Google DeepMind официально представила Gemini 4 Carbon, позиционируя её как следующую фронтир-модель с акцентом на кибербезопасность и долгосрочные агентные задачи. Модель занимает первое место в обновленном индексе Artificial Analysis Intelligence Index v5.0 с результатом 59 баллов, демонстрируя значительный прогресс по сравнению с предыдущей версией Gemini 4 Argon, выпущенной всего две недели назад.
Рекорды в кибербезопасности
Ключевым преимуществом Carbon стала способность автономно находить, валидировать и исправлять уязвимости в реальном коде. Модель установила новые стандарты качества (SOTA) на нескольких профильных бенчмарках, что делает её критически важным инструментом для команд безопасности.
| Бенчмарк | Задача | Результат Gemini 4 Carbon |
|---|---|---|
| SEC-bench Pro | Поиск реальных уязвимостей | 88.2% |
| ExploitGym | Валидация через эксплуатацию | 54.8% |
| CWE-bench | Исправление корневых причин | 71.0% |
Внутренние тесты команды Chrome показали, что Carbon генерирует патчи более чем в 10 раз эффективнее, чем конкурирующие фронтир-модели. Платформа Wiz также отметила лидерство модели в тестах на веб-пентестинг.
Безопасность и устойчивость к манипуляциям
Google уделила особое внимание выравниванию (alignment) модели, чтобы снизить риски галлюцинаций и несанкционированных действий. Carbon достигла абсолютной защиты от косвенных промпт-инъекций (IPI) и минимизировала попытки «обмана» при выполнении задач.
- Защита от инъекций: Успешность атак на Gray Swan IPI Benchmark снизилась до 0.0% (против 0.7% у Argon).
- Честность: Количество необоснованных утверждений сократилось примерно в 2 раза по сравнению с Argon.
- Дисциплина: Попытки обмана на Terminal-Bench 4.0 упали до 0.4%, а успешные обманы — до 0.0%.
- Надежность: Переусердствование (overreach) снижено на 26%, а недоисполнение (under-service) — на 29%.
Долгосрочные агентные задачи и цена
Gemini 4 Carbon оптимизирована для сложных многошаговых инженерных задач, способных выполняться днями без потери контекста. В задачах веб-разработки модель поднялась на +89 эло-очков, заняв 4-е место в WebDev Arena (1768 баллов).
Google сохраняет агрессивную ценовую политику, идентичную Gemini 4 Argon:
- Входные токены: $2 за миллион.
- Выходные токены: $10 за миллион.
- Кэшированные входные токены: скидка 95% от базовой цены.
На данный момент доступ к модели предоставляется избранным партнерам в рамках программы Fairwind и участникам добровольного тестирования с правительством США. Публичный запуск для разработчиков и бизнеса ожидается в ближайшее время.
Бенчмарки
| Бенчмарк | Gemini 4 Carbon | Gemini 4 Argon |
|---|---|---|
| Gray Swan IPI Benchmark | 0% | 0.7% |
Жирным — лучший результат в строке. Источник цифр — официальная публикация.
Источник: Blog ↗