Gemini 4 Carbon: cosa cambia rispetto a Gemini 4 Argon e cosa significa per le aziende

Cos'è Gemini 4 Carbon e cosa promette Google?

Gemini 4 Carbon è il modello che Google presenta come il suo più forte: nell'annuncio firmato da Koray Kavukcuoglu lo descrive come "our strongest model with state-of-the-art cybersecurity and long horizon capabilities". È arrivato circa due settimane dopo Gemini 4 Argon, disponibile per tutti dal 13 ottobre.

Google punta su due capacità.

• Sicurezza informatica: generare patch di qualità e scrivere codice che non introduca falle, secondo i test riportati da Google.
• Compiti lunghi: secondo Google, i suoi team hanno visto Carbon "run for days" su compiti di ingegneria complessi e in più passaggi. È un'affermazione del fornitore: secondo The Register, per le capacità più critiche non sono citati benchmark indipendenti.

L'annuncio non cita Vertex AI, Gemini Enterprise o AI Studio, e non indica la finestra di contesto. Chi pianifica un progetto oggi lavora con informazioni parziali.

Cosa cambia rispetto a Gemini 4 Argon, secondo i dati di Google?

Secondo Google, Carbon sbaglia meno di Argon nel comportamento e produce codice più sicuro. I numeri che seguono vengono dall'annuncio di Google e nessuno li ha verificati in modo indipendente.

Il dato dello 0,7% di Argon compare anche nell'annuncio di Argon.

Per un'azienda i dati più utili sono overreach e under-service. Un agente che fa più di quanto chiesto, per esempio modificando un record che doveva solo leggere, è un rischio concreto. Uno che fa meno lascia lavoro a metà.

Il "più di 10 volte meglio" citato dal team Chrome non riguarda Argon: confronta Carbon con "another lab's large frontier model" nella generazione di patch, senza dire quale.

Sul contesto ci sono solo indizi: Argon ha un limite unificato di 1 milione di token, e Artificial Analysis indica 1 milione anche per Carbon. Google non lo ha confermato.

Cosa dicono i benchmark indipendenti su Gemini 4 Carbon, e cosa non dicono?

Gemini 4 Carbon è primo nell'Artificial Analysis Intelligence Index v5.0 con 59 punti (consultato il 30 ottobre 2026). Su WebDev Arena sale al quarto posto con 1768 punti, e nella categoria "Best Overall Agent" di Arena.ai è secondo dopo Claude Opus 5.5, secondo The Register.

Due dati di Artificial Analysis contano più della classifica per chi deve usarlo in un processo:

• Tempo al primo token di 103,54 secondi, con una velocità di generazione di 82,5 token al secondo. Un'attesa di oltre un minuto e mezzo lo rende poco adatto alla chat con i clienti e agli usi in tempo reale.
• Costo per eseguire l'indice di 7,76 $: il costo di un compito dipende da quanti token il modello usa, non soltanto dal listino.

Restano scoperte proprio le capacità su cui Google punta: su sicurezza informatica e compiti di più giorni, per ora, ci sono solo i dati del fornitore.

Chi può usare Gemini 4 Carbon oggi, e quanto costerà?

Oggi Gemini 4 Carbon non è disponibile in generale per le aziende. Secondo Google, l'accesso è aperto prima a un gruppo di specialisti di sicurezza e poi ad altri partner fidati tramite il Fairwind Program. Per sviluppatori e aziende Google scrive solo "soon", senza date. Carbon non compare nella pagina prezzi della Gemini API, e Artificial Analysis lo segna come "No publicly available API".

Il prezzo è già annunciato: lo stesso prezzo introduttivo di Argon, 2 $ in ingresso e 10 $ in uscita per milione di token, con il 95% di sconto sui token in cache, poi 4 $ e 20 $. Google non indica quando finisce il periodo introduttivo. Per Argon invece le date ci sono:

Fonte: pagina prezzi della Gemini API, consultata il 30 ottobre 2026. I listini cambiano: vanno ricontrollati prima di ogni stima.

Rincari e opzioni di sconto sono analizzati nell'articolo sui prezzi delle API di Gemini.

Il prezzo per token è solo una parte del costo. Google fattura "every token the model processes", compresi quelli di ragionamento. Secondo Trending Topics, nei test di Artificial Analysis Argon produceva in media 62.000 token per compito, contro 27.000 di GPT-6 Astra. Per un modello che lavora a lungo, il costo reale va misurato sui token consumati per compito.

Quali dati passerebbero da Google usando Carbon nei processi aziendali?

Le condizioni sui dati di Gemini 4 Carbon non sono ancora pubblicate. Come riferimento valgono quelle attuali della Gemini API e di Vertex AI, da ricontrollare al rilascio.

Sulla Gemini API a pagamento, i termini di servizio dicono che prompt e risposte non vengono usati per migliorare i prodotti, ma vengono registrati "for a limited period of time" per individuare abusi. Dal 26 ottobre 2026, nei nuovi progetti le richieste vengono salvate di default e i log sono attivi di default per 55 giorni, riducibili a 7, 14 o 28. Per la conservazione zero servono store=false, la cancellazione dei file caricati e nessuna cache esplicita.

Su Google Cloud, Argon è stato annunciato su endpoint global, senza menzione di regioni UE. Per Carbon andrà verificato dove gira prima di inviargli dati personali o riservati. L'elenco dei controlli è nella guida alle impostazioni privacy delle API AI.

Per quali processi aziendali ha senso aspettare Carbon, e dove bastano Argon o un modello più piccolo?

Carbon è pensato per compiti lunghi, tecnici e di sicurezza. Per la maggior parte dei flussi aziendali esistono già modelli disponibili e più economici.

Dove può valere l'attesa. Revisione del codice, generazione di patch e agenti che devono lavorare a lungo su compiti in più passaggi, cioè le due capacità di punta indicate da Google.

Dove basta Argon, già oggi. Google Cloud cita ServiceNow, che lo usa per help desk di primo livello, HR e assistenza clienti.

Dove può bastare un modello più piccolo. Classificare email, estrarre dati da ordini e smistare richieste. Gemini 3.8 Flash costa 0,75 $ in ingresso e 3,75 $ in uscita fino al 31 dicembre 2026, poi 1,50 $ e 7,50 $: va provato sui propri dati. Il metodo è nell'articolo sui modelli AI piccoli o di frontiera.

Dove i dati non devono uscire. Per documenti riservati o dati personali che l'azienda non vuole affidare a terzi, il primo posto in classifica non cambia la valutazione: l'opzione resta un modello open-weight sui server aziendali, eventualmente affiancato a un modello di frontiera per il resto del flusso.

C'è poi il rischio di dipendere da un modello che cambia con poco preavviso. Google ha spento il Deep Research Agent in anteprima 15 giorni dopo l'avviso, e la pagina delle deprecazioni indica le date di spegnimento come "the earliest possible dates". Approfondimento sul vendor lock-in nell'AI.

Da dove partire mentre Gemini 4 Carbon non è ancora disponibile?

Conviene usare l'attesa per misurare quanto consuma il processo, prima di scegliere il modello.

1. Elencare i processi in cui oggi un modello di frontiera non basta. Solo quelli sono candidati a Carbon.
2. Misurare su Argon i token per compito, ragionamento compreso, e calcolare il costo al prezzo pieno di 4 $ e 20 $.
3. Controllare le impostazioni dei progetti Gemini creati dal 26 ottobre, dove i log sono attivi di default.
4. Tenere l'integrazione indipendente dal modello, così che prompt, test e collegamenti a ERP e CRM possano passare ad Argon, Carbon, un altro fornitore o un modello in locale cambiando solo la configurazione.

Se vuoi fare questi conti sui tuoi processi, partiamo dalla valutazione iniziale: decidiamo insieme quali passaggi affidare a un modello di frontiera, quali a uno più piccolo e quali tenere in azienda. Trovi come lavoro con i modelli di frontiera in azienda e nella consulenza sui processi. Se per alcuni passaggi serve un modello in locale, server e software si possono fornire già configurati; dove Argon, o Carbon quando arriverà, fa meglio il lavoro, te lo dico chiaramente.