---
title: "Gemini 4 Carbon"
source: "https://systems-analysis.info/wiki/Gemini_4_Carbon"
wiki: "systems-analysis.info/wiki"
article: "Gemini_4_Carbon"
language: "ru"
categories:
  - "Категория:Gemini"
  - "Категория:Google"
  - "Категория:Russian"
  - "Категория:Большие языковые модели"
  - "Категория:Семейства LLM"
revision_id: 577
wiki_created_at: 2026-11-10T18:15:42Z
wiki_modified_at: 2026-11-11T01:18:34Z
downloaded_at: 2026-11-11T01:23:44Z
---

# Gemini 4 Carbon

**Gemini 4 Carbon** — мультимодальная модель рассуждений компании [Google DeepMind](https://systems-analysis.info/wiki/Google_DeepMind "Google DeepMind"), основанная на [Gemini 4 Argon](https://systems-analysis.info/wiki/Gemini_4_Argon "Gemini 4 Argon") и ориентированная на продолжительные многошаговые агентные процессы, сложную программную инженерию, научные исследования и киберзащиту, использующая увеличенный объём токенов рассуждения и продолжительные циклы проверки результатов. Модель была анонсирована 28 октября 2026 года с началом ограниченного доступа для специалистов по кибербезопасности через программу Fairwind, а её общедоступный выпуск состоялся 10 ноября 2026 года.

## Оценка

Gemini 4 Carbon оценивалась по широкому набору тестов (бенчмарков), охватывающих агентное программирование, использование компьютера, работу со знаниями, науку и математику, мультимодальные возможности, работу с длинным контекстом и кибербезопасность. Дополнительные тесты, сведения о подходе к оценке, результатах и применяемых методологиях опубликованы в <a href="https://deepmind.google/models/evals-methodology/gemini-4-carbon" class="external text" rel="nofollow">методологии оценки Gemini 4 Carbon</a>.

Согласно Model Card Google DeepMind, приведённые ниже результаты актуальны по состоянию на октябрь 2026 года; результаты кибербезопасностных бенчмарков отражают работу модели при доступе через программу Fairwind (для проверенных специалистов по киберзащите).<sup>[\[1\]](https://systems-analysis.info/wiki/Gemini_4_Carbon#cite_note-1)</sup>

<table class="wikitable" style="text-align:center;">
<colgroup>
<col style="width: 12%" />
<col style="width: 12%" />
<col style="width: 12%" />
<col style="width: 12%" />
<col style="width: 12%" />
<col style="width: 12%" />
<col style="width: 12%" />
<col style="width: 12%" />
</colgroup>
<thead>
<tr class="header">
<th style="text-align: left;">Benchmark</th>
<th>Description</th>
<th></th>
<th>Gemini 4 Carbon</th>
<th><a href="https://systems-analysis.info/wiki/Gemini_4_Argon" title="Gemini 4 Argon">Gemini 4 Argon</a></th>
<th><a href="https://systems-analysis.info/wiki/GPT-6_Astra" title="GPT-6 Astra">GPT-6 Astra</a></th>
<th><a href="https://systems-analysis.info/wiki/Claude_Opus_5.5" title="Claude Opus 5.5">Claude Opus 5.5</a></th>
<th><a href="https://systems-analysis.info/wiki/Claude_Fable_5.1" title="Claude Fable 5.1">Claude Fable 5.1</a></th>
</tr>
</thead>
<tbody>
<tr class="odd">
<td style="text-align: left;">AA Index v5.0</td>
<td>General capabilities</td>
<td></td>
<td style="background: #e6f3ff"><strong>59</strong></td>
<td>50</td>
<td>57</td>
<td>58</td>
<td>49</td>
</tr>
<tr class="even">
<td style="text-align: left;">Vals Index v2.2</td>
<td>General capabilities</td>
<td></td>
<td style="background: #e6f3ff"><strong>70.4%</strong></td>
<td>69.2%</td>
<td>65.0%</td>
<td>70.2%</td>
<td>—</td>
</tr>
<tr class="odd">
<td style="text-align: left;">SWE-sweep</td>
<td>Agentic coding</td>
<td></td>
<td style="background: #e6f3ff"><strong>9.6%</strong></td>
<td>4.3%</td>
<td>9.5%</td>
<td>3.6%</td>
<td>2.9%</td>
</tr>
<tr class="even">
<td style="text-align: left;">FrontierSWE 2</td>
<td>Agentic coding</td>
<td></td>
<td style="background: #e6f3ff">61.2%</td>
<td>55.0%</td>
<td><strong>65.5%</strong></td>
<td>62.3%</td>
<td>56.3%</td>
</tr>
<tr class="odd">
<td style="text-align: left;">Terminal-Bench 4.0 (AA)</td>
<td>Agentic coding</td>
<td></td>
<td style="background: #e6f3ff"><strong>65.2%</strong></td>
<td>57.1%</td>
<td>59.1%</td>
<td>59.6%</td>
<td>52.0%</td>
</tr>
<tr class="even">
<td style="text-align: left;">Agents' Last Exam v1.1</td>
<td>Computer use</td>
<td>Score</td>
<td style="background: #e6f3ff"><strong>77.4%</strong></td>
<td>69.0%</td>
<td>73.1%</td>
<td>71.6%</td>
<td>—</td>
</tr>
<tr class="odd">
<td style="text-align: left;">OSWorld-2.1</td>
<td>Computer use</td>
<td>Offline subset</td>
<td style="background: #e6f3ff">81.5%</td>
<td>74.7%</td>
<td>80.9%</td>
<td><strong>87.2%</strong></td>
<td>76.8%</td>
</tr>
<tr class="even">
<td style="text-align: left;">AutomationBench Zapier</td>
<td>Knowledge work</td>
<td></td>
<td style="background: #e6f3ff"><strong>53.9%</strong></td>
<td>51.3%</td>
<td>41.4%</td>
<td>42.5%</td>
<td>31.4%</td>
</tr>
<tr class="odd">
<td style="text-align: left;">Vending-Bench 2</td>
<td>Knowledge work</td>
<td>Bank balance ($),<br />
higher is better</td>
<td style="background: #e6f3ff"><strong>$16,484</strong></td>
<td>$13,718</td>
<td>$15,515</td>
<td>$9,235</td>
<td>$5,422</td>
</tr>
<tr class="even">
<td style="text-align: left;">Chartography</td>
<td>Multimodal understanding</td>
<td></td>
<td style="background: #e6f3ff"><strong>72.5%</strong></td>
<td>71.6%</td>
<td>71.0%</td>
<td>66.3%</td>
<td>46.2%</td>
</tr>
<tr class="odd">
<td style="text-align: left;">Blueprint-Bench 2</td>
<td>Multimodal understanding</td>
<td>Similarity score</td>
<td style="background: #e6f3ff"><strong>58.6%</strong></td>
<td>54.4%</td>
<td>49.7%</td>
<td>51.2%</td>
<td>41.9%</td>
</tr>
<tr class="even">
<td style="text-align: left;">GraphWalks</td>
<td>Long context</td>
<td>256k to 1M, BFS (F1)</td>
<td style="background: #e6f3ff"><strong>96.2%</strong></td>
<td>84.2%</td>
<td>71.8%</td>
<td>66.8%</td>
<td>65.0%</td>
</tr>
<tr class="odd">
<td style="text-align: left;">RiemannBench</td>
<td>Science and math</td>
<td></td>
<td style="background: #e6f3ff"><strong>80.0%</strong></td>
<td>76.0%</td>
<td>72.0%</td>
<td>69.6%</td>
<td>65.6%</td>
</tr>
<tr class="even">
<td style="text-align: left;">Terminal-Bench-Science 0.1 (AA)</td>
<td>Science and math</td>
<td></td>
<td style="background: #e6f3ff"><strong>64.8%</strong></td>
<td>52.9%</td>
<td>63.3%</td>
<td>59.0%</td>
<td>43.3%</td>
</tr>
<tr class="odd">
<td style="text-align: left;">CWE-bench</td>
<td>Cybersecurity</td>
<td></td>
<td style="background: #e6f3ff"><strong>71.0%</strong></td>
<td>68.0%</td>
<td>68.0%</td>
<td>67.0%</td>
<td>58.0%</td>
</tr>
<tr class="even">
<td style="text-align: left;">ExploitGym</td>
<td>Cybersecurity</td>
<td></td>
<td style="background: #e6f3ff"><strong>54.8%</strong></td>
<td>42.0%</td>
<td>42.4%</td>
<td>34.5%</td>
<td>—</td>
</tr>
<tr class="odd">
<td style="text-align: left;">SEC-bench Pro</td>
<td>Cybersecurity</td>
<td></td>
<td style="background: #e6f3ff"><strong>88.2%</strong></td>
<td>83.4%</td>
<td>85.4%</td>
<td>—</td>
<td>—</td>
</tr>
</tbody>
</table>

1.  <span id="cite_note-1">[↑](https://systems-analysis.info/wiki/Gemini_4_Carbon#cite_ref-1) Google DeepMind. *Gemini 4 Carbon — Model Card*. Выпуск: ноябрь 2026 года. С. 4.</span>

## См. также

- [Gemini 3 Pro](https://systems-analysis.info/wiki/Gemini_3_Pro "Gemini 3 Pro")
- [Gemini 3.1 Pro](https://systems-analysis.info/wiki/Gemini_3.1_Pro "Gemini 3.1 Pro")
- [Gemini 4 Argon](https://systems-analysis.info/wiki/Gemini_4_Argon "Gemini 4 Argon")