Google เปิดตัว Gemini 4 Carbon ขึ้นอันดับ 1 Artificial Analysis v5 ด้วยคะแนน 59 แต่ยังให้ใช้แค่นักป้องกันไซเบอร์กลุ่มเล็ก
Google DeepMind ประกาศ Gemini 4 Carbon เมื่อ 28 ต.ค. 2026 เพียงสองสัปดาห์หลัง Gemini 4 Argon โมเดลใหม่ทำคะแนนนำบน Artificial Analysis Intelligence Index v5 ที่ 59 แซง Claude Opus 5.5 (max) ซึ่งเป็นผู้นำเมื่อวันก่อนด้วยคะแนน 58 แม้จะนำเพียง 1 คะแนน
ข้อจำกัดสำคัญคือ ยังไม่เปิดให้นักพัฒนาทั่วไป Google เริ่มปล่อยให้นักป้องกันไซเบอร์กลุ่มเล็กก่อน แล้วค่อยขยายไปยังพันธมิตรที่เชื่อถือได้ผ่าน Fairwind Program และบอกเพียงว่าจะเปิดให้นักพัฒนา ธุรกิจ และผู้บริโภค “เร็วที่สุดเท่าที่ทำได้” ยังไม่มีวันที่แน่นอน และยังเข้าร่วมกระบวนการทดสอบก่อนเปิดตัวแบบสมัครใจของรัฐบาลสหรัฐฯ อยู่
ตัวเลขที่นักพัฒนาควรรู้
- ราคาเมื่อเปิดให้ใช้: ราคาเปิดตัว $2/$10 ต่อล้านโทเคน input/output และ cached input ลด 95% เมื่อหมดช่วงโปรโมชันจะเป็น $4/$20 เท่ากับ Argon โดย Google ยังไม่ระบุวันสิ้นสุด
- บริบท: 1M โทเคน รับข้อความ ภาพ วิดีโอ และเสียง ส่งออกเป็นข้อความ
- Coding Agent Index: Carbon (high) ผ่าน Antigravity CLI ได้ 59 ตามหลัง Claude Code กับ Opus 5.5 (max) ที่ 62 Artificial Analysis บอกว่าจุดนี้สำคัญเพราะ Google อ่อนในงาน coding agent มาตลอด
- ต้นทุนต่องาน: $7.76 ต่อ task บน Index เมื่อคิดราคาปกติ ถูกกว่า Opus 5.5 (max) ที่ $10.04 ราว 23% แต่แพงกว่า GPT-6 Astra (max) ที่ $6.25 ราว 1.2 เท่า
ด้านจุดแข็ง Carbon ได้อันดับ 1 ใน 4 จาก 9 ชุดทดสอบของดัชนี คือ HLE-Diamond, Terminal-Bench-Science, AA-Omniscience และ AutomationBench-AA แต่ยังไม่นำในงาน knowledge work เพราะ AA-Briefcase ได้ 1609 Elo ตามหลัง Kimi K3.1 Pro (1678), Muse Wonder (1659) และ Grok 4.7 (1638)
จุดที่ต้องอ่านละเอียดคืออัตราการแต่งข้อมูล คะแนน AA-Omniscience ของ Carbon เป็นอันดับหนึ่งที่ 54 ความแม่นยำเพิ่มเป็น 58% แต่ hallucination rate เพิ่มจาก 4% ของ Argon เป็น 11% แม้จะยังต่ำเป็นอันดับสองของทุกโมเดล และต่ำกว่าระดับ 50% ของ Opus 5.5 กับ GPT-6 Astra มาก
โมเดลที่ขายด้วยไซเบอร์
Google ชูเรื่องความปลอดภัยไซเบอร์เป็นหลัก ตัวเลขที่รายงานคือ SEC-bench Pro 88.2% สำหรับการหาช่องโหว่, ExploitGym 54.8% สำหรับการยืนยันการโจมตี และ CWE-bench 71.0% สำหรับการแก้ต้นเหตุ ทั้งหมดรันโดยไม่มี guardrail และเป็นตัวเลขที่ Google รายงานเอง
ตัวเลขนี้ช่วยอธิบายว่าทำไมการปล่อยจึงจำกัด โมเดลที่ทำงานเชิงป้องกันเก่งก็ทำงานเชิงรุกได้เช่นกัน Google จึงเลือกให้ฝ่ายป้องกันได้ใช้ก่อน ซึ่งเป็นแนวทางเดียวกับที่ห้องแล็บชั้นนำใช้กับโมเดลไซเบอร์รุ่นล่าสุด
ส่วนการเคลมเรื่อง alignment น่าสนใจสำหรับคนที่ใช้เอเจนต์จริง Google ระบุว่าการโกงสำเร็จบน Terminal-Bench 4.0 ลดเป็น 0.0% โดยมีความพยายามโกงเหลือ 0.4%, การแจ้งเตือน misalignment ระดับร้ายแรงในทีมภายในลดลงเกือบ 80% และการต้านทาน indirect prompt injection บนชุดทดสอบของ Gray Swan ได้อัตราโจมตีสำเร็จ 0.0% จาก 0.7% ของ Argon ตัวเลขชุดนี้มาจากรายงานของ Google เอง และ 0.0% บนชุดทดสอบก็ไม่ได้แปลว่าการโจมตีจริงจะไม่สำเร็จ
ดัชนี v5 เปลี่ยนสนามไปด้วย
ควรอ่านคะแนน 59 ควบคู่กับการเปลี่ยนเวอร์ชันดัชนี Artificial Analysis ประกาศ Intelligence Index v5 เมื่อ 27 ต.ค. โดย 60% ของดัชนีมาจากชุดทดสอบส่วนตัวหรือชุดเฉลยที่กันไว้ เพิ่ม FrontierCode 2.0 ของ Cognition และ Terminal-Bench-Science และถอด GDPval-AA v2.1, SciCode และ AA-LCR v1.1 ออก ดัชนีแบ่งน้ำหนักเท่ากัน 25% ใน 4 กลุ่ม ได้แก่ knowledge work, coding, วิทยาศาสตร์ และความรู้ทั่วไป
ผลข้างเคียงสำคัญคือช่องว่างกับ open weights กว้างขึ้นจาก 3 เป็น 12 คะแนน โดย Kimi K3.1 Pro ซึ่งยังไม่ปล่อยน้ำหนักได้ 46 ส่วนโมเดลที่ปล่อยน้ำหนักแล้วอย่าง DeepSeek V4.1 Flash 1017 และ GLM-5.3 ได้ 32 ซึ่งต่ำกว่า Claude Haiku 5.5 (max) ที่ได้ 36
มุมมอง AI Curator
ส่วนต่าง 1 คะแนนไม่ได้ชี้ว่า Carbon “ดีที่สุด” แบบขาดลอย ดัชนีเป็นค่าเฉลี่ยของงานที่ต่างกันมาก และ Carbon นำเพียง 4 จาก 9 ชุด สิ่งที่สำคัญกว่าคือสนามหัวแถวเปลี่ยนจากสองค่ายเป็นสามค่ายอีกครั้ง และ Google ปิดช่องว่างด้าน coding ที่เคยเป็นจุดอ่อนใหญ่ที่สุดได้เกือบหมด ถ้าราคาจริงอยู่ที่ระดับนี้ ทีมที่จ่ายค่า Opus อยู่จะมีตัวเลือกที่ต่อรองได้จริง
แต่ตอนนี้ยังใช้ไม่ได้ และนั่นคือแนวโน้มที่นักพัฒนาในไทยควรจับตา โมเดลแนวหน้าเริ่มเปิดตัวเป็นขั้นตามความเสี่ยงไซเบอร์ โดยพันธมิตรที่ผ่านการคัดเลือกได้ใช้ก่อน ขณะที่องค์กรใน SEA ส่วนใหญ่อาจต้องรอคิวทั้งที่ต้องป้องกันระบบของตัวเองเหมือนกัน การรอคิวแบบนี้ทำให้แผนสถาปัตยกรรมไม่ควรผูกกับโมเดลตัวเดียว และควรออกแบบ abstraction เผื่อสลับรุ่นไว้แต่เนิ่น ๆ
แหล่งข่าว
อ่านเพิ่มในหมวด โมเดลใหม่
Microsoft ปล่อย Mage-VL-Cowork โมเดล 4B คุมเดสก์ท็อปและเทอร์มินัลในตัวเดียว ได้ 66% บน OSWorld-Verified สัญญาอนุญาต Apache-2.0
Mage-VL-Cowork ขนาด 4B ของ Microsoft เลือกเองว่าจะคลิกหน้าจอหรือสั่ง bash ทำคะแนน OSWorld-Verified 66.0% ใกล้ค่าอ้างอิงมนุษย์ 72.4% ในตารางเดียวกัน แต่คำว่าดีที่สุดในขนาด 4B มีคู่เทียบบนตารางนี้แค่รุ่นเดียว
Mistral ปล่อยน้ำหนัก Large 4 จริงแล้ว — 1T ราคาลดเกือบครึ่ง แต่บน AA ได้ 26 และสัญญาอนุญาตห้ามขายเป็น API ถ้าไม่มีใบอนุญาตแยก
Mistral ปล่อยน้ำหนัก Large 4 (Le Chonk) เมื่อ 29 ต.ค. เป็นรุ่นที่ฝึก RL ต่ออีกสามสัปดาห์หลัง preview ขนาด 1T ใช้พื้นที่ราว 1.06TB ราคา API ลดเหลือ $0.70/$2.10 Mistral นำ open-weight ด้าน coding แต่คะแนนรวม AA 26 ตามหลังโมเดลจีน และสัญญาอนุญาตกันธุรกิจ Model-as-a-Service
Samaya Sterling เทรนโมเดล 3B active ต่อจาก Nemotron จนชนะ Fable 5.1 บนเบนช์มาร์กการเงินของตัวเอง — แต่ตัวเลขถูกกว่า 11 เท่าเทียบคนละระบบ
Samaya post-train Nemotron 3.5 Lightning จาก 42.5% เป็น 58.9% บน FrontierFinance เทียบ Claude Fable 5.1 ที่ 55.9% ค่าใช้จ่าย $0.61 ต่อคำถามเทียบ $6.89 แต่เป็นการเทียบกับ Finance Agent v2 คนละ harness และบล็อกไม่ได้ประกาศปล่อยน้ำหนัก