Gemini 4 Carbon

Fiche modèle · Google · gemini-4-carbon

Gemini 4 Carbon is Google DeepMind's next frontier model, announced on 2026-10-28, which Google describes as "our strongest model with state-of-the-art cybersecurity and long horizon capabilities." It builds on Gemini 4 Argon, with gains in vulnerability finding, exploit validation, patching, and long-horizon agentic coding. At announcement it is in a limited rollout: available only to a subset of cyber defenders and, in phases, to trusted partners through Google's Fairwind Program, with availability to developers, businesses, and consumers planned later. Google states it will launch at the same introductory price as Argon ($2.00 per million input tokens, $10.00 per million output tokens, cached input 95% off), moving to $4.00/$20.00 after the introductory period. There is no public API endpoint yet.

Identité

OrganisationGoogle
Pays—
Famille—
Typellm
Date de sortie2026-10-28
Licenceproprietary
Licence commercialenon
Licence open sourcenon
Poids ouvertsnon
Auto-hébergement (DGX Spark)non — poids fermés
Modalités—
Fenêtre de contexte—
KV cache / token (Q8)—
Paramètres totaux—
Paramètres actifs (session)—
Source des paramètres actifs—
Curation des paramètres actifs—
Prix par session—
Tokens / tâche (Data Players)1.2 M
Tokens / tâche (Terminal-Bench)83.3 M (est.)
Ratio Terminal-Bench / Data Players69.4×
Coût / tâche (Terminal-Bench)—
Tokens d'entraînement—
Coupure de connaissance—
Créé le2026-10-29T18:17:59.891042Z
Mis à jour le2026-11-04T06:04:44.546739Z
SourceLLM Stats
URLhttps://llm-stats.com/models/gemini-4-carbon

Prix par fournisseur

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Aucune donnée.

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

CatégorieScore
long_context1.00
multimodal0.70
reasoning2 747.90
safety0.70
spatial_reasoning1.00
general1 374.30
agents1 649.00
code0.70
tool_calling0.60
vision0.80

Scores par benchmark

BenchmarkCatégorieScoreMaxNormalisé (API)VérifiéAuto-déclaréDaté du
automationbenchagents0.541.000.54nonoui2026-11-04T06:04:44.585039Z
blueprint-bench-2agents0.591.000.59nonoui2026-11-04T06:04:44.603084Z
chartography-no-toolsvision0.721.000.72nonoui2026-11-04T06:04:44.597157Z
cwe-benchcode0.711.000.71nonoui2026-11-04T06:04:44.629498Z
exploitgymagents0.541.000.54nonoui2026-11-04T06:04:44.633029Z
frontierswe-v2code0.611.000.61nonoui2026-11-04T06:04:44.562582Z
graphwalks-bfs->128kreasoning0.961.000.96nonoui2026-11-04T06:04:44.607822Z
gray-swan-ipiagents0.001.001.00nonoui2026-11-04T06:04:44.653053Z
osworld-2.1-partialmultimodal0.811.000.81nonoui2026-11-04T06:04:44.581132Z
riemannbenchmath0.801.000.80nonoui2026-11-04T06:04:44.613051Z
sec-bench-proagents0.881.000.88nonoui2026-11-04T06:04:44.643188Z
terminal-bench-4.0-aacode0.651.000.65nonoui2026-11-04T06:04:44.570855Z
terminal-bench-science-0.1reasoning0.651.000.65nonoui2026-11-04T06:04:44.622805Z
vals-indexknowledge0.701.000.70nonoui2026-11-04T06:04:44.553387Z
vending-bench-2reasoning16 484.001.00—nonoui2026-11-04T06:04:44.593389Z
webdev-arenacode1 768.002 000.000.88nonoui2026-11-04T06:04:44.648271Z

Classements

CatégorieRangScoreNote conservatriceBenchmarks évaluésMéthodeDaté duProvenance
agents11 649.0045.7710trueskill2026-11-04T08:08:47.839150Zrankings
code30.7048.266trueskill2026-11-04T08:08:39.742311Zrankings
multimodal60.7037.953trueskill2026-11-04T08:08:46.488887Zrankings
reasoning52 747.9054.406trueskill2026-11-04T08:08:41.093494Zrankings

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04