Gemini 4 Carbon: chi può usarlo, quanto costa e cosa aspettarsi

Al 29 ottobre 2026, Gemini 4 Carbon non è ancora disponibile al pubblico: conviene quindi continuare a sviluppare e rilasciare con il modello già in uso. Google DeepMind lo ha annunciato il 28 ottobre per attività complesse di ingegneria e cybersicurezza. Il primato in una classifica è un buon motivo per preparare una valutazione, non per rimandare un rilascio. L'annuncio di Google prevede una distribuzione ad accesso limitato.

Per quali attività è pensato Gemini 4 Carbon?

Carbon punta alle attività che richiedono più tentativi prima di arrivare a una soluzione: attività di programmazione di lunga durata, problemi ingegneristici complessi e difesa informatica. Google riferisce che i suoi team interni lo hanno visto lavorare per giorni al debug e alla correzione di codebase complesse.

Portare a termine attività lunghe significa non perdere il filo, anche attraverso molti passaggi. È il caso di chi segue un bug partendo da un test fallito, passa da un file all'altro, prova una correzione, scopre un secondo errore e rivede la patch. Un agente è il software che permette al modello di compiere azioni, come leggere file ed eseguire test. Il successo dipende dall'intero sistema, compresi gli strumenti e i controlli con cui si stabilisce se il lavoro è concluso.

Per chi guida una startup, la domanda utile è se Carbon riesca a completare un intervento di manutenzione ricorrente che oggi assorbe l'attenzione di uno sviluppatore. Una risposta ben formulata a una domanda di programmazione e una patch che il team accetta sono risultati diversi.

Chi può accedere a Carbon adesso?

La sequenza indicata da Google parte da un gruppo selezionato di organizzazioni impegnate nella difesa informatica, nella settimana dell'annuncio. Seguono altri partner fidati attraverso Fairwind, poi un accesso più ampio nei prodotti, dopo aver raccolto riscontri e migliorato le misure di protezione. Google promette di ampliare l'accesso «il prima possibile», senza indicare una data.

Il Fairwind Program è il percorso di Google riservato alle organizzazioni che si occupano di difesa informatica e superano una verifica di idoneità. Dà priorità a governi, infrastrutture critiche e piattaforme tecnologiche fondamentali. Il modulo di candidatura serve a valutare i requisiti: non è un'iscrizione che dà accesso immediato a un modello pubblico. Chi ha fondato un'azienda di sicurezza può candidarla se rientra nei criteri; chi sviluppa una normale applicazione non dovrebbe far dipendere le consegne dall'esito della selezione.

Le descrizioni pubbliche delle tecnologie del programma citano ancora Argon. Per la sequenza di accesso fa fede l'annuncio di Carbon; per le regole del programma, la pagina di Fairwind. Né l'invio della candidatura né l'appartenenza al programma dimostrano che Carbon sia stato abilitato per la propria organizzazione.

Cosa manca per metterlo in produzione: l'annuncio di Google non fornisce un ID pubblico del modello Carbon, un limite di contesto, un piano dell'app che lo includa o una data di disponibilità generale. La lunghezza dell'input usato in un benchmark non dimostra quale sia il limite dell'API. Questi dati non vanno ricavati copiando la documentazione di Argon.

Queste fonti e la metodologia di valutazione di Google sono state controllate il 29 ottobre 2026. L'articolo fotografa le condizioni di accesso a quella data; per scriverlo non sono stati effettuati test diretti su Carbon.

Che rapporto c'è tra Carbon e Argon?

Gemini 4 Argon resta il modello Gemini disponibile da usare come riferimento. Google ha reso Argon disponibile su Google Cloud il 13 ottobre e la documentazione dei prezzi della Gemini API ne elenca le tariffe di accesso a pagamento. Carbon si basa su Argon, ma il suo annuncio non sostituisce il modello che un'applicazione può chiamare oggi.

La distinzione conta per chi sviluppa da solo e mantiene un'integrazione esistente. Conviene continuare a migliorare prompt, autorizzazioni degli strumenti e criteri di accettazione su Argon. Vale anche la pena conservare i compiti difficili che non riesce a risolvere: serviranno a dare un obiettivo concreto a una futura valutazione di Carbon.

Per un CTO, la decisione di migrare va separata dall'annuncio del rilascio. Riutilizzare un insieme di test è semplice; dare per scontato che le API si comportino allo stesso modo non lo è. Prima di considerare il nuovo modello un sostituto utilizzabile senza modifiche, occorre verificarne input, output, strumenti e limiti operativi nella documentazione che verrà pubblicata.

La guida a Gemini 4 Argon ne descrive le attuali modalità di accesso e i limiti operativi. Quelle informazioni riguardano Argon, finché Google non documenterà diversamente per Carbon.

Quali benchmark ha pubblicato Google?

Nel confronto pubblicato da Google, Carbon supera Argon in tutte le valutazioni elencate. Questo non dimostra che vinca in ogni attività o contro qualsiasi concorrente. La tabella seguente riporta i dati della scheda dei benchmark di Google. Sono risultati pubblicati, non misurazioni effettuate per questo articolo.

Le righe dedicate alla cybersicurezza descrivono fasi diverse della difesa: trovare una falla, stabilire se sia sfruttabile e correggerla. Fare la media delle percentuali per ricavarne un punteggio di sicurezza non ha senso. Per un team che valuta attività di manutenzione, un benchmark sulla correzione delle vulnerabilità è il punto di partenza più pertinente; un risultato sulla loro individuazione risponde a un'altra domanda.

Perché contano le condizioni dei test?

La metodologia di valutazione di Google usa generalmente le impostazioni di ragionamento più elevate. I risultati di AA Index e Terminal-Bench provengono da Artificial Analysis, quelli di CWE-bench da Collinear AI; Google calcola direttamente gli altri. La scheda riunisce quindi valutazioni di fonti diverse.

Per esempio, il risultato di Google su SEC-bench Pro usa un sottoinsieme di 183 compiti relativi a motori JavaScript. La valutazione su ExploitGym utilizza l'ambiente di esecuzione Antigravity, il software che esegue gli strumenti dell'agente, senza accesso a internet e con le mitigazioni disattivate. Per OSWorld viene riportato un sottoinsieme offline, prendendo il valore massimo tra le esecuzioni. Sono condizioni da considerare quando si decide quali conclusioni trarre da un punteggio.

Un prodotto che usa strumenti, autorizzazioni o limiti diversi richiede una valutazione propria. I risultati pubblicati non garantiscono che le capacità ad accesso limitato usate nel test saranno disponibili nel prodotto che l'azienda finirà per acquistare.

Cosa non dice il primato «#1»?

«#1» indica il primo posto in una classifica specifica, non un vincitore assoluto. Artificial Analysis colloca Carbon High in cima all'Intelligence Index v5.0 con 59, segnalando esplicitamente l'assenza di un'API disponibile al pubblico. Disporre dell'accesso per una valutazione e offrirlo ai clienti sono due cose diverse.

Anche la scheda di Google mostra delle eccezioni: l'81.5% di Carbon sul sottoinsieme offline di OSWorld è inferiore all'87.2% di Claude Opus 5.5, il modello di Anthropic. Basta questo per escludere che Carbon sia in testa in ogni tipo di attività. Prima di scegliere il modello, va scelta la valutazione più vicina al lavoro da svolgere.

La tabella non va nemmeno trasformata in un verdetto su Carbon contro OpenAI GPT-6.1 Terra. La colonna dedicata a OpenAI riporta GPT-6 Astra, un modello diverso. Un risultato di Astra non permette di decidere se sostituire Terra nel proprio flusso di sviluppo.

Infine, lo 0.0% di successo degli attacchi di prompt injection riportato da Google riguarda gli attacchi valutati. La prompt injection consiste in istruzioni nascoste nei materiali letti da un agente, con cui si tenta di deviarne il comportamento. Limiti alle autorizzazioni, revisione dei test e approvazione delle azioni con conseguenze rilevanti restano necessari anche quando un modello ottiene un ottimo risultato.

Cosa conviene fare a chi sviluppa, gestisce e acquista?

Chi sviluppa dovrebbe continuare a usare il modello che sta già producendo risultati accettabili. Se un'applicazione Gemini gira su Argon, conviene mantenerla su Argon mentre si prepara il confronto. Se il flusso di lavoro funziona già bene con Opus 5.5 o GPT-6.1 Terra, l'annuncio di Carbon da solo non è un motivo per fermarsi o migrare. La guida ai modelli attuali aiuta a valutare la scelta nel suo insieme.

Chi gestisce le attività dovrebbe rendere verificabili i compiti lunghi. Il CTO di un'azienda di medie dimensioni può scegliere una correzione ricorrente di una regressione, con un test noto che fallisce e un responsabile ben identificato. Un responsabile operativo esperto può richiedere un registro che mostri le modifiche, i controlli eseguiti e i problemi ancora aperti. Lavorare più a lungo serve solo se il risultato è corretto e chi lo revisiona riesce ad accertarlo in modo efficiente.

Chi acquista dovrebbe pianificare il budget oltre il periodo promozionale. I token sono le unità con cui vengono fatturati input e output del modello; un'esecuzione più lunga può consumarne di più anche se produce una patch finale piccola.

Prezzo di Gemini 4 Carbon: inizialmente $2 per milione di token in input e $10 per milione di token in output; l'input in cache costa il 95% in meno rispetto alla tariffa dei token in input; dopo il periodo introduttivo, $4 per 1M di token in input e $20 per 1M di token in output. Il post di Google e la relativa nota.

Il post su Carbon non indica quando termineranno le tariffe introduttive. La variazione documentata delle tariffe Standard di Argon entrerà in vigore il 1 dicembre 2026: è una scadenza da considerare nel budget di Argon, non una data di rilascio o di variazione dei prezzi di Carbon. Per il confronto dettagliato dei piani, il riferimento resta la pagina sui prezzi di Gemini.

Da dove cominciare questa settimana?

Assegnare subito a un responsabile la preparazione di un insieme di test riutilizzabile. Per chi guida una startup finanziata, l'obiettivo è poter motivare la decisione di adottare il modello quando arriverà l'accesso. Per chi sviluppa da solo, è conservare una raccolta di compiti difficili che renda più rapida la valutazione del prossimo modello.

1. 1

   Raccogliere attività rappresentative

   Conservare una patch per una regressione, una modifica su più file, una correzione di sicurezza autorizzata e una richiesta ambigua che dovrebbe indurre a chiedere chiarimenti. Includere il lavoro ordinario, oltre ai casi difficili non risolti. Rimuovere credenziali e dati dei clienti non necessari dai materiali di test salvati.

2. 2

   Definire i criteri di accettazione prima dell'esecuzione

   Annotare la revisione di partenza, i file modificabili, gli strumenti disponibili, i test da superare e le condizioni che impongono di fermarsi. Per la regressione, richiedere sia il superamento del test che riproduce il problema sia l'assenza di modifiche estranee. Una spiegazione plausibile non equivale a una correzione completata.

3. 3

   Registrare i risultati di riferimento di Argon

   Eseguire l'insieme di test con il modello attualmente in uso. Salvare patch, risultati dei test, consumi fatturati, nuovi tentativi, interruzioni e lavoro di revisione. Si tratta di controlli proposti, non di risultati misurati per questo articolo. Per le attività ricorrenti su Gemini, calcolare il budget usando la tariffa che si applicherà dopo il periodo introduttivo.

4. 4

   Passare a Carbon solo se dimostra di meritarselo

   Quando l'account avrà accesso e Google avrà documentato l'interfaccia, ripetere gli stessi compiti con strumenti e autorizzazioni comparabili. Estendere l'uso solo se i risultati accettati migliorano senza un aumento inaccettabile del lavoro di revisione, della latenza o dei costi. Altrimenti, mantenere il modello di riferimento che già funziona.

Per orientarsi nelle decisioni pratiche di adozione dei modelli man mano che cambiano le condizioni di accesso, iscriviti alla newsletter.