Antigravity rulles ut i Antigravity-appen og kommandolinjegrensesnittet. En koordinator oppretter spesialiserte arbeidere i isolerte Git-arbeidstrær, slik at endringene deres ikke kolliderer, mens motstridende verifikatorer kjører tester og utfordrer kodeendringer. Agentene kommuniserer via en felles meldingsvegg der innlegg bare kan legges til, og inaktive agenter kan vente uten å bruke tokener.

Et sanntidsforum, en medlemsoversikt og en grafbasert tidslinje lar brukerne inspisere verktøyaktivitet, styre enkeltagenter og spille av hvordan et team kom fram til resultatet. Rollene kan bruke ulike modeller, slik at Carbon kan håndtere koordinering, arkitektur eller revisjon, mens lettere modeller utfører rutinemessig implementering. Antigravity-teamet oppgir at de har testet systemet internt i fem uker på migreringer av flere pakker, undersøkelser på tvers av delsystemer og arkitektoniske redesign. Samtidig advarer teamet om at parallelle systemer med flere agenter bruker opp kvoten langt raskere enn vanlig chat.

Referanseresultater og cybersikkerhetstiltak

Resultatene i modellkortet, oppdatert per oktober 2026, viser en poengsum på 59 for Carbon på Artificial Analysis Intelligence Index v5.0, mot 50 for Argon, og 96,2 % mot 84,2 % på GraphWalks-testen for lang kontekst fra 256K til 1M. Carbons resultat på 61,2 % på FrontierSWE 2 var bedre enn Argons 55,0 %, men lavere enn de oppførte resultatene på 65,5 % for GPT-6 Astra og 62,3 % for Claude Opus 5.5. Modellkortets cybersikkerhetsresultater gjelder tilgang via Fairwind, ikke den generelle offentlige konfigurasjonen.

I Googles sikkerhetsrapport står det at Carbon ikke overskred terskelen for vesentlig endring i kapasitet sammenlignet med Argon, og at det derfor ikke var nødvendig med en fullstendig ny vurdering av kritiske kapasiteter. Rapporten viderefører konklusjonen om at det ikke kan utelukkes at Carbon, uten sikkerhetstiltak utenfor modellen, kan nå Cyber Uplift Level 1 – Googles terskel for cyberkapasiteter som kan muliggjøre ytterligere skade i alvorlig omfang gjennom angrep med stor påvirkning. Google vurderer at styrkede sikkerhetstiltak reduserer den gjenværende risikoen til et akseptabelt nivå.

I Gray Swan-testingen som beskrives i rapporten, var suksessraten for automatiserte cyberangrepsforespørsler med Carbon 2,17 %, mot 9,86 % for Argon. Raten per mål, som registrerer om en oppgave ble brutt minst én gang i løpet av gjentatte forsøk, var fortsatt 40 % etter 200 forsøk på hver av 25 oppgaver med høy alvorlighetsgrad. Forskjellen viser at det er blitt vanskeligere å gjennomføre angrep, ikke at sikkerhetsbrudd er eliminert: Hvert enkelt angrep lyktes sjeldnere, men gjentatte forsøk lyktes fortsatt mot en betydelig minoritet av målene.

Carbon oppnådde også en angrepssuksessrate på 0 % i Gray Swans eksterne referansetest for indirekte promptinjeksjon, men sikkerhetsrapporten sier at slike angrep fortsatt er mulige. At ingen angrep lyktes i referansetesten, viser derfor ikke at agenter som behandler innhold de ikke kan stole på, er immune.

Den bredere lanseringen gjør Carbon til et betalingsalternativ for mer inngående resonnering og koordinert agentarbeid, mens Fairwind opprettholder en egen adgangsbegrensning for spesialiserte cyberfunksjoner. Det sentrale spørsmålet er om kvalitetsforbedringene forsvarer den økte tokenbruken og forsinkelsen, og om de dokumenterte sikkerhetstiltakene fortsatt er effektive når en langt større brukergruppe prøver ut disse agentarbeidsflytene.