Le regole del digitale stanno cambiando.
O sei visibile o sei fuori. Noi ti aiutiamo a raggiungere i clienti giusti — quando ti stanno cercando.
Contattaci ora
Google ha presentato Gemini 4 Carbon, che secondo l'azienda raggiunge l'88,2% su SEC-bench Pro, il miglior risultato sul rilevamento autonomo di vulnerabilità, e conquista il primo posto nell'indice di Artificial Analysis con 59 punti contro i 58 di Claude Opus 5.5 di Anthropic. Il primato generale vale poco, un solo punto di margine, mentre conta di più la capacità di trovare e correggere falle a basso costo. Resta il dubbio che i benchmark siano scelti da Google e che il prezzo sia solo introduttivo.
Il numero più netto è 88,2%. È il risultato che Gemini 4 Carbon, il nuovo modello di Google, ottiene su SEC-bench Pro, un banco di prova che misura la capacità di scovare da solo falle complesse nascoste in software reale. Lo rivendica l’annuncio pubblicato da Google sul proprio blog due giorni fa, il 28 ottobre. Nello stesso testo c’è anche il titolo che ha fatto più rumore: il primo posto assoluto nell’indice di Artificial Analysis, una delle classifiche più seguite per confrontare i modelli di intelligenza artificiale. Quale dei due fatti conta davvero? Per chi gestisce un sito o un’applicazione, quasi certamente il primo.
Un modello che cerca le falle e scrive la toppa
Partiamo dall’88,2% su SEC-bench Pro. Secondo Google è il miglior risultato mai registrato su questo test, e il punto non è solo la percentuale ma il modo: il modello individua le vulnerabilità in autonomia, senza che qualcuno gli indichi dove guardare. In parole semplici, una vulnerabilità è un punto debole del codice che qualcuno potrebbe usare per entrare dove non dovrebbe, rubare dati o bloccare un servizio. Trovarle è il lavoro che oggi fanno, a costi alti, i professionisti della sicurezza.
Il lavoro però non finisce lì. Per capire quanto sia grave una falla bisogna anche dimostrare che si può sfruttare davvero, e poi correggerla. Google presenta Carbon proprio lungo questa catena: trovare, sfruttare, correggere. Sullo sfruttamento il dato arriva da ExploitGym, un benchmark dedicato a questa fase, dove Carbon segna il 54,8%, anche qui indicato come nuovo record. Sulla correzione il riferimento è CWE-bench, il test sviluppato da Collinear: secondo quella classifica Carbon raggiunge il 71,0%, trasformando le falle verificate in correzioni di codice funzionanti.
Messi in fila, i tre numeri raccontano una cosa precisa. Il modello è molto bravo a scoprire i problemi, discretamente bravo a proporre la toppa, meno bravo a dimostrare come un attaccante li userebbe. Lo scarto tra 88,2% e 54,8% non è un dettaglio. Dice che, almeno sui test, Carbon è più un ispettore che uno scassinatore. Per chi difende un sistema, non è necessariamente una cattiva notizia. Resta il fatto che si tratta di benchmark scelti e comunicati da Google stessa, in un annuncio che è anche un’operazione commerciale. Ma Google non si ferma alla sicurezza: rivendica anche il primo posto assoluto. Con quale margine?
Primo posto, per un punto
La risposta è semplice: un punto. Stando all’Artificial Analysis Intelligence Index, Gemini 4 Carbon nella versione High ottiene 59, il punteggio più alto. Subito dietro c’è Claude Opus 5.5 di Anthropic, nella configurazione Max, con 58. Il dato è di Artificial Analysis, una società terza, e questo è un bene: non è Google a darsi il voto da sola. L’indice, peraltro, è stato aggiornato di recente alla versione 5.0.
Detto questo, 59 contro 58 è poco più di un pareggio. Fa titolo, perché “numero uno” suona sempre bene in un comunicato. Ma nella scelta concreta di un modello, un punto su un indice generale pesa poco: conta di più come si comporta sul tuo tipo di lavoro, quanto è veloce, quanto costa. Chi ci guadagna da un primato così sottile? Soprattutto chi lo comunica. Se la classifica non basta a distinguere i due modelli, la differenza la farà altro. E la prima cosa che un’azienda guarda è il prezzo.
Il prezzo d’ingresso e la strada già tracciata
Google annuncia che Carbon sarà lanciato a un prezzo introduttivo di 2 dollari per milione di token in input e 10 dollari per milione di token in output. Un token è, grosso modo, un pezzo di parola: è l’unità con cui si paga l’uso di questi modelli, sia per il testo che si invia sia per quello che il modello restituisce. La parola da sottolineare è “introduttivo”. È un prezzo pensato per farsi adottare, non una tariffa garantita nel tempo. Chi costruisce un servizio sopra Carbon farebbe bene a ricordarlo quando fa i conti.
La direzione, comunque, non è nuova. Già il modello precedente, Gemini 4 Argon, era orientato a programmazione, sicurezza informatica e lavori di conoscenza a lungo orizzonte, cioè compiti che richiedono molti passaggi in sequenza. Carbon prosegue sulla stessa linea e la spinge più a fondo sul fronte della sicurezza. È una strategia coerente: invece di inseguire solo la classifica generale, Google prova a occupare un’area in cui le aziende hanno un bisogno concreto e una spesa già prevista.
Per chi gestisce un e-commerce o un’applicazione web, quindi, la notizia non è chi vince la classifica. La notizia è che un controllo di sicurezza automatico, capace non solo di segnalare il problema ma di proporre già la correzione, sta diventando un servizio a basso costo. Fino a ieri era una consulenza da pagare a giornate.
Restano due domande aperte. La prima: quanto durerà il prezzo introduttivo, e quanto costerà Carbon quando finirà. La seconda, più importante: le prestazioni misurate sui benchmark reggeranno sul codice reale delle aziende, che è spesso vecchio, stratificato e poco documentato? Sono le due cose da osservare nelle prossime settimane. I numeri dei test sono un punto di partenza. Il giudizio vero arriverà dai primi riscontri sul campo.
