Carbon nadväzuje na Gemini 4 Argon. Podľa Googlu má zvládať zložité inžinierske úlohy pozostávajúce z mnohých krokov; interné tímy ho údajne nechali pracovať aj niekoľko dní pri hľadaní príčin chýb a ich opravovaní. Ide o agentové pracovné postupy: model prostredníctvom pridelených nástrojov skúma projekt, vykonáva kroky a vyhodnocuje výsledky. Takéto tvrdenie však neznamená, že dokáže bez dohľadu spoľahlivo vyriešiť ľubovoľný softvérový projekt. Reuters potvrdzuje oznámenie modelu aj jeho orientáciu na programovanie a bezpečnosť.
Najprv ho dostanú preverení partneri. Google oznámil postupné sprístupňovanie vybraným obrancom počítačových systémov a ďalším organizáciám prostredníctvom programu Fairwind. Program uprednostňuje napríklad verejné inštitúcie, prevádzkovateľov kritickej infraštruktúry a významné technologické platformy. Uchádzačov preveruje a povoľuje obranné či výskumné použitie. Konkrétny dátum všeobecného sprístupnenia Carbonu vývojárom, firmám a spotrebiteľom Google neuviedol. K 29. októbru ho verejný zoznam modelov Gemini API ešte neobsahoval.
Nezávislá platforma Artificial Analysis zaraďuje Carbon v nastavení High na prvé miesto svojho Intelligence Indexu v5.0 so skóre 59. Ide o zložené hodnotenie deviatich testov, nie o percentuálnu úspešnosť vo všetkých úlohách. Platforma pri modeli uvádza vstup v podobe textu, obrázkov, zvuku a videa, textový výstup a kontextové okno milión tokenov. Tento technický údaj pochádza z Artificial Analysis; nemožno ho automaticky zamieňať za konečné limity pripravovaného verejného API. Počet parametrov Google nezverejnil a podľa Artificial Analysis ide o proprietárny model bez verejne dostupných váh.
Výsledky publikované DeepMind ukazujú posun oproti Argonu vo viacerých oblastiach. V Terminal-Bench 4.0 dosiahol Carbon 65,2 percenta oproti 57,1 percenta, vo FrontierSWE 2 hodnotu 61,2 oproti 55 percentám. V teste ovládania počítača Agents’ Last Exam v1.1 uvádza Google 77,4 percenta a v offline časti OSWorld-2.1 81,5 percenta. Carbon však nevyhráva každý test: v publikovanom porovnaní má vo FrontierSWE 2 vyššie skóre GPT-6 Astra a v OSWorld-2.1 Claude Opus 5.5. Ďalšie výsledky zahŕňajú 53,9 percenta v AutomationBench, 72,5 percenta v Chartography, 58,6 percenta v Blueprint-Bench 2 a 80 percent v RiemannBench. Každý z týchto testov používa vlastnú metriku, preto sa skóre medzi nimi nedajú priamo porovnávať.
Hlavným motívom oznámenia je kybernetická bezpečnosť. Google uvádza 88,2 percenta v SEC-bench Pro, 54,8 percenta v ExploitGym a 71 percent v CWE-bench. Pri kybernetických výsledkoch výslovne upozorňuje na hodnotenie bez ochranných obmedzení. Metodika navyše spresňuje rozsah: SEC-bench Pro používal súbor 183 úloh týkajúcich sa javascriptových enginov a overoval vytvorenie ukážky zneužitia chyby. ExploitGym prebiehal bez prístupu na internet, s jedným pokusom na úlohu; metodika opisuje šesťhodinový aj predĺžený desaťhodinový limit. Výsledok preto nemožno čítať ako schopnosť prelomiť rovnaké percento ľubovoľných internetových systémov.
Skóre 71 percent v CWE-bench potvrdzuje priamo rebríček organizátora Collinear AI. Benchmark obsahuje 120 úloh zo skutočných otvorených projektov v jazykoch vrátane C/C++, Go, Java, JavaScript, TypeScript, Python a Rust. Agent má preskúmať kód a opraviť zraniteľnosti bez toho, aby vopred dostal ich zoznam. Hodnotenie preveruje zablokovanie zneužitia aj zachovanie existujúcej funkčnosti. Carbon dosiahol 71 percent v metrike pass@1, teda pri hodnotení jednotlivého pokusu. Ide o výsledok modelu v konkrétnom agentovom prostredí Antigravity, nie o záruku bezchybnej bezpečnostnej kontroly.
Google hlási aj lepšie správanie: približne polovičný počet nepodložených tvrdení oproti Argonu, takmer 80-percentný pokles závažných interných upozornení na odchýlenie od požadovaného správania a menej prekračovania zadania. V Terminal-Bench 4.0 uvádza nulovú úspešnosť podvádzania pri 0,4 percenta pokusov a v teste Gray Swan nulovú úspešnosť nepriamych promptových útokov. Takýto útok podsúva modelu škodlivé pokyny cez obsah, ktorý spracúva. Nulový výsledok v konkrétnom teste nepreukazuje úplnú odolnosť vo všetkých situáciách. Google zároveň uvádza viac než dvojnásobnú úspešnosť tvorby bezpečného kódu oproti Argonu v interných testoch; toto meranie treba pripisovať výrobcovi.
Oznámená úvodná cena je dva americké doláre za milión vstupných tokenov a desať dolárov za milión výstupných tokenov. Opätovne využité vstupy z vyrovnávacej pamäte majú byť o 95 percent lacnejšie. Po úvodnom období sa sadzby zvýšia na štyri a dvadsať dolárov; dátum zmeny Google neuviedol. Token je jednotka spracúvaného obsahu, nie nevyhnutne celé slovo. Artificial Analysis upozorňuje aj na vysokú spotrebu: pri hodnotení indexu Carbon vygeneroval 200 miliónov výstupných tokenov oproti mediánu 64 miliónov v porovnávanej skupine. Cena za token preto sama nevystihuje cenu dokončenej úlohy.
Pre praktické nasadenie zostávajú otvorené dôležité otázky. Verejná dokumentácia zatiaľ neposkytuje samostatný identifikátor Carbonu pre API ani konečné limity jeho verejnej prevádzky. Oznámenie neuvádza dátum dostupnosti na Slovensku, zaradenie do konkrétnych spotrebiteľských predplatných ani osobitné výsledky pre slovenčinu. Zverejnené merania ukazujú silný model pre technické úlohy, no bežní používatelia ešte nemajú potvrdenú možnosť nasadiť ho do svojich projektov.