Naar de inhoud
NLEN
Illustratie: Gemini 4 Carbon: Googles nieuwe frontiermodel voor cyber en agents

Gemini 4 Carbon: Googles nieuwe frontiermodel voor cyber en agents

Door Ivo Donker · — samengesteld met AI-ondersteuning (DeepSeek V4.1 Flash)

Google DeepMind heeft op 28 oktober 2026 Gemini 4 Carbon aangekondigd. In de blog van Koray Kavukcuoglu, SVP Google DeepMind en Chief AI Architect bij Google, wordt Carbon "our next frontier model" genoemd en "our strongest model with state-of-the-art cybersecurity and long horizon capabilities". Carbon bouwt voort op Gemini 4 Argon, dat twee weken eerder verscheen. Op X omschrijft Google DeepMind het model eveneens als een next frontier model, state-of-the-art op het gebied van cybersecurity en langlopende taken. Google AI voegt daar op X aan toe dat het om het sterkste model gaat, dat het via het Fairwind-programma wordt uitgerold en dat de toegang "zo snel mogelijk" wordt verbreed.

Belangrijk om direct scherp te hebben: Carbon is nog niet breed beschikbaar. Google start deze week met een subset van cyberverdedigers en breidt de toegang geleidelijk uit naar extra vertrouwde partners via het Fairwind-programma. Toegang voor ontwikkelaars, bedrijven en consumenten via productoppervlakken komt "zo snel mogelijk", nadat feedback is opgehaald en er is geïtereerd op guardrails. Plan je een integratie, dan is het verstandig om je voorbereiding daarop te richten en niet op een API-sleutel die er vandaag al is. Wie de bredere markt aan het vergelijken is, kan ondertussen zijn keuzes baseren op bestaande modellen en op kaders zoals modellen kiezen voor cyberbeveiliging en code-audits, waarin je afweegt welk model je voor welk controlewerk inzet.

Wat Google aankondigt

De aankondiging positioneert Carbon op twee assen: cybersecurity en langlopende, agentische taken. Dat is geen losse marketingregel: Google DeepMind noemt het model in de blog "our next frontier model" en tegelijk "our strongest model with state-of-the-art cybersecurity and long horizon capabilities". Daarmee zegt Google in feite dat dezelfde generatie die het algemene kwaliteitsniveau opvoert, ook de generatie is die cyberwerk en meerstaps-agenttaken moet dragen.

Carbon is niet het eerste model in deze reeks. Gemini 4 Argon verscheen twee weken eerder en Carbon bouwt daarop voort. Voor ontwikkelaars betekent dat vooral iets over de vorm van de upgrade: het is een stap binnen dezelfde familie, niet een volledig nieuw vertrekpunt. In de praktijk betekent dat vaak dat evaluaties, prompts en tooling die je al rond Argon had opgebouwd, relevant blijven als uitgangspunt voor het vergelijken van gedrag. Hoe Google die opvolging ook aankondigt, de harde vraag voor je eigen stack blijft dezelfde: welke taken mag een model zelfstandig afmaken, en waar wil je menselijke controle houden? Achtergrond daarover staat in AI en cybersecurity, dat ingaat op de bredere discussie over wat je wel en niet automatiseert in beveiligingswerk.

Ranglijsten: Artificial Analysis en WebDev Arena

Carbon staat volgens de Google-blog en volgens Artificial Analysis zelf op plek 1 in v5.0 van de Artificial Analysis Intelligence Index, met een score van 59. Op een andere index van Artificial Analysis, de Coding Agent Index, staat Carbon op plek 2, achter Claude Opus 5.5: Artificial Analysis noteert 62 voor Opus 5.5 tegen ongeveer 59 voor Carbon. Dat onderscheid is belangrijk. Een hoge positie op een algemene intelligentie-index zegt niet automatisch dat een model overal de sterkste codeermachine is; op de coding-agent-index van Artificial Analysis ligt de nummer één bij een ander model.

In de vergelijkingstabel van DeepMind laat Google zelf zien hoe de familie en de concurrentie zich tot elkaar verhouden: Gemini 4 Argon scoorde daar 50 en Claude Opus 5.5 scoorde 58 op de AA Intelligence Index v5. Google publiceert die cijfers naast zijn eigen model, wat bruikbaar is als je wilt zien hoe groot de sprong van Argon naar Carbon is — de 59 van Carbon ligt een stuk hoger dan de 50 van Argon, en net boven de 58 die in diezelfde tabel voor Opus 5.5 staat. Dit zijn cijfers uit de indexen van Artificial Analysis, niet uit je eigen workload.

Voor front-end- en webwerk noemt Google WebDev Arena: Carbon wint daar 89 elo-punten en komt uit op plek 4 met 1768. Ook dat is een ranglijstsignaal, geen garantie voor jouw componentbibliotheek of jouw browserdoelen. De praktische les uit deze cijfers is dat een model niet één eigenschap heeft, maar een profiel. Wil je dat profiel afzetten tegen wat je ervoor betaalt, dan is kwaliteit versus kosten een bruikbare invalshoek om te bepalen welk model je waar inzet en welk model je alleen voor de zwaarste taken reserveert.

Cyberbenchmarks zonder guardrails

De cybercijfers die in de aankondiging staan, zijn geëvalueerd zonder guardrails en zijn door de leverancier gerapporteerd. Dat is geen detail: guardrails zijn juist de laag die in de praktijk bepaalt wat een model weigert of afzwakt, en een benchmark zonder die laag meet het ruwe vermogen, niet het gedrag dat je in productie ziet. Zet deze cijfers dus naast je eigen acceptatiecriteria in plaats van erboven.

Concreet noemt Google voor SEC-bench Pro een score van 88,2% op het vinden van kwetsbaarheden, wat als state of the art wordt gepresenteerd. Voor ExploitGym staat er 54,8% op exploitatie, eveneens aangeduid als nieuwe state of the art. Voor Collinear's CWE-bench staat 71,0% op patchen bij de root cause. Die drie meten verschillende dingen: vinden, uitbuiten en structureel repareren. Voor een securityteam is vooral die laatste relevant, omdat patchen op de oorzaak betekent dat je dezelfde klasse fout niet bij de volgende release opnieuw tegenkomt. Bij de interpretatie daarvan helpt het om te weten hoe zulke cijfers tot stand komen en waar ze afwijken van je eigen codebase.

Google voegt daar een externe observatie aan toe: Wiz ziet Carbon aan de leiding gaan op webpenetratietests binnen het Scan for Good-initiatief. Dat is een partij die zelf met het model aan de slag is geweest, maar het blijft een observatie die in de aankondiging wordt geciteerd, niet een onafhankelijk reproduceerbare meting die je zelf kunt narekenen. Behandel cyberclaims van welke leverancier dan ook als een startpunt voor je eigen tests, en niet als vervanging daarvan.

Langlopende agenttaken

Het tweede been van de aankondiging is langlopend werk. Carbon is ontworpen voor aanhoudende agentische workflows. Intern, bij Google-teams, zag men Carbon dagenlang doorwerken aan complexe meerstaps-engineeringtaken, zoals het vinden van de oorzaak van en het patchen van subtiele bugs in grote codebases en in low-level systemen. Dat is een leveranciersclaim, geen externe meting: het gaat om wat teams binnen Google zelf hebben gezien.

Relevant voor je eigen afweging is ook de Chrome-observatie: het Chrome-team meldde dat Carbon meer dan 10x beter presteerde dan het grote frontiermodel van een ander lab bij het genereren van hoogwaardige patches. Ook dat is een interne observatie, gerapporteerd door Google, en de vergelijking gaat over één specifieke taak — patches genereren van hoge kwaliteit — niet over coderen in het algemeen. Voor wie agents bouwt, is de relevante vraag niet of een model dagen kan draaien, maar of het binnen die dagen op de juiste momenten stopt, terugkoppelt en zijn eigen werk controleert. Modellen voor dit soort rollen vergelijk je op gedrag in een lus, niet op een enkele prompt; een overzicht van waar je dan op let staat in modellen voor agents.

Praktisch betekent "dagenlang doorwerken" voor je opzet dat je nadenkt over budget en over opvang. Een agent die lang draait, verbruikt tokens lang, en de kosten van een lange run worden bepaald door het aantal stappen dat hij zelf neemt. Zet daarom een plafond op het aantal stappen en op het tokenverbruik per taak, en log wat de agent onderweg doet, zodat je achteraf kunt reconstrueren waar een run is ontspoord.

Prijs: introductietarief en daarna

De prijs start gelijk aan die van Argon: een introductietarief van $2 per miljoen inputtokens en $10 per miljoen outputtokens, waarbij gecachte inputtokens 95% korting krijgen op de inputprijs. Na de introductieperiode wordt dat $4 per miljoen inputtokens en $20 per miljoen outputtokens. Artificial Analysis rapporteert $4/$20 als standaardtarief met een korting van 50% bij de lancering — effectief $2/$10 — wat consistent is met wat Google zelf zegt.

De verhouding tussen input en output is hier het getal om te onthouden: output kost vijf keer zoveel als input in beide periodes. Voor agentisch werk, waarbij een model veel redeneerstappen en toolaanroepen produceert, tikt dat aan. Gecachte input met 95% korting is de knop die je het eerst wilt begrijpen, want een groot deel van wat je bij herhaald gebruik opnieuw aanbiedt, kan in het cachepad vallen. Wil je nagaan wat dat voor jouw verbruik betekent voordat je een begroting maakt, dan legt prijsmodellen per token uitgelegd uit hoe zulke tarieven zich opbouwen. Reken daarbij met het tarief dat na de introductieperiode geldt, niet alleen met het introductietarief, anders valt je kostenraming later hoger uit dan verwacht.

Toegang: eerst cyberverdedigers via Fairwind

Google kiest voor een gefaseerde uitrol. Het bedrijf neemt deel aan het vrijwillige proces van de Amerikaanse overheid voor het testen van modellen vóór release. Deze week gaat Carbon naar een subset van cyberverdedigers, waarna de toegang geleidelijk wordt uitgebreid naar extra vertrouwde partners via het Fairwind-programma. Toegang voor ontwikkelaars, bedrijven en consumenten via productoppervlakken volgt "zo snel mogelijk", nadat feedback is verzameld en er is geïtereerd op guardrails.

Dat betekent voor jou als bouwer dat Carbon op dit moment niet breed beschikbaar is. Je kunt er dus niet zonder meer op plannen voor een productiepad dat deze week live moet. Wat je wel kunt doen, is je voorbereiding zo inrichten dat je snel kunt schakelen zodra toegang er is: zorg dat je evaluatieset klaarstaat, dat je meet welke taken je nu uitbesteedt en tegen welke kosten, en dat je een fallback hebt voor het geval toegang later komt dan je hoopt. De gefaseerde route via vertrouwde partners is bovendien een signaal over waar Google de eerste waarde ziet: bij cyberverdedigers, niet bij consumentenproducten.

Veiligheidsclaims van Google

Carbon gebruikt volgens Google dezelfde meerlagige veiligheidsstack als Argon: modeltraining, realtime verdediging tegen misbruik, weerbaarheid tegen prompt-injectie en monitoring van de chain-of-thought. Dat zijn claims over hoe het model is gebouwd en bewaakt, en ze komen uit de aankondiging zelf.

Daar horen cijfers bij, afkomstig uit interne tests van Google. Succesvol valsspelen op Terminal-Bench 4.0 is teruggebracht tot 0,0%, met 0,4% pogingen tot valsspelen. Het aantal meldingen van ernstige misalignment in interne live coding daalde met bijna 80%. Ongefundeerde claims werden ongeveer 2x teruggebracht ten opzichte van Argon. Overreach nam met 26% af en under-service met 29%. Elk van deze getallen meet een ander gedrag: valsspelen op een benchmark, alarmeringen in echt codeerwerk, het wel of niet staven van beweringen, en het wel of niet te veel of te weinig doen voor de gebruiker.

Voor prompt-injectie noemt Google een specifieke vergelijking: Argon had een aanvalssucces van 0,7% op de Indirect Prompt Injection Benchmark van Gray Swan, en Carbon komt uit op 0,0% — het weerstond elke geëvalueerde aanvalspoging. Dat is leveranciersgerapporteerd. Een uitkomst van 0,0% op een benchmark betekent niet dat injectie in jouw systeem onmogelijk is; het betekent dat het model in die specifieke evaluatie niet bezweek. De verdediging zit voor een groot deel in je eigen opzet: welke tekst mag een model als instructie opvatten, en welke altijd alleen als data. Hoe je dat aanpakt, staat in prompt injection verdedigen.

Wat dit betekent voor bouwers

De aankondiging geeft je een profiel, geen blauwdruk. Carbon wordt gepositioneerd op cybersecurity en langlopende agenttaken, met een sterke positie op de algemene index van Artificial Analysis en een tweede plek op de coding-agent-index achter Claude Opus 5.5. Als je werk vooral bestaat uit cyberanalyse, patchen en meerstaps-agenttaken, dan is dit een model om in je shortlist te zetten. Als je werk vooral bestaat uit het snel genereren van code binnen een agentische lus, dan wijst de coding-agent-index van Artificial Analysis erop dat er op dit moment een sterk alternatief is om mee te vergelijken.

De prijsstructuur vraagt om een aparte afweging. Het introductietarief van $2/$10 met 95% korting op gecachte input is gunstig voor herhaald gebruik met veel overlappende context, maar het standaardtarief van $4/$20 na de introductieperiode is wat je in een langetermijnbegroting hoort te zetten. Output is vijf keer zo duur als input, dus een agent die veel produceert, kost meer dan een agent die vooral leest en classificeert.

De uitrolroute is de derde factor. Zolang Carbon niet breed beschikbaar is en de toegang via het Fairwind-programma geleidelijk wordt gefaseerd, is het geen onderdeel dat je vandaag als enige pad in je architectuur vastlegt. Bouw je integratielaag zo dat je van model kunt wisselen zonder je hele applicatie te herzien, en houd bij welke taken echt een frontier-model nodig hebben en welke met een goedkoper model af kunnen. Dat is ook de reden om niet alleen naar de hoogste score te kijken, maar naar de score in verhouding tot wat een taak je mag kosten — precies het soort afweging dat je maakt met kwaliteit versus kosten.

Checks voor je eigen opzet

De kern van de aankondiging is een combinatie van bereik en terughoudendheid. Carbon zet volgens de gepubliceerde indexen een sterke positie neer, met een eerste plek op de Artificial Analysis Intelligence Index v5.0 en een tweede plek op de coding-agent-index achter Claude Opus 5.5, en met cyberresultaten die in de aankondiging als state of the art worden gepresenteerd op het vinden van kwetsbaarheden en op exploitatie. Tegelijk is de uitrol bewust smal: eerst een subset van cyberverdedigers, dan vertrouwde partners via Fairwind, en bredere toegang "zo snel mogelijk" daarna.

Voor jou als bouwer is dat een uitnodiging om te testen zodra dat kan, en om nu al te bepalen welke taken het waard zijn om aan een model van dit kaliber te geven. De cijfers uit de aankondiging — van de indexscores tot de cyberbenchmarks zonder guardrails en de interne veiligheidsmetingen — zijn het startpunt van die afweging, niet het einde ervan. Je eigen metingen op je eigen werk zijn wat uiteindelijk bepaalt waar dit model in je stack thuishoort.

Gecontroleerd op 2026-10-29.

Dit bericht is samengesteld met AI-ondersteuning en redactioneel gecontroleerd; bronnen staan hieronder.

Bronnen