Gemini 4 Carbon primo su LM Arena: Google accelera nella cyber difesa

🛡️ Executive Summary

• Google presenta Gemini 4 Carbon, nuovo modello di frontiera che raggiunge il primo posto nella classifica generale Text Arena con un punteggio preliminare di 1.528.
• Carbon ottiene l’88,2% su SEC-bench Pro, il 54,8% su ExploitGym e il 71% su CWE-bench, con miglioramenti nella ricerca, verifica e correzione delle vulnerabilità.
• Il rilascio parte da un gruppo ristretto di difensori informatici attraverso Fairwind Program. L’accesso generale per sviluppatori, aziende e consumatori non è ancora disponibile.

Google DeepMind presenta Gemini 4 Carbon, il suo nuovo modello di intelligenza artificiale progettato per cybersecurity, sviluppo software e attività agentiche complesse, appena due settimane dopo il debutto di Gemini 4 Argon. Il modello conquista il primo posto nella classifica generale Text Arena di LM Arena, raggiunge risultati elevati nei benchmark dedicati allo sfruttamento e alla correzione delle vulnerabilità e introduce miglioramenti nella capacità di lavorare autonomamente su progetti software di lunga durata. L’annuncio segna un’accelerazione nella competizione tra laboratori AI per il settore della sicurezza informatica, ma Google sceglie una distribuzione iniziale controllata: Carbon sarà accessibile soltanto a un gruppo selezionato di difensori cyber, prima dell’apertura alle imprese e al mercato consumer.

Gemini 4 Carbon supera Argon e conquista il primo posto su Text Arena

Nel comunicato ufficiale del 28 ottobre 2026, Google definisce Gemini 4 Carbon il proprio modello più avanzato, presentando risultati che riguardano ragionamento, sviluppo software, cybersecurity e operazioni agentiche di lunga durata. Carbon raggiunge il primo posto nell’Artificial Analysis Intelligence Index 5.0, con un punteggio di 59, mentre nella classifica generale Text Arena di LM Arena la variante Carbon High ottiene 1.528 punti, precedendo Gemini 4 Argon High, fermo a 1.520, e Claude Opus 5.5 High a 1.509. Il risultato di Carbon è indicato come preliminare, sulla base di 4.403 valutazioni disponibili nella classifica consultata, e non deve essere confuso con un primato consolidato in ogni categoria di test.

Il lancio introduce un cambiamento rispetto ai precedenti confronti sui benchmark di Gemini 4 Argon, Claude e GPT-6, perché Google concentra l’attenzione sulla capacità di completare attività articolate anziché limitarsi alle prestazioni nella generazione di testo. Sul benchmark WebDev Arena, Carbon guadagna 89 punti Elo rispetto al riferimento precedente e raggiunge la quarta posizione, con un punteggio dichiarato di circa 1.768. Il dato conferma un miglioramento nello sviluppo web full-stack, senza implicare che il modello sia primo anche nella realizzazione di interfacce o applicazioni.

Google dichiara inoltre che, nei propri ambienti interni, Carbon riesce a lavorare per giorni su problemi ingegneristici complessi, seguendo più tentativi, analizzando grandi codebase e affrontando errori che richiedono interventi coordinati tra componenti differenti. Queste capacità rappresentano l’obiettivo più ambizioso dell’aggiornamento: trasformare il modello da assistente alla programmazione a sistema capace di mantenere un’attività tecnica prolungata, pur richiedendo supervisione e verifiche sui risultati prodotti.

Leggi anche: Gemini 4 Argon arriva con 1 milione di token in output e coding al 77,9%

Google porta Carbon all’88,2% nella ricerca delle vulnerabilità

Il settore nel quale Carbon registra i risultati più significativi è la sicurezza informatica. Google pubblica tre misurazioni che corrispondono ad altrettante fasi del processo di gestione delle vulnerabilità: individuazione dei difetti, verifica della loro sfruttabilità e correzione delle cause. Su SEC-bench Pro, dedicato alla ricerca di vulnerabilità nel software, Carbon raggiunge l’88,2%. Su ExploitGym, utilizzato per valutare la capacità di verificare concretamente lo sfruttamento di una vulnerabilità, ottiene il 54,8%, mentre su CWE-bench arriva al 71%, misurando la capacità di produrre correzioni funzionanti per le debolezze individuate.

Le valutazioni esterne sono state effettuate senza i normali meccanismi di protezione del modello, un dettaglio essenziale per interpretare correttamente le capacità misurate. Google segnala inoltre che Carbon ha più che raddoppiato, rispetto ad Argon, il tasso di successo nella produzione di codice sicuro nei test interni. Il team di Chrome avrebbe osservato prestazioni superiori di oltre dieci volte rispetto a un modello di frontiera concorrente nella generazione di patch di qualità, ma senza identificare pubblicamente il modello di confronto. Si tratta quindi di un risultato dichiarato da Google, non di una comparazione indipendente completamente riproducibile.

L’evoluzione conferma l’importanza crescente degli agenti AI nel lavoro dei team di sicurezza, già evidenziata dalle sperimentazioni di Anthropic per verificare autonomamente le vulnerabilità. L’utilità operativa non risiede soltanto nell’individuare un possibile bug, ma nel distinguere i problemi effettivamente sfruttabili da quelli meno urgenti e nel proporre correzioni verificabili. La stessa capacità di validare vulnerabilità può però essere utilizzata anche in contesti offensivi, motivo per cui il rilascio controllato assume un significato preciso.

Fairwind Program limita l’accesso ai difensori e rafforza i controlli

Google ha deciso di distribuire inizialmente Gemini 4 Carbon attraverso il Fairwind Program, riservando l’accesso a una selezione di professionisti e organizzazioni impegnati nella difesa informatica. L’azienda afferma di partecipare anche al processo volontario statunitense di valutazione dei modelli prima della pubblicazione, con l’obiettivo di analizzare le capacità più sensibili e verificare l’efficacia delle protezioni. L’apertura progressiva a ulteriori partner precederà la disponibilità per sviluppatori, aziende e consumatori, per la quale non è stata comunicata una data definitiva.

La ricerca sulla sicurezza del modello comprende anche verifiche relative al comportamento in ambienti agentici. Secondo Google, Carbon riduce allo 0,0% il successo dei tentativi di aggiramento nel benchmark Terminal-Bench 4.0, mentre gli episodi di tentato aggiramento scendono allo 0,4%. Nei test interni, gli avvisi di disallineamento classificati come gravi diminuiscono di quasi l’80% e le affermazioni non supportate risultano circa dimezzate rispetto ad Argon. Sulla valutazione Gray Swan Indirect Prompt Injection, Carbon registra uno 0% di successo degli attacchi esaminati, contro lo 0,7% attribuito al predecessore. Questi valori misurano le prestazioni negli specifici ambienti di prova e non dimostrano l’impossibilità di compromettere il modello con tecniche differenti.

La distribuzione controllata segue una strategia già osservata nell’apertura di Gemini 4 Argon alle aziende e alle API dopo la fase iniziale dedicata alla cybersecurity. Il cambiamento più importante riguarda però la rapidità del ciclo di sviluppo: Google introduce un nuovo modello di frontiera a distanza di due settimane dal precedente, concentrando gli investimenti su capacità che possono avere conseguenze dirette nell’individuazione di zero-day e nella protezione di grandi infrastrutture.

Coding agentico e difesa cyber diventano il terreno di confronto dei modelli AI

Gemini 4 Carbon rappresenta un’evoluzione importante della competizione tra laboratori AI, ma i benchmark devono essere letti distinguendo risultati misurati, dichiarazioni interne e prestazioni effettive in produzione. Il primo posto su Text Arena non equivale alla leadership universale, così come un’elevata percentuale nella ricerca di vulnerabilità non garantisce automaticamente l’affidabilità delle patch generate in ambienti critici. Il vero valore industriale emergerà dalla capacità degli operatori di integrare Carbon in pipeline di sviluppo e sicurezza che prevedano revisione del codice, test, gestione dei privilegi e controllo delle operazioni eseguite. Per il mercato italiano, il modello potrebbe interessare soprattutto aziende di cybersecurity, software house e organizzazioni che gestiscono infrastrutture complesse, ma non esiste ancora una disponibilità generalizzata delle API né una data certa di accesso nazionale. L’elemento centrale dell’annuncio è quindi la progressiva convergenza fra sviluppo software e difesa informatica: un modello capace di analizzare una codebase, individuare una vulnerabilità, verificarla e proporre una correzione interviene su un processo che fino a oggi richiedeva l’integrazione di più strumenti specializzati. La sfida sarà rendere questa automazione verificabile, controllabile e utilizzabile senza trasferire agli agenti privilegi operativi superiori a quelli strettamente necessari.