Gemini 4 Carbon scrive patch, ma i benchmark cyber sono senza guardrail

Google ha presentato il 28 ottobre 2026 Gemini 4 Carbon, il modello frontier che secondo l’azienda segna il salto più netto sulle capacità di cybersecurity: individua vulnerabilità reali, ne verifica la sfruttabilità e scrive la patch. L’annuncio è sul blog ufficiale di Google, firmato da Koray Kavukcuoglu, SVP di Google DeepMind e Chief AI Architect.

Non è disponibile per tutti. Nella prima fase Carbon è riservato a un sottoinsieme ristretto di cyber defender, poi ai partner accreditati del Fairwind Program. Sviluppatori, aziende e consumatori arriveranno «as soon as possible», senza una data pubblica. Il prezzo introduttivo è lo stesso di Gemini 4 Argon: 2 dollari per milione di token in input e 10 in output.

I numeri dichiarati da Google

Carbon è primo sull’Artificial Analysis Intelligence Index v5.0 con 59 punti, davanti a Claude Opus 5.5 e GPT-6 Astra, come riporta anche The Verge.

• SEC-bench Pro: 88,2% — individuazione autonoma di vulnerabilità in software reale.
• ExploitGym: 54,8% — verifica della sfruttabilità, cioè la priorizzazione dei fix.
• CWE-bench: 71,0% — produzione di correzioni che intervengono sulla causa radice.
• Prompt injection: 0,0% di successo su Gray Swan IPI, contro lo 0,7% di Argon.

Il team Chrome dichiara patch «più di 10 volte migliori» rispetto a quelle di un modello frontier di un altro laboratorio, che Google non nomina. Wiz lo indica in testa ai benchmark di web penetration testing. Numeri solidi, con un asterisco che quasi nessuno ha letto.

L’asterisco: i benchmark cyber sono misurati senza guardrail

Nel post di annuncio Google scrive che Carbon eccelle sui benchmark esterni chiave «evaluated without guardrails», cioè senza i filtri di sicurezza che saranno attivi in produzione. È la differenza tra la velocità della macchina in pista e quella dell’auto che guidi tu, con l’ABS inserito.

Il tema non è teorico. Anthropic, presentando Claude Opus 5.5, dichiara che quando i safeguard intervengono i task di cybersecurity vengono completati da Claude Opus 4.8, e ammette che questo «likely reduces performance on these benchmarks». Vale anche per Carbon: un conto è il tasso di successo in laboratorio, un altro è quello che il team ottiene su una codebase di produzione.

Le capacità cyber più avanzate sono anche le più sorvegliate: chi compra non compra il modello nudo dei benchmark, ma il modello più il suo strato di controlli.

Quanto costa davvero un ciclo di scansione e patch

Il listino introduttivo di Carbon è aggressivo rispetto ai concorrenti diretti, ma ha una scadenza. La pagina prezzi della Gemini Developer API indica che Gemini 4 Argon costa 2 e 10 dollari fino al 30 novembre 2026, poi 4 e 20 dal 1° dicembre. Carbon debutta sullo stesso listino introduttivo di Argon, quindi la finestra di costo basso si misura in settimane.

Un ciclo di remediation su un modulo consuma circa 200.000 token in input, per mappare codice e contesto, e 30.000 in output, per produrre finding e patch. A quei volumi una scansione costa 0,70 dollari con Carbon, 1,40 con Opus 5.5, 3,50 con GPT-6 Astra e 4,75 con gpt-5.6-cyber. Su 500 moduli al mese sono 350 dollari contro 1.750.

Contesto operativo: prima di scegliere un modello per il tuo pipeline di sicurezza, misura quanto del costo è in token e quanto in revisione umana. La nostra analisi dei migliori strumenti di audit AI per SaaS B2B copre il passaggio dal pilota alla produzione verificabile.

Cosa cambia per i team italiani: D.Lgs. 179/2026 e NIS2

Un agente che modifica codice cade in due perimetri già attivi. Il primo è il D.Lgs. 179/2026, in vigore dal 23 ottobre 2026: 54 articoli che assegnano all’ACN la vigilanza del mercato e il ruolo di punto di contatto unico, con sanzioni fino a 35 milioni di euro o al 7% del fatturato mondiale. L’articolo 41 fissa il principio: una decisione che riguarda una persona non può essere presa solo da un sistema automatico, altrimenti è nulla.

Il secondo è NIS2, recepita con il D.Lgs. 138/2024: l’articolo 21 mette tra le misure obbligatorie la gestione delle vulnerabilità e la sicurezza della catena di fornitura. Un modello che propone patch al repository è un fornitore che entra nella supply chain del software. Per un agente che scrive patch la sintesi è la stessa dei due decreti: il sistema propone, la persona risponde.

Cosa devono fare adesso i team tecnici

1. Approvazione umana nel merge path. Nessuna patch generata arriva in produzione senza un revisore nominato e un audit log che colleghi finding, diff e approvatore.
2. Tratta il finding come ipotesi. Riproduci l’exploit in staging prima di accettare la correzione: un falso positivo consuma la fiducia del team.
3. Misura il costo per finding chiuso. Il prezzo per token non dice nulla: conta il costo per vulnerabilità validata e corretta, revisione umana inclusa.
4. Verifica accesso e residenza dei dati prima del contratto. Fairwind impone requisiti di accesso e MFA; gli endpoint con residenza regionale applicano un sovrapprezzo del 10% sui modelli recenti.

C’è un caso in cui conviene aspettare. Se il team non ha un vulnerability management maturo, con owner, soglie di severità e tempi di remediation, Carbon non risolve nulla: senza triage un agente che scrive patch produce volume, non sicurezza. Lì la priorità è la pipeline di gestione delle vulnerabilità richiesta da NIS2, non il modello più recente.

Per il ciclo di sviluppo quotidiano gli strumenti che affiancano questi agenti contano quanto il modello: la nostra selezione di strumenti di produttività per sviluppatori copre code review e ambienti di test dove le patch vanno validate prima del merge.

Fonti Ufficiali e Documentazione Primaria

• Google — Introducing Gemini 4 Carbon (28 ottobre 2026)
• Google — Fairwind Program: cyber defense tools for trusted partners
• Google — Gemini Developer API pricing
• Anthropic — Introducing Claude Opus 5.5
• OpenAI — API Pricing
• Gazzetta Ufficiale — D.Lgs. 7 ottobre 2026, n. 179
• ACN — Normativa NIS e D.Lgs. 138/2024