Klaim kuat, tetapi pembuktian masih bertahap
Gemini 4 Carbon adalah model kecerdasan buatan terbaru Google, yang dirancang untuk pemrograman, tugas kompleks jangka panjang, dan pertahanan keamanan siber. Google memperkenalkannya sebagai AI Google paling kuat hingga kini, sebuah klaim ambisius yang menarik perhatian karena model ini diarahkan bukan hanya untuk menjawab pertanyaan, tetapi juga menyelesaikan pekerjaan teknis bertahap. Dalam Artificial Analysis Intelligence Index versi 5.0 yang diperbarui, Carbon menempati peringkat pertama dengan skor 59. Angka itu memberi gambaran tentang performa umum, tetapi belum cukup untuk membuktikan bahwa model akan selalu unggul dalam situasi nyata. Perbedaan itu penting: benchmark mengukur kemampuan pada pengujian tertentu, sementara pekerjaan rekayasa perangkat lunak menuntut ketepatan, konsistensi, dan pengawasan manusia. Karena itu, klaim Google layak diperhatikan, tetapi sebaiknya dibaca sebagai janji yang masih perlu diuji secara luas.
Keamanan siber menjadi ujian paling tajam
Sorotan utama Gemini 4 Carbon adalah keamanan siber AI: model ini diuji untuk menemukan kerentanan, mencoba mengeksploitasi celah, lalu membantu memperbaikinya. Hasil yang disampaikan Google tampak kuat, terutama pada deteksi. Carbon meraih 88,2% dalam SEC-bench Pro untuk menemukan kerentanan, 54,8% dalam ExploitGym untuk menguji eksploitasi, dan 71% dalam CWE-bench untuk memperbaiki celah. Laporan yang membahas hasilnya sama-sama menonjolkan angka-angka tersebut, sehingga inti klaimnya konsisten. Namun, kemampuan mengeksploitasi celah bukan manfaat yang otomatis aman: konteks penggunaan dan pembatasan akses menjadi sama pentingnya dengan skor. Google menyatakan Carbon meningkatkan keberhasilan pembuatan kode aman lebih dari dua kali lipat dibandingkan Gemini 4 Argon, sedangkan tim Chrome melaporkan kemampuan membuat tambalan berkualitas tinggi lebih dari 10 kali lipat dibanding model AI frontier dari laboratorium lain. Keduanya adalah klaim internal yang menjanjikan, bukan jaminan bahwa setiap keluaran bebas risiko.
Dirancang untuk pekerjaan yang tidak selesai dalam satu perintah
Kemampuan Gemini tidak berhenti pada pemeriksaan keamanan. Google mengatakan Carbon dikembangkan untuk pekerjaan rekayasa perangkat lunak rumit yang membutuhkan waktu panjang, termasuk menelusuri akar masalah dan memperbaiki bug tersembunyi di basis kode besar serta sistem tingkat rendah. Tim internal melaporkan model dapat bekerja selama berhari-hari untuk menyelesaikan tugas secara bertahap. Jika kemampuan ini bertahan di luar pengujian internal, dampaknya bagi pengembang bisa berarti lebih sedikit pekerjaan rutin untuk memilah masalah dan lebih banyak waktu untuk meninjau keputusan teknis. Carbon juga naik 89 poin Elo hingga menempati peringkat keempat di WebDev Arena, dengan skor 1.768. Di sini, kedua laporan menambahkan rincian yang saling melengkapi: satu menekankan pekerjaan jangka panjang dan keamanan kode, sedangkan laporan lainnya lebih terperinci soal tugas bertahap serta hasil WebDev Arena. Gambaran akhirnya adalah model yang mengincar alur kerja teknis utuh, bukan sekadar pembuatan potongan kode.
Akses terbatas adalah keputusan yang masuk akal
Google tidak langsung membuka Gemini 4 Carbon untuk semua pengguna. Mulai pekan ini, model tersebut akan tersedia lebih dahulu bagi sebagian tim pertahanan siber, lalu diperluas kepada mitra melalui program Fairwind. Google juga mengikuti pengujian sukarela sebelum peluncuran bersama pemerintah Amerika Serikat dan menyatakan akan mengumpulkan masukan serta menyempurnakan mekanisme pengaman sebelum akses diperluas ke pengembang, bisnis, dan konsumen. Langkah bertahap ini masuk akal mengingat model dapat membantu menemukan sekaligus menguji celah keamanan. Bagi pengguna biasa, manfaatnya belum langsung terasa; akses lebih luas baru direncanakan setelah proses evaluasi dan penyempurnaan. Pada tahap ini, Carbon lebih relevan bagi tim teknis daripada sebagai fitur konsumen yang bisa segera dicoba. Kesimpulannya, Gemini 4 Carbon tampak sebagai lompatan penting dalam ambisi pemrograman dan keamanan Google, tetapi klaim terkuatnya masih perlu dibuktikan melalui penggunaan lebih luas, transparansi pengujian, dan pengamanan yang memadai.
