GoogleInteligência artificialSegurança

Google libera Gemini 4 Carbon: programação, times de agentes de IA e validação do Signal

Tela de computador com codigo-fonte de software durante trabalho de programacao

Em 10 de novembro de 2026, o Google liberou o Gemini 4 Carbon — seu modelo de IA mais avançado, acima do Gemini 4 Argon apresentado em outubro — para o público geral e para empresas. O foco declarado é programação complexa e orquestração de times de agentes de IA, com preço de entrada agressivo de US$ 2 por milhão de tokens de entrada. Para times de desenvolvimento e de segurança que já usam IA no dia a dia, a novidade mexe com custo, capacidade de longo prazo — e com o nível de confiança que se pode depositar em código gerado ou auditado por modelo.

Acesso e preço

Para desenvolvedores, o modelo chega pela API no Google AI Studio, no Android Studio e no Gemini for Business, a US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída (cerca de R$ 10 e R$ 53). O valor, porém, é promocional: deve dobrar após o fim de novembro. Mesmo assim, segundo o The Verge, o custo deve permanecer inferior ao dos modelos GPT-6 Astra e Fable 5.2.

Para o público geral, o acesso está sendo liberado no app do Gemini, no Modo IA da Busca e no Google Antigravity apenas para assinantes do Google AI Ultra, que custa a partir de R$ 779,90 por mês.

Times de agentes: o comando /swarm

A principal novidade para equipes é o comando /swarm, disponível inicialmente no Google Antigravity: uma mesma tarefa é distribuída entre vários agentes de IA que trabalham coordenados. O Carbon assume o que exige raciocínio mais complexo — planejamento de arquitetura, decisões de projeto — enquanto tarefas menores ficam com modelos mais rápidos. Nas demonstrações do Google DeepMind, os agentes desenvolveram uma biblioteca de interfaces gráficas em Rust durante a madrugada e criaram um jogo 3D com Three.js simulando o campus da empresa.

Segundo o Google, o Carbon usa mais tokens que o Argon, mas mantém ciclos prolongados de verificação: analisa alternativas, revisa resultados intermediários e se autocorrige — perfil desejado para auditorias de sistemas e investigações multietapas.

Validação da criptografia do Signal

O caso de uso mais comentado não veio do Tecnoblog, mas do próprio Google DeepMind: com o framework AlphaProof Code, agentes rodando no Gemini 4 Carbon verificaram formalmente propriedades de segurança do código do protocolo Signal (a implementação de referência libsignal), incluindo o handshake pós-quântico PQXDH e o Triple Ratchet. Foram cerca de 6,5 milhões de linhas de provas em Lean (linguagem de verificação matemática), produzidas em quatro semanas — trabalho que historicamente levaria anos de equipes especialistas.

É a primeira vez que o código de produção de um protocolo criptográfico amplamente usado é verificado formalmente nesse nível — com ou sem IA. Para validar o método, os pesquisadores reinstroduziram dois bugs antigos já corrigidos: o sistema gerou provas verificadas de que as versões adulteradas eram inseguras. Ehren Kret, CTO do Signal, afirmou que o trabalho “é um grande avanço” e dá mais confiança às garantias de privacidade do protocolo.

Ressalvas importantes: a verificação cobre o binário AArch64 do libsignal (v0.105.4) executado por um harness de linha de comando, não os aplicativos finais do Signal; canais laterais ficaram fora do escopo, assim como geração de chaves e conversas em grupo. As provas e especificações foram publicadas no GitHub do Google DeepMind.

Segurança do próprio modelo

O Google também reporta testes internos de segurança: 100% de sensibilidade na detecção de ameaças no Project Fortify (programa interno de identificação de vulnerabilidades), bloqueio de 99% das tentativas de intrusão em simulações, nenhuma vitória de ataque de injeção de prompt nos testes e 92% de sucesso em testes de honestidade (quando o modelo seria induzido a inventar resultados). São números de avaliação do próprio fabricante, em ambientes controlados — não garantem resistência a todos os ataques do mundo real.

O que muda para times de dev e segurança

  • Custo de entrada baixo, mas temporário: quem for dimensionar uso de agentes em código deve simular o preço cheio, que dobra após novembro.
  • Orquestração multiagente vira recurso de produto: revisão humana continua essencial — no caso do Signal, os agentes marcaram 1% do código para revisão humana, e todo o resto só é aceito com verificação automática (Lean). É um bom modelo para adotar internamente: prova de máquina, decisão de gente.
  • Validação formal ficou mais acessível: para times de segurança, verificar propriedades críticas (em vez de apenas caçar bugs) começa a sair do campo acadêmico; vale acompanhar as ferramentas que o Google sinalizou integrar a agentes de código, Project Zero e CodeMender.
  • Ceticismo de praxe: benchmarks de modelo são do fabricante, e a verificação do Signal cobre uma build específica. Ao adotar IA em fluxos críticos, exija escopo claro do que foi validado — e por quem.

Fontes e ressalvas

Conferido em: Tecnoblog, blog do Google DeepMind, Axios e The New Stack (consulta em 11/11/2026). Preços em dólar conforme divulgação; conversões em reais aproximadas.

Imagem: “Coding Shots”, por Matthew (WMF) / Wikimedia Commons (CC BY-SA 3.0).

Artigos relacionados

A IA está engolindo os cheques de venture capital

galdino.ws

O aviso do veterano do Vale do Silício, Avanish Sahai, aos CEOs: “Não tenham medo da AI”

galdino.ws

Concurso de Criatividade de IA

galdino.ws

Deixe um comentário