Sıralamada yeni lider, erişim sınırlı
Google, Artificial Analysis Intelligence Index v5.0'da 59 puan alan ve yazılım açıklarını bulma, sınama ve düzeltme konusunda güçlü sonuçlar kaydeden Gemini 4 Carbon adlı yapay zekâ modelini duyurdu. Modelin ilk kullanıcıları genel kamuoyu değil, seçilmiş siber güvenlik savunucuları olacak.
İçindekiler
- Sıralamada yeni lider, erişim sınırlı
- Siber güvenlik puanları neyi ölçüyor?
- Birinci sırada olmak her görevde kazanmak demek değil
- Tek seferlik yanıtlar yerine günlerce çalışma
- Güvenlik testlerinde hile girişimleri ile başarılı hileler ayrılıyor
- Şirket içi güvenilirlik artarken harici bir ölçüm geriliyor
- Erişimi kim, hangi sırayla alacak?
- Carbon geliştiricilere ne kadara mal olacak?
- Öne Çıkanlar
Şirketin 28 Ekim 2026 tarihli Gemini 4 Carbon duyurusu, modelin bu genel yetenek endeksinde Claude Opus 5.5 ve GPT-6 Astra'nın önüne geçtiğini belirtiyor. Lansman, Gemini 4 Argon'dan yalnızca iki hafta sonra geldi. Böylece birçok kullanıcı önceki modeli tanımaya pek fırsat bulamadan Google bir başka amiral gemisi modelini piyasaya sürdü.
Google DeepMind'ın kıdemli başkan yardımcısı ve Google'ın baş yapay zekâ mimarı Koray Kavukcuoglu, modelin öne çıkan özelliklerini şöyle anlattı:
Gemini 4 Carbon, siber güvenlikte son teknoloji yeteneklere ve uzun ufuklu kabiliyetlere sahip en güçlü modelimiz.
Google, şirket içi ekiplerinin Carbon'ı incelikli hataları bulma ve büyük yazılım projelerinde düzeltmeler üretme gibi zorlu mühendislik görevlerinde günler boyunca çalışırken gözlemlediğini söylüyor. Güvenlik ekipleri için bu, yalnızca bir yanıt önerip duran değil, tekrarlanan başarısız denemelere rağmen sorunla ilgilenmeye devam edebilen bir yardımcı anlamına geliyor.
Carbon'ın lansmanı pratik bir ikilemi de ortaya koyuyor. Yazılım zafiyetlerini keşfetme ve bunlardan yararlanma becerisi, savunma ekiplerinin sistemleri onarmasına yardımcı olabilir; ancak saldırganlara da işe yarar yetenekler sağlayabilir. Google, yayımdan önce ABD hükümetinin gönüllü test sürecine katılıyor ve erişimi Fairwind Programı aracılığıyla kademeli olarak genişletecek.
Sonuçlar bir arada değerlendirildiğinde en anlamlı tablo ortaya çıkıyor: Carbon, kapsamlı bir zekâ endeksinde ve çeşitli güvenlik testlerinde önde olsa da bazı kodlama görevlerinde rakiplerinin gerisinde kalıyor. Google'ın şirket içi güvenilirlik iyileştirmelerine, Argon'a kıyasla uydurma yanıt oranının arttığı harici bir test de eşlik ediyor.
Siber güvenlik puanları neyi ölçüyor?
Google, güvenlik alanında üç temel sonuç bildiriyor: SEC-bench Pro'da %88,2, ExploitGym'de %54,8 ve Collinear'ın CWE-bench testinde %71,0. Bu testlerin her biri savunma ekiplerinin işinin farklı bir yönünü ölçüyor.
SEC-bench Pro, bir modelin gerçek yazılımlardaki zafiyetleri bulup bulamadığını sınar. Zafiyet, birinin bilgilere erişmesine, sistemi değiştirmesine veya işleyişini aksatmasına olanak tanıyabilecek bir zayıflıktır. Google, Carbon'ın yazılımların içinde gizlenmiş karmaşık kusurları ortaya çıkararak bu değerlendirmede öne geçtiğini söylüyor.
ExploitGym bir sonraki adımı, yani bir zayıflığı çalışan bir istismara dönüştürmeyi ölçüyor. İstismar, bir kusurdan yararlanarak sistemin amaçlanmayan biçimde çalışmasını sağlayan bir yöntemdir. Güvenlik ekipleri, hangi zayıflıkların acil tehlike oluşturduğunu ve önce onarılması gerektiğini belirlemek için kontrollü istismar testleri yapar.
CWE-bench, alttaki sorunu gideren kodu yazma, başka bir deyişle yama hazırlama becerisini ölçer. Carbon'ın %71,0'lık puanı, yalnızca şüpheli kodu işaret etmek yerine onarımı tamamlamaya odaklanıyor.
Google, bu harici siber güvenlik ölçütlerinin güvenlik korkulukları olmadan çalıştırıldığını belirtiyor. Başka bir deyişle, kullanıma sunulan bir modelin eylemlerini sınırlayan koruyucu kısıtlamalar bu değerlendirmeler sırasında etkin değildi. Puanlar, modelin bu test koşullarındaki performansını gösteriyor; Google ürünleri üzerinden erişimde ise güvenlik denetimleri uygulanacak.
Google ayrıca şirket içi ölçütlerde güvenli kod üretme başarısının Argon'ın iki katından fazla olduğunu bildiriyor. Chrome ekibine göre Carbon, ismi açıklanmayan rakip bir laboratuvarın büyük ölçekli sınır modeline kıyasla yüksek kaliteli yamalar üretmede 10 kattan fazla iyi performans gösterdi. Güvenli kod üretimine ilişkin bu şirket içi bulgular henüz bağımsız olarak tekrarlanmadı ve Google karşılaştırmadaki rakip modelin hangisi olduğunu açıklamıyor.
Birinci sırada olmak her görevde kazanmak demek değil
Artificial Analysis, Carbon'a Intelligence Index v5.0'da 59 puan veriyor. Claude Opus 5.5 58, GPT-6 Astra ise 57 puan alıyor. Böylece Carbon, Opus'u bir, Astra'yı iki puanla geride bırakıyor. Bu fark, Google'ın en güçlü siber güvenlik karşılaştırmalarındaki farktan daha dar.
Endeks, dokuz değerlendirmeyi bir araya getiriyor ve Carbon bunların dördünde lider: HLE-Diamond, TB-Science, AA-Omniscience ve AutomationBench. Artificial Analysis, güncellenen endeksin %60'ında, soruları kamuya açık olmayan özel testlerin kullanıldığını belirtiyor.
Kodlama sonuçları daha karmaşık bir tablo ortaya koyuyor. Google'ın Antigravity CLI aracıyla kullanılan Carbon, Coding Agent Index'te 59 puan alırken Opus 5.5 ile Claude Code 62 puana ulaşıyor. Kodlama ajanı, dosyaları incelemesine, komutları çalıştırmasına ve yazılımı düzenlemesine olanak tanıyan araçlarla bir modeli bir araya getiriyor. Dolayısıyla kullanılan araçlar da sonucu etkiliyor.
Carbon, FrontierCode v1.1'de %51 puanla Opus'un (%56) gerisinde kalıyor. FrontierSWE'de ise %61,2'ye ulaşıyor. GPT-6 Astra %65,5, Opus 5.5 %62,3 ve Sonnet 5.5 %61,9 puan alıyor. Bu karşılaştırmalar, geliştiricilere genel sıralamanın yanı sıra kendi işlerine en yakın görevlere de bakmaları için somut bir neden sunuyor.
Web geliştirme de ilerleme kaydedilen alanlardan biri. Google'ın duyurusuna göre Carbon, 89 puanlık artışla WebDev Arena'da 1.768 Elo puanına ulaşıp dördüncü sırada yer alıyor. Elo, karşılaştırmalı performansa dayalı bir derecelendirme sistemi. Carbon, Text Arena'da 1.528 puanla birinci, Agent Arena'da ise ikinci sırada yer alarak güvenlik dışındaki alanlarda da güçlü performans gösteriyor.
Tek seferlik yanıtlar yerine günlerce çalışma
Google, Carbon'ı yapay zekâ sisteminin bir hedef doğrultusunda bir dizi eylemi yerine getirdiği uzun süreli ajan iş akışları için tasarladı. Yazılım mühendisliğinde bu, bir projeyi incelemek, hata için olası bir açıklama oluşturmak, kodu değiştirmek, testleri çalıştırmak ve testler başarısız olduğunda düzeltmeyi gözden geçirmek anlamına gelebilir.
Google'ın şirket içi ekipleri, Carbon'ın büyük kod tabanlarını ve düşük seviyeli sistemleri kapsayan karmaşık görevlerde günlerce çalışmayı sürdürdüğünü söylüyor. Şirket, modelin çıkmazlara rağmen devam edebildiğini belirtiyor. İlk makul görünen açıklamanın yanlış çıktığı durumlarda bu önemli bir özellik.
Bildirilen teknik özellikler arasında bir milyon token'lık bağlam penceresi ve en fazla bir milyon token'lık çıktı yer alıyor. Token'lar, modelin işlediği küçük metin parçalarıdır. Bağlam penceresi, talimatlar ve görev için sağlanan materyaller dâhil olmak üzere modelin aynı anda değerlendirebildiği içerik miktarıdır.
Carbon'ın metin, görsel, video ve konuşma girdilerini kabul ettiği, metin çıktısı ürettiği bildiriliyor. Bu sayede tek bir iş akışına yazılı bir hata raporu, ekran görüntüsü ve yazılımın beklenmedik davranışını gösteren bir kayıt dâhil edilebilir.
Kodlama dışındaki performans değişkenlik gösteriyor. Carbon, bilgi işi değerlendirmesi AA-Briefcase'te 1.609 Elo puanına ulaşarak Argon'a kıyasla 126 puan yükseliyor; ancak Grok 4.7, Muse Wonder ve Kimi K3.1 Pro'nun gerisinde kalıyor. Vals Index'te ikinci, Finance Index ve Legal Research Benchmark'ta birinci sırada yer alıyor. Sonuçların çeşitliliği, şirketlerin yazılım onarımı, belge analizi veya başka bir özel görev için model seçerken ihtiyaçlarını dikkate alması gerektiğini gösteriyor.
Güvenlik testlerinde hile girişimleri ile başarılı hileler ayrılıyor
Google, Terminal-Bench 4.0'da başarılı hile oranının %0,0, hile girişimi oranının ise %0,4 olduğunu bildiriyor. Bu iki sayı farklı davranışları tanımlıyor: Modelin uygunsuz bir kestirme yola başvurmayı deneyip denemediğini ve bu girişimin başarılı olup olmadığını.
Google, Carbon'ın bu kestirme yollara başvurmayı azaltırken görev doğruluğunu da artırdığını söylüyor. Şirketin kendi ekipleriyle yürüttüğü canlı kodlama çalışmalarında, amaçlanan davranıştan ciddi sapmalara ilişkin uyarılar yaklaşık %80 azaldı.
İstem enjeksiyonu da odaklanılan bir başka konu. Bu saldırıda, yapay zekânın okuması beklenen bir web sayfası veya dosya gibi materyallerin içine talimatlar yerleştirilerek model kullanıcının görevinden saptırılmaya çalışılır. Bir projeyi inceleyen yardımcı, talimatlarını yok saymasını veya bilgi açıklamasını söyleyen metinlerle karşılaşabilir.
Carbon, Gray Swan'ın Indirect Prompt Injection Benchmark testinde %0,0 saldırı başarı oranı kaydetti. Karşılaştırma değerleri Argon için %0,7, Claude Opus 5.5 için %1 ve GPT-6 Astra için %8,5 oldu. Google'ın sonucu, bu testte değerlendirilen tüm saldırı girişimlerinin engellendiği anlamına geliyor.
Google, Carbon'ın model eğitimini kötüye kullanımı önlemeye yönelik çalışma zamanı savunmaları, istem enjeksiyonuna karşı direnç ve akıl yürütme sürecinin izlenmesiyle birleştirdiğini söylüyor. Başlangıçtaki kısıtlı kullanıma sunma süreci, seçilmiş savunma ekipleri modeli kullanırken şirketin geri bildirim toplamasına ve korumaları ayarlamasına olanak tanıyacak.
Şirket içi güvenilirlik artarken harici bir ölçüm geriliyor
Google, şirket içi testlerde Carbon'ın desteklenmeyen iddiaları Argon'a kıyasla yaklaşık yarı yarıya azalttığını söylüyor. Şirket, kanıt eksikliğini açıklama, tamamlanmamış gereksinimleri sıralama ve harekete geçmeden önce çelişkili bilgileri işaretleme olasılığı daha yüksek bir model tanımlıyor.
Google ayrıca aşırıya kaçmada %26, eksik hizmet sunmada ise %29 azalma bildiriyor. Günlük ifadeyle şirket, Carbon'ın kullanıcının talimatlarının dışına çıkma ve istenen işi tamamlamadan durma olasılığının daha düşük olduğunu belirtiyor.
Artificial Analysis'ın Omniscience değerlendirmesi farklı bir değişime işaret ediyor: Carbon'ın halüsinasyon oranı, Argon'daki %4'ten %11'e yükseliyor. Halüsinasyon, uydurma veya yanlış bilgilerin gerçekmiş gibi sunulduğu bir yanıttır. Buna rağmen Carbon, bu karşılaştırmada ölçülen en düşük ikinci orana sahip. Opus 5.5 ve Astra'nın oranı ise %50.
Halüsinasyon oranı yükselmesine rağmen Carbon, Omniscience değerlendirmesinde 54 puanla lider. Bir model, daha önce yanıtlamaktan kaçındığı soruları yanıtlamaya çalışırken daha fazla hata yapabilir; buna karşın daha fazla soruyu doğru yanıtlayarak genel performansını artırabilir. Google'ın desteklenmeyen iddialara ilişkin şirket içi ölçümü ile harici halüsinasyon ölçümü farklı değerlendirmeler kullanıyor. Bu nedenle kullanıcıların dikkate alması gereken iki ayrı güvenilirlik sonucu bulunuyor.
Bir güvenlik ekibinin işinin bir parçası da sonuçları kontrol etmektir. İddia edilen bir zafiyet incelenmeli, önerilen bir yama ise değiştirdiği yazılıma karşı test edilmelidir. Google'ın açıkladığı iyileştirmeler, yardımcının başarıya erken ulaştığını öne sürebileceği veya istenen kapsamın dışına çıkabileceği tam da bu anları hedefliyor.
Erişimi kim, hangi sırayla alacak?
Google, 28 Ekim'deki duyuru haftasında bir grup siber güvenlik savunucusunun Carbon'a erişeceğini söylüyor. Daha sonra Fairwind aracılığıyla ek güvenilir iş ortaklarına kademeli erişim sağlanacak; bunu Google ürünleri üzerinden geliştiriciler, işletmeler ve tüketicilere açılma izleyecek.
Duyurulan sıra şöyle:
- Carbon'dan yaklaşık iki hafta önce: Google, daha sonra Gemini uygulamasında ve yapay zekâ destekli arama modunda kullanıma sunulan Gemini 4 Argon'ı piyasaya sürdü.
- 28 Ekim 2026: Google, Carbon duyurusunu ve kıyaslama sonuçlarını yayımladı.
- 28 Ekim haftası: Seçilmiş siber güvenlik savunucuları erişim almaya başladı.
- Sonraki aşamalar: Google, daha geniş ürün erişiminden önce Fairwind aracılığıyla erişimi genişletecek.
Google, modellerin piyasaya sürülmeden önce test edilmesine yönelik ABD hükümetinin gönüllü sürecine katılıyor. Şirketin duyurusunda Carbon'ın geniş çapta kullanıma açılacağı tarih veya tanıtım fiyatlandırmasının ne zaman sona ereceği belirtilmiyor.
AI Ultra aboneleri ve Gemini API geliştiricilerinin ilk müşteriler arasında olabileceği öne sürülüyor. Ancak Google'ın yayımladığı erişim planı, sıralamayı doğrulamak yerine geliştiriciler, işletmeler ve tüketiciler gibi daha geniş grupları adlandırıyor.
Erişime önce savunucularla başlama kararı, yapay zekânın kötü amaçlarla kullanılmasına ilişkin endişelerin arttığı bir döneme denk geliyor. Google'ın tehdit araştırmacıları, İran, Kuzey Kore, Rusya ve Çin destekli grupların Gemini'yi çoğunlukla araştırma ve kodlama desteği için deneyerek kullandığını belgeledi. DeepMind Başkanı Demis Hassabis, yakın zamanda yaşanan yapay zekâ ajanı saldırılarını erken uyarı atışları olarak nitelendirdi.
Carbon geliştiricilere ne kadara mal olacak?
Carbon'ın API için tanıtım fiyatı, Argon'ın lansman fiyatıyla aynı: bir milyon girdi token'ı başına 2 dolar, bir milyon çıktı token'ı başına 10 dolar. API, geliştiricilerin modeli kendi yazılımlarına bağlamasını sağlar. Girdi, Carbon'a gönderilen materyal; çıktı ise modelin ürettiği içeriktir.
Tanıtım dönemi sona erdikten sonra listelenen fiyatlar iki katına çıkarak bir milyon girdi token'ı başına 4 dolara, bir milyon çıktı token'ı başına 20 dolara yükselecek. Bir milyon girdi ve bir milyon çıktı token'ı kullanan bir görev, önbellekleme veya diğer ayarlamalar hesaba katılmadan tanıtım fiyatlarıyla 12 dolara, standart fiyatlarla 24 dolara mal olur.
Google, önbelleğe alınmış girdilerde %95 indirim uygulandığını söylüyor. Önbellekleme, bir hizmetin daha önce işlediği materyalleri yeniden kullanmasını sağlayarak aynı büyük belgeyi veya yazılım projesini tekrar tekrar göndermenin maliyetini düşürebilir. İndirim uygulandığında, önbelleğe alınmış bir milyon girdi token'ının maliyeti tanıtım fiyatında 0,10 dolar, standart fiyatta ise 0,20 dolar olur.
Gerçek harcama, modelin bir görevi tamamlamak için ne kadar metin ürettiğine de bağlı. Artificial Analysis, Carbon'ın endeks başına görev maliyetini 7,76 dolar olarak listeliyor. Opus 5.5 için bu tutar 10,04, GPT-6 Astra içinse 6,25 dolar. Carbon, bu değerlendirmede görev başına yaklaşık 123 bin çıktı token'ı kullanıyor; bu, Opus'tan %29 daha az.
Diğer iş yüklerinde farklı bir tablo ortaya çıkabilir. Vals, Carbon'ın Argon'dan %64 daha fazla çıktı token'ı ürettiğini kaydediyor. Artışın çoğu finans, vergi ve hukuk görevlerinde görülüyor. Bu nedenle Carbon için bütçe ayıran geliştiricilerin hem token fiyatlarını hem de modelin her görevde yaptığı iş miktarını hesaba katması gerekecek.
Öne Çıkanlar
- Gemini 4 Carbon, Artificial Analysis Intelligence Index v5.0'da 59 puanla lider. Opus 5.5 58, GPT-6 Astra ise 57 puan alıyor.
- Google, zafiyet bulma testinde %88,2, istismar testinde %54,8 ve yama hazırlama testinde %71,0 güvenlik puanı bildiriyor.
- Carbon, çeşitli kodlama değerlendirmelerinde rakip model ve araç birleşimlerinin gerisinde kalıyor.
- Google, Terminal-Bench 4.0'da başarılı hile olmadığını, Gray Swan'ın değerlendirilen istem enjeksiyonu testinde ise başarılı saldırı gerçekleşmediğini bildiriyor.
- Desteklenmeyen iddialar şirket içi testlerde yaklaşık yarı yarıya azalırken harici halüsinasyon ölçümü Argon'ın %4'ünden Carbon'da %11'e yükseliyor.
- Erişimi önce seçilmiş siber güvenlik savunucuları alacak; daha geniş kullanıma açılmadan önce Fairwind üzerinden erişim genişletilecek.
- API'nin tanıtım fiyatları bir milyon girdi token'ı başına 2 dolar, bir milyon çıktı token'ı başına 10 dolar; daha sonra bu tutarlar 4 ve 20 dolara yükselecek.






