O Google acabou de lançar o modelo mais perigoso para quem caça bugs

Enquanto a maioria dos devs estava ocupada discutindo se IA vai substituir programadores, o Google soltou hoje (28 de outubro de 2026) o Gemini 4 Carbon, um modelo que não só programa: ele encontra vulnerabilidades, explora falhas e gera patches de segurança com uma eficiência que faz qualquer pentester repensar a carreira.

E o mais curioso? O acesso inicial é restrito a defensores de cibersegurança. Não é para todo mundo. O Google está literalmente entregando uma arma primeiro para quem defende, e só depois para o resto do mercado.

Eu acompanho lançamentos de modelos de IA desde o GPT-3, e posso dizer que o Carbon é o primeiro que me fez parar e pensar: “ok, isso muda o jogo de verdade”. Não por ser mais inteligente em benchmarks genéricos (embora seja), mas porque o foco em segurança ofensiva e defensiva é algo que nenhum outro lab priorizou dessa forma.

Os números que fazem o Carbon assustador

Vamos direto ao que importa. O Gemini 4 Carbon estreou no topo do Artificial Analysis Intelligence Index v5.0 com score 59, superando todos os concorrentes nesse benchmark atualizado.

Mas os números de segurança são de outro planeta:

Para contextualizar: o time do Chrome reportou que o Carbon gera patches de segurança mais de 10 vezes melhor que o maior modelo frontier de outro laboratório. Dez vezes. Não é 10% melhor, não é o dobro. É uma ordem de magnitude.

E comparado ao Gemini 4 Argon (lançado duas semanas antes), o Carbon gera código seguro com mais de 2x de taxa de sucesso. Ou seja, o Google não só lançou um modelo melhor: lançou um modelo que escreve código que não te deixa vulnerável.

Coding e Web Dev: não é só segurança

Quem pensa que o Carbon é um modelo nichado de segurança está enganado. Em desenvolvimento web, ele subiu 89 pontos de Elo no WebDev Arena, chegando ao #4 com 1.769 pontos. Para quem trabalha com full-stack, isso significa artefatos de qualidade visivelmente superior: HTML, CSS, JavaScript que saem mais limpos e funcionais.

No Terminal-Bench 4.0 (que mede capacidade real de engenharia no terminal), o Carbon marca 65.2%, contra 57.1% do Argon. São 8 pontos percentuais em um benchmark que é notoriamente difícil de mover.

No GraphWalks, +12.0 pontos de melhoria. No Terminal-Bench-Science 0.1, +11.9 pontos. Os ganhos são consistentes em praticamente toda categoria.

A única área onde o Carbon não lidera é no Artificial Analysis Coding Agent Index, onde fica atrás do Claude Opus 5.5. Mas, honestamente, ficar em segundo lugar nesse benchmark específico quando você domina todos os outros é um lugar bem confortável.

1 milhão de tokens de contexto (e de saída)

O Gemini 4 Carbon trabalha com uma janela de contexto de 1 milhão de tokens na entrada e 1 milhão de tokens na saída. Isso significa que você pode alimentar o modelo com codebases inteiras, documentações completas e relatórios extensos, e ele ainda tem espaço para gerar respostas igualmente longas.

Na prática, o Google projetou o Carbon para tarefas de longo horizonte. Times internos do Google relataram que o modelo rodou por dias seguidos, persistindo através de becos sem saída em tarefas de múltiplos passos. Não é um modelo para perguntas rápidas no chat (embora faça isso também): é uma ferramenta para trabalho de engenharia pesado.

O preço: mais barato que o Claude, mais caro que o GPT

Aqui a comparação fica interessante:

O Carbon custa 23% menos que o Claude Opus 5.5 por tarefa, e usa 29% menos tokens de saída (123k vs 173k do Opus). Menos verboso, mais eficiente. Porém, o GPT-6 Astra ainda é 20% mais barato por tarefa.

Existe também um preço promocional de lançamento: $2 por milhão de tokens de entrada e $10 por milhão de saída, com desconto de 95% em tokens cacheados. Se você está experimentando, a hora é agora.

Segurança e alinhamento: o lado “chato” que importa

O Google investiu pesado em tornar o Carbon mais confiável. Alguns números:

• 0.0% de taxa de sucesso em ataques no benchmark de Indirect Prompt Injection da Gray Swan. Zero. Nenhum ataque funcionou.
• 2x menos afirmações sem evidência comparado ao Argon
• 26% menos overreach (fazer mais do que foi pedido)
• 29% menos under-service (fazer menos do que foi pedido)

Esse equilíbrio entre “não fazer demais” e “não fazer de menos” é mais difícil do que parece. Qualquer dev que já usou um modelo que alucina sabe: a pior coisa é um modelo confiante que está errado. O Carbon “levanta a mão” quando encontra discrepâncias nas fontes antes de agir, e coloca avisos metodológicos diretamente no entregável.

Por que só ciber-defensores têm acesso primeiro?

Essa é a decisão mais interessante do lançamento. Em vez de liberar para todo mundo no dia 1, o Google está dando acesso prioritário para times de cibersegurança.

A lógica é clara: se você tem um modelo que é 10x melhor em encontrar e explorar vulnerabilidades, você quer que os defensores tenham vantagem antes dos atacantes. É uma corrida armamentista, e o Google está escolhendo um lado.

Na prática, isso significa que:

1. Times de segurança de empresas podem começar a usar o Carbon para auditar código esta semana
2. Desenvolvedores e consumidores terão acesso “em breve” (sem data exata)
3. O modelo já está disponível para defensores via API

É uma estratégia que faz sentido, mas que também gera críticas. Quem define quem é “defensor”? Qual o critério de acesso? O Google não detalhou isso no anúncio.

Carbon vs Argon: o que mudou em duas semanas?

O Gemini 4 Argon saiu duas semanas antes do Carbon. Os dois são parte da família Gemini 4, mas com focos diferentes:

Argon foi o modelo de “lançamento geral”, focado em capacidades amplas: raciocínio, conversação, análise multimodal.

Carbon é o modelo especializado. Tudo que o Argon faz, o Carbon faz melhor, e com uma camada adicional de capacidades de segurança que o Argon simplesmente não tem.

Pense no Argon como o canivete suíço e no Carbon como o canivete suíço com uma lâmina extra de tungstênio. Faz tudo, mas aquela lâmina extra corta coisas que as outras não cortam.

As melhorias mais notáveis:

• Código seguro: 2x mais taxa de sucesso na geração de código sem vulnerabilidades
• Patches: 10x melhor em gerar patches de qualidade para bugs de segurança
• Engenharia: +8.1 pontos no Terminal-Bench 4.0
• Ciência: +11.9 pontos no Terminal-Bench-Science
• Confiabilidade: metade das afirmações sem suporte do Argon

Tarefas de longo horizonte: o Carbon não desiste

Uma das features mais impressionantes do Carbon é a capacidade de trabalhar em tarefas que duram dias. Não horas, dias. O Google reporta que times internos rodaram o modelo continuamente em problemas de engenharia complexos, e ele persistiu através de becos sem saída, tentando abordagens diferentes até encontrar a solução.

Isso é fundamentalmente diferente de como usamos modelos de IA hoje. A maioria das interações é “pergunta e resposta” em segundos. O Carbon foi projetado para ser um agente que recebe uma tarefa complexa (tipo “audite este repositório de 200k linhas para vulnerabilidades de SQL injection”) e trabalha nela autonomamente por tempo estendido.

Para empresas com dívida técnica de segurança acumulada por anos, isso é transformador. Em vez de contratar uma consultoria de pentest por semanas, você aponta o Carbon para o codebase e espera. O custo de $4/$20 por milhão de tokens, mesmo em tarefas longas, é uma fração do custo de um pentest humano.

Multimodal, mas texto primeiro

O Carbon aceita texto, imagem, vídeo e áudio como entrada, mas a saída é exclusivamente texto. Isso é relevante para quem esperava geração de imagens ou áudio: não é o foco aqui.

O que ele faz muito bem é analisar conteúdo multimodal. Você pode enviar uma screenshot de uma aplicação web e pedir análise de segurança. Pode enviar um diagrama de arquitetura e pedir revisão. Pode enviar um vídeo de uma demo e pedir que identifique potenciais problemas.

Para o dia a dia de um dev, o caso de uso mais prático é provavelmente: colar código + logs + screenshots de erro e deixar o Carbon diagnosticar. Com 1M de tokens de contexto, cabe muita coisa.

O que isso significa para o mercado

Com o Carbon, o Google volta ao topo dos rankings de IA depois de meses atrás de Anthropic e OpenAI. A estratégia é clara: em vez de competir apenas em “inteligência geral”, o Google apostou em um diferencial concreto (segurança) que nenhum concorrente priorizou com essa intensidade.

Para desenvolvedores, o impacto prático é:

• Code review automatizado fica exponencialmente mais útil. Um modelo que encontra vulnerabilidades com 88.2% de precisão é mais confiável que a maioria dos code reviews humanos para esse tipo de checagem.
• Pentesting assistido por IA ganha uma ferramenta nova e poderosa. 54.8% no ExploitGym significa que o modelo consegue explorar mais da metade das vulnerabilidades que encontra.
• Patch generation se torna viável em escala. Se o Carbon é 10x melhor que o melhor concorrente em gerar patches, empresas com centenas de CVEs pendentes agora têm um caminho.

O elefante na sala: e se os atacantes usarem?

A decisão de restringir acesso inicial é um reconhecimento tácito de um problema real: modelos muito bons em segurança ofensiva são armas de dois gumes. O ExploitGym não mede defesa, mede ataque. O SEC-bench Pro não mede patching, mede descoberta de falhas.

O Google está apostando que dar vantagem temporal aos defensores mitiga o risco. Mas quando o acesso for aberto ao público, essa vantagem desaparece. A questão é: o ecossistema de defesa terá se fortalecido o suficiente até lá?

Não existe resposta fácil. Mas é bom ver um lab de IA pelo menos pensando nessa dinâmica em vez de simplesmente soltar o modelo para o mundo e torcer para que dê tudo certo.

Como testar quando estiver disponível

Para quem vai usar o Carbon via API quando liberado para devs:

import google.generativeai as genai

genai.configure(api_key="SUA_API_KEY")
model = genai.GenerativeModel("gemini-4-carbon")

response = model.generate_content("""
Analise o seguinte código Python para vulnerabilidades de segurança.
Liste cada vulnerabilidade encontrada com severidade (CRITICAL/HIGH/MEDIUM/LOW),
CWE correspondente e patch sugerido.

import sqlite3
from flask import Flask, request

app = Flask(__name__)

@app.route('/user')
def get_user():
    user_id = request.args.get('id')
    conn = sqlite3.connect('app.db')
    cursor = conn.execute(f"SELECT * FROM users WHERE id = {user_id}")
    return str(cursor.fetchone())
""")

print(response.text)

O modelo aceita input multimodal, então você pode mandar screenshots junto:

import PIL.Image

image = PIL.Image.open("screenshot_app.png")

response = model.generate_content([
    "Identifique problemas de segurança visíveis nesta interface:",
    image
])

O preço promocional de $2/$10 por milhão de tokens torna experimentação barata. Para um code review de um arquivo médio (500 linhas), você gastaria centavos.

O veredito

O Gemini 4 Carbon é o primeiro modelo de IA que eu recomendaria especificamente para times de segurança sem nenhuma ressalva. Não é perfeito (54.8% no ExploitGym significa que ele falha em quase metade das explorações), mas é o melhor que existe por uma margem absurda.

Para desenvolvimento geral, ele compete muito bem com Claude Opus 5.5 e GPT-6 Astra, custando menos que o primeiro e performando melhor que ambos em segurança. Se seu fluxo de trabalho envolve code review, auditoria ou qualquer coisa relacionada a vulnerabilidades, o Carbon é o novo padrão.

O Google fez uma aposta clara: em vez de ser marginalmente melhor em tudo, ser drasticamente melhor em algo que importa. E com cibersegurança se tornando o gargalo de praticamente toda empresa tech, a aposta parece certeira.

Resta saber quando o acesso será liberado para mortais. Enquanto isso, se você trabalha com segurança, corra para pedir acesso. O modelo que caça bugs melhor que qualquer humano já está disponível para quem defende.

Fonte de inspiração: Gemini 4 Carbon: our next frontier model