Googleは米国時間2026年10月28日、新しいAIモデル「Gemini 4 Carbon」を発表しました。ソフトウェアの弱点を見つけ、危険性を検証し、修正する能力を強化したとしています。［1］
まずは一部のサイバー防御担当者に提供し、その後、利用対象を広げる計画です。10月29日時点で、一般向けの具体的な提供日は示されていません。モデルの発表と、誰でも利用できるようになる時期は分けて考える必要があります。
性能がどれだけ高いかに加え、前モデルから何が改善したのか、安全対策が設けられた利用環境でも同じ結果が得られるのかも気になるところです。公式資料と第三者評価を比較し、料金や保守の負担も検討します。
情報確認日：2026年10月29日。発表日は米国時間です。本文の試算は、一定の条件を置いた独自計算であり、実測結果ではありません。
誰が使える？一般向けの提供日はまだ未定
現時点では、一般向けの提供日や対象プランが分からないため、それらを前提に導入計画を立てるのは難しい状況です。Googleは「Fairwind Program」を通じ、信頼できる協力先へ段階的に提供を広げるとしています。また、米政府が公開前のモデルを評価する自主的なプロセスにも参加しています。［1］
| 対象 | 発表時点で分かっていること |
|---|---|
| 一部のサイバー防御担当者 | 発表の週から提供する方針 |
| 追加の協力先 | Fairwind Programを通じて段階的に拡大 |
| 一般の開発者・企業・消費者 | 今後提供予定。具体的な開始日は未公表 |
| 日本での対象プランや利用条件 | 今回の発表では個別に示されていない |
Fairwind Programは、申請すれば自動的に利用できる制度ではありません。公式案内では、政府、重要インフラの運営者、基盤技術を提供する企業などを優先し、組織の実績を審査すると説明しています。［2］
Argonとの比較——最も伸びたのは危険性を検証する能力
サイバー関連の3つの評価では、脆弱性を実際に悪用できるか検証する「ExploitGym」で、最も大きな改善が見られました。脆弱性とは、不正アクセスなどにつながるソフトウェアの弱点です。修正の優先順位を決めるには、弱点を見つけたうえで、その危険性を確かめる必要があります。
| 評価と主な対象 | Gemini 4 Argon | Gemini 4 Carbon | 差 | 相対的な伸び |
|---|---|---|---|---|
| SEC-bench Pro：脆弱性の発見 | 83.4％ | 88.2％ | ＋4.8ポイント | 約5.8％ |
| ExploitGym：悪用可能性の検証 | 42.0％ | 54.8％ | ＋12.8ポイント | 約30.5％ |
| CWE-bench：脆弱性の修正 | 68.0％ | 71.0％ | ＋3.0ポイント | 約4.4％ |
スコアの出典：Google DeepMindのモデル比較表。差と相対的な伸びは本記事で計算しました。相対的な伸び＝（Carbon÷Argon－1）×100。小数第1位に丸めています。［3］
例えば、ExploitGymの変化は「12.8％向上」ではなく、「12.8ポイント上昇」と表します。元の42.0％を基準にすると、伸びは約30.5％です。割合どうしの差と、元の値に対する伸び率は意味が異なります。
ただし、3つはそれぞれ別のテストです。88.2％と71.0％を掛けて「発見から修正までの成功率」を求めることはできません。同じ問題を順番に処理した結果ではなく、実際のシステムに潜む弱点の88.2％を発見できるという意味でもありません。
Googleは主要なサイバー評価について、悪用を防ぐための安全制限を外して測定したと明記しています。公表されたベンチマークの数値が高くても、一般向けサービスで同じ作業が認められ、同じ成績を得られるとは限りません。［1］
競合比較——総合首位でも、すべての作業で最良とは限らない
Carbonは総合評価で首位ですが、第三者評価のコード作業ではClaude Opus 5.5を下回っています。評価会社Artificial Analysisは、総合指標「Intelligence Index v5」でCarbonを59点と報告しました。この指標を構成する9つの評価のうち、Carbonが首位だったのは4つです。［4］
| Artificial Analysisの評価 | Gemini 4 Carbon | Claude Opus 5.5 | 読み取れること |
|---|---|---|---|
| Intelligence Index v5 | 59点 | 58点 | 総合ではCarbonが1点上 |
| Coding Agent Index | 59点 | 62点 | コード作業ではOpusが3点上 |
出典：Artificial AnalysisのCarbon評価記事とGoogle DeepMindの比較表。Carbonはhigh、Opusはmaxの設定です。Coding Agent Indexでは、それぞれAntigravity CLIとClaude Codeを使用しています。2つの指標は尺度が異なるため、指標をまたいで点数を比較することはできません。［4］［3］
この比較結果には、モデルの能力に加え、AIが使う開発ツールや設定も影響しています。自社のコードに使うモデルを選ぶなら、同じ課題を与え、修正の正しさ、所要時間、確認の手間まで比べると判断しやすくなります。
回答の正確さにも注意が必要です。Artificial Analysisの知識評価「AA-Omniscience v1.1」では、ArgonからCarbonになって正答率が48％から58％へ上昇しました。一方、同評価で定義されているハルシネーション率は、4％から11％へ上がっています。［4］
これは「Carbonの全回答の11％が誤り」という意味ではありません。あくまで特定のテストで使われる指標です。それでも、総合性能が向上したからといって、出典の確認や修正案の検証を省けるわけではありません。
料金を独自試算——入力の90％をキャッシュしても、総額が90％減るわけではない
同じコードを繰り返し読み込む費用は抑えられますが、出力が多い作業では、キャッシュによる総額の削減効果は小さくなります。キャッシュは、再利用できる入力の処理料金を安くする仕組みです。Googleが示した単価は次のとおりです。［1］
| 100万トークン当たり | 導入価格 | 導入期間終了後 |
|---|---|---|
| 通常の入力 | 2ドル | 4ドル |
| キャッシュ対象の入力 | 0.10ドル | 0.20ドル |
| 出力 | 10ドル | 20ドル |
キャッシュ入力は通常入力の95％引きとして計算。トークンはAIが文章などを処理する際の単位で、日本語の文字数とは一致しません。導入価格の終了日は、今回確認した発表では示されていません。
以下は、作業全体の入力を累計100万トークンとした試算です。入力の90％にキャッシュ割引が適用される場合と、すべて通常料金になる場合を比較します。
| 出力の累計 | 入力キャッシュなし | 入力90％をキャッシュ | 総額の削減率 |
|---|---|---|---|
| 10万トークン | 3.00ドル | 1.29ドル | 57.0％ |
| 100万トークン | 12.00ドル | 10.29ドル | 約14.3％ |
導入価格での独自試算です。計算式は「通常入力数÷100万×2ドル＋キャッシュ入力数÷100万×0.10ドル＋出力数÷100万×10ドル」。税、キャッシュ保存料、ツール利用料、検査用サーバーの費用などは含みません。出力数は、課金対象の推論に使われる分を含めた合計と仮定しています。1回の応答で出力できる長さを示すものではありません。
出力が100万トークンの場合、入力の90％に割引を適用できても、総額の削減率は約14.3％にとどまります。導入期間が終わると、表に示した総額はそれぞれ2倍になります。同じ入力を繰り返し使う場合も、長い調査や試行錯誤にかかる費用は別途見積もる必要があります。
限定提供の過去事例——Argonは13日後に一般提供へ
前モデルでも限定提供から対象を広げていますが、その日数をCarbonの提供時期の予測には使えません。GoogleはArgonを9月30日に発表し、まずサイバー防御の協力先に提供しました。その後、10月13日に開発者や企業、消費者向けの提供を発表しています。2つの発表日の間隔は13日です。［5］［6］
Carbonも同じ日数で公開されるとは限りません。Argonの事例から分かるのは、段階的な提供が実際に行われたということです。Carbonの一般向け提供日や対象プランは、今後の追加発表で確認する必要があります。
競合も、利用対象を確認する仕組みを採り入れています。Anthropicは10月6日、セキュリティ専門家向けの「Cyber Verification Program」を拡大しました。アクセスを3段階に分け、作業内容に応じてサイバー関連の制限を調整する制度です。［7］
両社の対象や制限は同じではありません。ただし、モデルの能力とともに「誰が、どの条件で使えるか」が製品選びに関わる点は共通しています。高度な防御作業を予定する組織は、性能表と利用条件を併せて確認しておきたいところです。
独自分析——発見が増えても、修正が追いつくとは限らない
防御の成果を測るには、発見数に加え、修正待ちの件数と解消までの日数を確認する必要があります。以下はCarbonの実測結果ではなく、保守体制を考えるために条件を置いた例です。AIから届いた報告を整理し、対応が必要だと確認できた問題を数えるものとします。
| 仮定した状態 | 新たに対応が必要になる件数 | 検証・配布まで完了できる件数 | 30日後の修正待ち件数の増加 |
|---|---|---|---|
| 発見と対応が釣り合う | 1日10件 | 1日10件 | 0件 |
| 発見の増加に対応が追いつかない | 1日30件 | 1日20件 | 300件 |
本記事で条件を置いて行った独自計算です。開始時の修正待ちは0件で、毎日同じ件数が発生するとします。増加分＝（新規件数－完了件数）×30日。重複や誤検知は除外済みと仮定し、問題ごとの作業量の違いは考慮していません。
この例では、対応を完了できる件数も増えています。それでも、新たに見つかる問題の件数が上回ると、修正待ちは増え続けます。AIが修正コードを作成できても、動作確認や利用者への配布が終わるまで、実際の環境には弱点が残ります。
そこで、導入効果を確認するための指標として、次の3つを提案します。Googleの公式基準ではなく、運用状況を判断するための本記事の評価案です。
| 確認する指標 | 記録する内容 | 分かること |
|---|---|---|
| 報告の有効率 | 確認済みの問題数÷確認した報告数 | 確認にかかる人の手間に見合う報告が得られているか |
| 修正の完了率 | 期限内に検証・配布を終えた件数÷同じ期間に受け付けた対象件数 | 見つけた問題を実際に減らせているか |
| 完了1件当たりの費用 | API・検査環境・人による確認の費用合計÷完了件数 | 生成料金の安さが、保守全体の費用削減につながっているか |
修正の完了率を比べるときは、例えば「10月に受け付けた問題を、受付から30日以内に直せたか」のように、対象と期限をそろえます。緊急性の高い問題は別に集計し、平均値だけを見て対応の遅れを見落とさないようにします。
読者への影響——開発者は評価の準備を、サイト運営者は更新の継続を
Carbonはサイバー防御に役立つ可能性がありますが、使い始めるだけでシステムが安全になるわけではありません。開発者は、一般提供後に試す課題と、合格と判断する条件を先に用意しておくとよいでしょう。例えば、過去に修正した問題を使い、原因を正しく説明できるか、適切に修正できるか、既存機能に影響が出ないかを確かめる方法が考えられます。
WordPressなどでサイトを運営している場合は、AIが示した修正案と、提供元が配布する正式な更新を区別する必要があります。まずは契約先やソフトウェア提供元の告知を確認し、修正済みの環境を維持してください。対応を進めるうえで、新しいAIの一般提供を待つ必要はありません。
今回の発表で確認できるのは、サイバー関連の評価が改善したことと、限定提供から対象を広げる方針です。導入を判断する際は、利用できる範囲、検証を含めた総費用、修正を利用者に届けるまでの運用を確認する必要があります。
関連ページ
実際の保守対応や、AIから報告を受け取った後に必要な作業は、次の記事でも整理しています。
- PHPに重大な脆弱性2件、修正版を公開——WordPress運営者が確認すべきこと
- Anthropic、OSSの脆弱性スキャンを無料提供——人間の確認を省く仕組みは保守を助けるか
- Google DeepMind：Fairwind Programの対象と申請案内
出典・参考資料
発表内容は公式資料で、第三者評価は評価会社の原文で確認しています。改善率、料金の利用例、修正待ち件数の試算、運用指標の提案は、本記事独自の計算・分析です。
- Google：Gemini 4 Carbon: our next frontier model（2026年10月28日）
- Google DeepMind：Fairwind Program
- Google DeepMind：Geminiのモデル比較表
- Artificial Analysis：Gemini 4 Carbon is the new #1 on the Artificial Analysis Intelligence Index v5（2026年10月28日）
- Google：Gemini 4 Argon: our next era of frontier intelligence（2026年9月30日）
- Google：Gemini 4 Argon: Built to solve your hardest problems（2026年10月13日）
- Anthropic：Expanding the Cyber Verification Program（2026年10月6日）
コメントを送信