幸いなことに、本日の発表に先駆けてOpus 5.5 に関するポッドキャスト番組を公開し、その中で同モデルを「世界最強のモデル」と評することができました。
さらに嬉しい驚きとして、GeminiからCarbonが発表されました。これは登場からわずか3週間のArgonを凌駕する先進的なフロンティアモデル(frontier model)であり、極めて優れたベンチマークスコアを叩き出しています。

これにより、Artificial Analysisの総合ベンチマークランキングで堂々の1位を獲得しました。GDM(Google DeepMind)がAAIIの歴史上初めて首位に立った瞬間かもしれません。
AI Twitter まとめ
Gemini 4 Carbonが独立ベンチマークで首位を獲得、アクセス権は現在サイバーセキュリティ防衛担当者限定
-
リリース(Launch):Google DeepMindがArgonのリリースから2週間でGemini 4 Carbonを発表。サイバーセキュリティおよび長期スパンのタスク(long-horizon tasks)において業界最高水準(SOTA)を達成するモデルと位置づけられています(@sundarpichai、@GoogleDeepMind)。
- 公式発表のサイバーセキュリティテスト結果:脆弱性検出ベンチマーク「SEC-bench Pro」で88.2%、エクスプロイト「ExploitGym」で54.8%、セキュリティパッチ修正「CWE-bench」で71.0%を記録(@sundarpichai)。
- 提供状況(Availability):Carbonはまず「Fairwindプログラム」を通じて信頼されたセキュリティ防衛担当者向けに公開され、より広範な開発者へのアクセス権も「近日中」に提供される予定です(@GoogleAI)。
- 料金(Pricing):Phil Schmid氏が言及した価格は、入力/出力100万トークンあたり$2/$10(諸条件あり)(@_philschmid)。Artificial Analysisが提示する標準価格は$4/$20で、期限未定の50%ローンチ割引が適用されます。コンテキストキャッシュ入力(Cached input)は100万トークンあたり$0.20(@ArtificialAnlys)。
- スペック(Specs):1Mトークンのコンテキストウィンドウと最大1Mトークンの出力長を備えています。入力はテキスト、画像、動画、音声に対応し、出力はテキストのみとなります(@ValsAI)。
-
安全性指標(Google公式データ):Terminal-Bench 4.0における不正成功率は0.0%、不正試行率は0.4%に低下。根拠のない主張(unsupported claims)はArgonと比較して約2分の1に減少。過剰実行(overreach)は26%減、過小対応(under-service)は29%減少しました(@OfficialLoganK)。
-
Artificial Analysisによる評価:Carbonは59スコアを獲得し、Intelligence Index v5で首位に立ちました。同インデックスに含まれる9つの評価項目のうち、HLE-Diamond、TB-Science、AA-Omniscience、AutomationBenchの4項目で1位を獲得しています(@ArtificialAnlys)。
- コーディング性能(Coding):Coding Agent Indexにおいて、CarbonとAntigravity CLIの組み合わせはスコア59、Claude CodeとOpus 5.5 [max]の組み合わせはスコア62でした。FrontierCode v1.1ではCarbonが51%、Opusが56%を記録しています。
- ナレッジワーク(Knowledge work):CarbonはAA-BriefcaseでArgonから126ポイント向上し、Eloレート1609を記録。ただし、Grok 4.7、Muse Wonder、Kimi K3.1 Pro(1678)には依然として及んでいません。
- コスト(Cost):ベンチマークタスクあたりのCarbonのコストは$7.76であり、Opus 5.5の$10.04、GPT-6 Astraの$6.25と比較されます。タスクあたりの平均出力トークン数は123kで、Opusより29%削減されています。
- ハルシネーション率(Hallucination):CarbonはOmniscienceテストで54スコアを獲得してトップを記録。ハルシネーション率はArgonの4%から11%へと上昇したものの、測定対象モデルの中では依然として2番目に低い水準です。Opus 5.5およびAstraのハルシネーション率はいずれも50%でした。
-
その他の独立評価:
- Arena:CarbonはText Arenaで第1位(スコア1528)、Agent Arenaで第2位(タスクコスト中央値$1.80)、Code Arena: WebDevで第4位(スコア1768)にランクイン(@arena)。ArenaはArgonからの進歩要因として、高評価の増加、実行成功の確認件数の増加、そして優れた誘導可能性(steerability)を挙げています(@arena)。
- Vals:CarbonはVals Indexで第2位、Finance IndexおよびLegal Research Benchmarkで第1位を獲得。出力トークン数はArgonより64%多く生成されており、主に金融、税務、法務タスクでその傾向が見られます(@ValsAI、@ValsAI)。