統合100万トークン・コンテキストと超長文脈グラフ推論:テキスト・画像・動画・音声・PDFの入力と思考・出力トークンを単一の最大1,048,576トークン枠で共有できるようになりました(Google AI Studio モデル仕様)。256K〜1Mトークン領域のグラフ探索を測定するGraphWalksベンチマークでは、Argonの84.2%から96.2%へと飛躍的に精度が向上し、巨大リポジトリや大量文書でも文脈を見失いません(Google DeepMind モデルカード)。
64Kの壁を超える最大100万トークンの「Long Decode」生成:通常の同期レスポンス上限(65,536トークン)を超え、APIでbackground=Trueと高いmax_output_tokensを指定することで、サーバー側が64Kトークン単位の継続ホップを自動連結し、単一リクエストで最大100万トークン(入力分を除く)までの長大なコードや論文・検証ログを一気通貫で生成できるようになりました(Google AI Studio 新機能ドキュメント)。
3段階の思考レベル制御(thinking_level):タスクの難易度や予算・応答速度の要件に応じ、推論の深さをlow・medium(デフォルト)・highの3段階で柔軟に切り替えられるようになりました。なお従来のMINIMALレベルやtemperature・top_p・top_kのサンプリング指定は不要(指定時は無視)となり、推論制御に一本化されています(Google AI Studio 新機能ドキュメント)。
2. 長期自律コーディング・マルチエージェント編成(/swarm)・3D開発
数日間にわたる自律デバッグとデグレゼロの大規模改修:行き止まりに遭遇しても数日間粘り強く試行錯誤を継続し、大規模コードベースや低レイヤーシステムの根本原因特定・修正を完遂できるようになりました(Google 公式発表ブログ)。実務ワークフロー評価のCursorBench 4.0で第1位(次点外部モデル比でタスク単価2分の1以下)を記録したほか、OpenCode社では一晩でRust製UIライブラリのゼロからの構築とデスクトップアプリ書き直しを達成し、HubX社の14,000テストを抱えるレガシー環境でも16件の実バグに対しデグレゼロで94%の解決率を実証しています(Google Japan 公式ブログ)。
Google Antigravityの「/swarm」によるマルチエージェント並列協調:1つのプロンプトから複数エージェントのチームを編成して並列開発を進める/swarm機能(プレビュー)が利用可能になりました(Google Antigravity Blog)。コーディネーターが独立したgit worktrees上に専門ワーカーを展開して編集衝突を防ぎ、敵対的検証エージェント(Adversarial Verifiers)がテスト実行と差分監査を担当します。各エージェントは追記専用の共有メッセージボードで連携し、待機中はトークン消費ゼロでスリープします。サイドペインのSwarm UIやCLI(/swarm board / Alt + S)からリアルタイムの議論確認・個別介入・グラフタイムライン再生が可能で、設計や監査役にCarbonを固定し、並列実装ワーカーにArgon等の高速モデルを割り当てる適材適所のマルチモデル運用も行えます(Google Antigravity Blog)。
UIレンダリング検証を伴うフルスタックWeb・3D・物理シミュレーション構築:コードだけでなく描画された画面UI自体を検証しながら自己修復するループにより、WebDev Arenaで+89 Elo上昇のスコア1768(第4位)を達成しました。Three.js・Blender・WebGL/WebGPU・空間音響を組み合わせた高度な空間推論が可能になり、7つの都市計画PDF(206図面)から90万6,000ポリゴンのGoogle Platform 37オフィス3Dモデルを一晩で再構築した事例や、CAD図面とX線写真から1780年製フォルテピアノの61鍵物理機構とホール座席別の空間音響を再現した事例、Cartwheel社で6日間の協調作業によりソフトボディ(布)物理シミュレーションの速度と忠実度を両方引き上げた事例が報告されています(Google Japan 公式ブログ)。
高精度なコンピュータ操作(Computer Use)とManaged Agents統合:OS画面やデスクトップ環境を直接操作する能力が大幅に伸び、OSWorld-2.1(オフライン)で81.5%、Agents' Last Exam v1.1で77.4%を記録しました(Google DeepMind モデルカード)。またAPIのGemini Managed Agentsでもagent_configにgemini-4-carbonを直接指定して自律エージェントを構築できます(Google AI Studio 新機能ドキュメント)。
3. エンドツーエンドのサイバーセキュリティ防衛(Carbon for cyber)
脆弱性の「発見・悪用実証・根本パッチ生成」全工程の自動化:Fairwind Programを通じて提供されるセキュリティ特化能力(Gemini 4 Carbon for cyber)により、実ソフトウェアの複雑な脆弱性検出(SEC-bench Pro88.2%)、悪用可能性の実証(ExploitGym54.8%)、検証済み根本原因パッチの作成(CWE-bench71.0%)のすべてで最先端スコアを樹立しました(Google 公式発表ブログ)。
ゼロデイ脆弱性の短時間特定と多段攻撃チェーンの解析:Google社内の自律システム「Project Fortify」でスキャン再現率100%・トリアージ適合率95%を達成したほか、Wiz社の「Scan for Good」では大手SaaSプロバイダー2社の調査で従来数週間を要するゼロデイ脆弱性を2時間未満で発見しました。またGoogle CVRチームによるOSS脆弱性のPoC(概念実証)構築、SentinelOne社でのカーネルドライバー制約理解に基づく新規4件の脆弱性特定、Armadin社での複数脆弱性を連鎖させた管理者セッション偽造の解明(従来比半分のステップ数)など、ノイズを排した実践的な防衛が可能になっています(Google Japan 公式ブログ)。
4. 高密度マルチモーダル知識業務・財務・法務・業務自動化
設計図・回路図・グラフ・長尺動画のネイティブ横断理解:図表や工学図面が密集した文書を読み解く新指標Multimodal Knowledge Agent (MKA)ベンチマークで、首位モデル比6分の1以下のタスク平均コストで第2位を獲得しました(Google Japan 公式ブログ)。設計図理解のBlueprint-Bench 2(58.6%)やグラフ読解のChartography(72.5%)で競合を上回り(Google DeepMind モデルカード)、動画内の特定フレームや視覚的細部を自律調査するAgentic video understandingにも対応しています(Google AI Studio モデル仕様)。
機関投資家・法務レベルのExcelモデル・プレゼン・契約調査生成:厳密な出力スキーマとフォーマット規則を守り、デューデリジェンス用の洗練されたExcel財務モデル、PowerPoint資料、法務レポートを直接構築できるようになりました(Google Japan 公式ブログ)。Balyasny Asset ManagementのGeneral Financial Intelligence評価で23構成中トップ、HebbiaのE2E財務評価で最高水準に並んだほか、米国法務調査のVals AI Legal Research Benchでも91モデル中第1位(55.77% all-pass)を記録しています。
社内データ横断検索とマルチステップ業務自動化の完遂:PerplexityのWANDRおよびZapierのAutomationBench(53.9%)で第1位を獲得し、長期経営シミュレーションVending-Bench 2でも$16,484で首位に立ちました(Google DeepMind モデルカード)。Glean社の社内通話要約・メール・パイプライン数値横断タスクで完了率トップ、Box社の厳格な公共部門レビューでもスコア100%を達成しています(Google Japan 公式ブログ)。
5. 科学研究・数学的形式証明・創薬のブレークスルー
暗号プロトコル実装の数学的形式検証(AlphaProof Code):セキュリティ要件を数学的定理へ変換し、証明記述言語Leanで数百万行の証明コードを生成することで、従来は専門家チームで数年かかっていたSignal暗号プロトコル実装の主要セキュリティ特性証明をわずか数週間で達成しました(Google Japan 公式ブログ)。高等数学のRiemannBenchでも80.0%に到達しています(Google DeepMind モデルカード)。
ウェットラボ実験異常の診断と新規薬物毒性メカニズムの発見:実験ノートと生データのみからディープウェルプレートの自動撹拌不全や機器の微量残留物持ち越しといった微細な実験誤差を特定し、クロマトグラフィーのピーク分離手法を改善できるようになりました。創薬分野でもAxiom Bio社がこれまで未発見だった新たな薬物毒性メカニズムの特定に成功しています(Google Japan 公式ブログ)。
ペタ塩基規模アーカイブからの遠縁タンパク質ホモログ探索:ペタ塩基規模の未注釈配列アーカイブや環境・ウイルス配列カタログをマルチエージェントで自律横断し、CASP17ブラインドテストの低ホモログ7ファミリーにおいて取得ホモログ数を平均40倍に拡大しました。再学習なしでAlphaFold 3等の構造予測モデルに供給できる進化的情報量を劇的に増やせます(Google Japan 公式ブログ)。
6. アライメント・誠実性・プロンプトインジェクション耐性の刷新
間接的プロンプトインジェクション成功率0.0%と高度な悪用阻止:Gray SwanのIndirect Prompt Injection (IPI)ベンチマークにおいて、史上初となる攻撃成功率0.0%を達成しました(Google 公式発表ブログ)。また適応型レッドチーミングによる模擬サイバー攻撃経路を99%ブロック(試行突破率0.8%)し、Trajectory Labsの132時間・13,000リクエスト超の検証でも新規汎用ジェイルブレイクをゼロ件に抑えています(Google Japan 公式ブログ)。
ハルシネーション半減・チート根絶・誠実なスコープ遵守:Terminal-Bench 4.0における抜け道悪用(チート成功率)を0.0%に抑え、根拠のない主張をArgon比で約半分に削減しました(Google 公式発表ブログ)。375タスクのAgentic Honesty Benchmarkでは92%に合格(Argonは70%)し、欠落した実験データの捏造を98%拒否、方法論上の欠陥を68%指摘します(Google Japan 公式ブログ)。さらに過剰実行を26%、過少対応を29%同時に減らし、曖昧な状況では勝手に推測せず根拠の不整合を提示して協調できるようになっています(Google 公式発表ブログ)。