Kenapa Gemini 4 Carbon Dimulai dari Pembela Siber?

Bayangkan kamu menjaga sistem sebuah perusahaan pada malam hari. Sebuah celah keamanan muncul di kode yang sudah lama berjalan, dan kamu harus menemukannya sebelum penyerang memakainya lebih dulu.

Pada 28 Oktober 2026, Google mengumumkan model yang dirancang untuk pekerjaan seperti itu. Namanya Gemini 4 Carbon, dan Google menyebutnya model terkuat yang pernah mereka buat untuk keamanan siber dan tugas jangka panjang.

Yang menarik bukan hanya klaim kekuatannya. Carbon tidak langsung dibuka untuk semua orang. Artikel ini menjelaskan apa yang diumumkan, seberapa kuat hasilnya di benchmark, dan kenapa akses pertamanya justru diberikan kepada pembela siber.

Apa yang Diumumkan Google pada 28 Oktober?

Google DeepMind mengumumkan Gemini 4 Carbon lewat blog resmi Google pada 28 Oktober 2026. Koray Kavukcuoglu, wakil presiden senior Google DeepMind, menggambarkannya sebagai model terkuat perusahaan itu, dengan kemampuan keamanan siber dan horizon panjang yang terbaik di kelasnya.

Carbon dibangun di atas Gemini 4 Argon, yang diluncurkan dua minggu sebelumnya. Google menyebut kecepatan ini sebagai bukti bahwa peneliti dan model mereka kini bekerja berdampingan untuk memajukan kemampuan frontier lebih cepat, sambil memperkuat pengaman pada saat yang sama.

Di peringkat independen, Carbon menempati posisi pertama pada Artificial Analysis Intelligence Index versi 5.0 dengan skor 59. Skor itu menempatkannya di depan Claude Opus 5.5 dan GPT-6 Astra dalam indeks yang sama, menurut laporan yang merangkum pengumuman tersebut.

Seberapa Kuat Carbon di Benchmark Keamanan?

Google menempatkan keamanan siber sebagai headline Carbon, bukan sekadar fitur tambahan. Model ini diuji pada tiga tahap siklus pertahanan: menemukan celah, memvalidasi apakah celah itu bisa dieksploitasi, lalu menambalnya sampai ke akar masalah.

Untuk menemukan celah nyata, Carbon meraih 88,2 persen pada SEC-bench Pro. Benchmark ini mengukur kemampuan model menemukan kekurangan kompleks yang tersembunyi di perangkat lunak dunia nyata secara mandiri.

Untuk validasi risiko, Carbon mencetak 54,8 persen pada ExploitGym, sebuah benchmark eksploitasi yang populer. Untuk perbaikan, Carbon mencapai 71,0 persen pada CWE-bench, yang menilai apakah temuan yang tervalidasi bisa diubah menjadi perbaikan kode yang benar-benar bekerja.

Google menyatakan benchmark keamanan eksternal itu dijalankan tanpa guardrail. Itu penting untuk dicatat, karena angkanya menggambarkan kemampuan mentah model, bukan kemampuan model setelah dibatasi pengaman produk.

Carbon tidak memimpin di semua baris tabel benchmark Google sendiri. Laporan independen mencatat GPT-6 Astra masih unggul pada FrontierSWE 2 dan Claude Opus 5.5 masih unggul pada OSWorld 2.1. Jadi klaim terkuat Carbon paling solid dibaca pada jalur keamanan siber, bukan pada semua tugas sekaligus.

Kenapa Carbon Bisa Bekerja Berhari-hari?

Tugas keamanan siber jarang selesai dalam satu perintah singkat. Melacak akar masalah di codebase besar bisa memakan waktu berhari-hari, melewati banyak jalan buntu, sebelum perbaikan yang tepat ditemukan.

Carbon dirancang untuk alur kerja agen yang berkelanjutan seperti itu. Tim internal Google melaporkan Carbon bisa berjalan selama berhari-hari untuk menuntaskan tugas rekayasa yang kompleks, termasuk mencari dan menambal bug halus di codebase besar dan sistem tingkat rendah.

Pada pengujian internal, Carbon menghasilkan kode yang aman dengan tingkat keberhasilan lebih dari dua kali lipat dibanding Argon. Tim Chrome melaporkan Carbon menghasilkan patch berkualitas tinggi lebih dari 10 kali lebih baik dibanding model frontier besar dari laboratorium lain, meski Google tidak menyebut nama model pembandingnya.

Kemampuan umumnya juga naik. Carbon naik 89 poin Elo dan menempati posisi keempat pada WebDev Arena dengan skor 1768, yang menurut Google mencerminkan kualitas output dan artefak pengembangan web yang lebih baik. Platform keamanan cloud Wiz juga melaporkan Carbon memimpin benchmark penetration testing web untuk inisiatif Scan for Good miliknya.

Kalau kamu membangun alat atau eksperimen seputar keamanan dan agen AI, kamu bisa melihat daftar proyek terkait di /projects sebagai bahan perbandingan sebelum memutuskan pendekatanmu sendiri.

Apa yang Berubah soal Keamanan dan Kejujuran Model?

Model yang membantu pertahanan siber harus bisa dipercaya, bukan hanya pintar. Model yang curang saat diuji, mengarang bukti, atau melampaui wewenangnya justru bisa menciptakan risiko baru bagi tim yang memakainya.

Carbon memakai tumpukan keamanan berlapis yang sama seperti Argon, mulai dari pelatihan model, pertahanan penyalahgunaan real time, ketahanan terhadap prompt injection, sampai pemantauan rantai berpikir. Google mengklaim telah melangkah lebih jauh pada alignment untuk Carbon.

Pada Terminal-Bench 4.0, upaya curang Carbon yang berhasil turun menjadi 0,0 persen, dengan percobaan curang turun menjadi 0,4 persen, sementara akurasi keseluruhannya justru naik. Di lingkungan coding internal, peringatan misalignment berkategori berat turun hampir 80 persen.

Klaim yang tidak didukung bukti turun sekitar setengah dibanding Argon, menurut pengujian internal Google. Carbon juga mengurangi overreach sebesar 26 persen dan under-service sebesar 29 persen, sehingga eksekusi rencana multi langkah menjadi lebih andal tanpa keluar dari batas yang ditetapkan.

Pada benchmark Indirect Prompt Injection dari Gray Swan, Carbon mencatat tingkat keberhasilan serangan 0,0 persen, lebih baik dari Argon yang mencatat 0,7 persen. Dengan kata lain, Carbon menolak setiap serangan yang dievaluasi dalam benchmark tersebut.

Kenapa Aksesnya Dimulai dari Pembela Siber?

Kemampuan yang sama untuk menemukan, mengeksploitasi, dan menambal celah bisa dipakai untuk menyerang maupun bertahan. Itulah alasan Google mengambil pendekatan rollout yang disengaja, bukan rilis terbuka serentak.

Google menyatakan mereka aktif terlibat dalam proses sukarela pemerintah Amerika Serikat untuk pengujian model sebelum rilis. Mulai minggu pengumuman, Carbon diberikan kepada sebagian pembela siber, lalu aksesnya diperluas secara bertahap kepada mitra tepercaya lewat Fairwind Program.

Setelah umpan balik terkumpul dan guardrail diiterasi, Google berencana membawa Carbon ke pengembang, bisnis, dan konsumen lewat permukaan produknya sesegera mungkin. Sampai saat itu, tidak ada tanggal ketersediaan umum yang diumumkan.

Harga perkenalan Carbon sama seperti Argon, yaitu 2 dolar per satu juta token input dan 10 dolar per satu juta token output, dengan token input yang di-cache mendapat potongan 95 persen dari harga token input. Angka itu relevan bagi tim keamanan yang kelak mengintegrasikan Carbon ke alur kerja mereka, karena tugas jangka panjang bisa menghabiskan banyak token.

Respons komunitas terhadap pendekatan bertahap ini langsung terlihat. Pengumuman Carbon masuk ke front page Hacker News dengan 759 poin dan 624 komentar pada malam pengumuman, dan sebagian besar diskusi mempertanyakan kapan pengembang biasa bisa mencoba model ini dan seberapa jauh angka benchmarknya bisa diverifikasi pihak luar.

Bagi kamu yang bukan bagian dari kelompok pembela siber pertama, kabar ini berarti menunggu. Yang patut diamati adalah perluasan Fairwind Program, tanggal akses pengembang, dan apakah skor benchmark keamanan Carbon bisa direproduksi pihak independen di luar Google.

Carbon menunjukkan arah yang jelas dari perlombaan model frontier saat ini. Pemenangnya bukan lagi model yang sekadar menjawab paling cepat, melainkan model yang bisa bekerja lama, menemukan celah nyata, dan menambalnya tanpa mengarang atau melampaui batas.

Google sudah membuktikan klaim itu di atas kertas benchmark. Pembuktian berikutnya ada di tangan para pembela siber pertama yang memakainya, dan di tangan waktu, saat Carbon akhirnya dibuka lebih luas.