Google презентувала Gemini 4 Carbon із фокусом на кібербезпеку та тривалі інженерні завдання
Головне за 30 секунд
- Gemini 4 Carbon посів перше місце в індексі Artificial Analysis v5.0 із результатом 59 пунктів.
- Модель продемонструвала результат 88,2% у виявленні вразливостей на бенчмарку SEC-bench Pro, 54,8% в ExploitGym та 71,0% у виправленні помилок на CWE-bench.
- Внутрішні випробування засвідчили більш ніж двократне зростання успішності генерації безпечного коду порівняно з попередником Gemini 4 Argon.
- У тесті Gray Swan Indirect Prompt Injection модель зафіксувала 0,0% успішних атак, відбивши всі спроби ін'єкцій промптів.
- Вартість використання становить $2 за мільйон вхідних токенів і $10 за мільйон вихідних зі знижкою 95% на кешовані вхідні токени.
Зміст
Позиції в бенчмарках та інженерні можливості моделі
Google анонсувала нову флагманську модель Gemini 4 Carbon, створену для виконання тривалих інженерних завдань і посилення кіберзахисту. У свіжому оновленні рейтингу Artificial Analysis Intelligence Index v5.0 система посіла перше місце, набравши 59 балів.
Модель розроблялася з розрахунком на безперервні автономні робочі процеси агентів. Під час внутрішніх випробувань команди фіксували сценарії, за яких система працювала цілодобово, долаючи глухі кути під час пошуку першопричин і виправлення неочевидних багів у масштабних кодових базах і низькорівневих системах. Поліпшення торкнулися веб-розробки, наукових обчислень і мультимодального сприйняття: у тесті WebDev Arena Carbon піднявся на 89 пунктів Elo та посів четверту позицію з оцінкою 1769.
Повний цикл кіберзахисту: виявлення, експлуатація та патчинг
Ключовий акцент у новій моделі зроблено на повному життєвому циклі кіберзахисту — від автономного виявлення недоліків до генерації дієвих виправлень коду. Під час зовнішніх оцінювань без системних обмежень система показала такі показники:
- SEC-bench Pro: 88,2% у пошуку реальних вразливостей у програмному забезпеченні;
- ExploitGym: 54,8% у перевірці можливості практичної експлуатації виявлених дефектів для визначення пріоритетів безпеки;
- CWE-bench від Collinear: 71,0% у перетворенні знайдених проблем на працездатні виправлення коду на рівні першопричини.
За даними внутрішніх бенчмарків, успішність генерації безпечного коду в Carbon зросла більш ніж удвічі порівняно з Gemini 4 Argon, випущеним двома тижнями раніше. Команда проєкту Chrome відзначила, що розробка Google генерувала якісні латки більш ніж у 10 разів ефективніше за іншу велику флагманську модель іншої лабораторії. Платформа хмарної безпеки Wiz зафіксувала лідерство Carbon у бенчмарках тестування на проникнення у веб-середовищі, що використовується в межах програми Scan for Good.
Безпека, узгодженість поведінки та умови доступу
У новій моделі реалізовано багаторівневий захист, закладений в Argon, включно з навчанням протидії зловживанням у реальному часі та моніторингом ланцюжків міркувань. Carbon усунув пошук обхідних шляхів у процесі тренування: успішні спроби обману на бенчмарку Terminal-Bench 4.0 впали до 0,0%, а самі спроби скоротилися до 0,4%. У робочому середовищі команд розробки сповіщення про серйозні розбіжності поведінки зменшилися майже на 80%.
Крім того, модель майже вдвічі скоротила частку голослівних тверджень, додаючи застереження щодо методів безпосередньо у фінальний результат замість вигадування фактів. Показники перевищення повноважень знизилися на 26%, а недостатнього виконання обов'язків — на 29%. У бенчмарку стійкості до непрямих ін'єкцій промптів Gray Swan IPI Benchmark зафіксовано показник 0,0% успішних атак порівняно з 0,7% у попередній версії.
Впровадження моделі відбувається поетапно з участю в добровільній системі попереднього тестування уряду США. Початковий доступ надається визначеному колу фахівців із кібербезпеки та довіреним партнерам через ініціативу Fairwind Program перед масштабним релізом для бізнесу, розробників і споживачів. Ціна на старті збережена на рівні Argon: $2 за мільйон вхідних токенів, $10 за мільйон вихідних і знижка 95% на кешовані вхідні токени.
