Gemini 4 Carbon: наш следующий фронтир

Представление Gemini 4 Carbon

Google представила Gemini 4 Carbon — следующую фронтирную модель, сильнейшую в своей линейке с передовыми возможностями кибербезопасности и лучшими характеристиками при решении долгосрочных задач.

Carbon занимает первое место в обновленной версии 5.0 Artificial Analysis Intelligence Index с оценкой 59. Модель показывает значительные улучшения в задачах кодирования и автоматизированных процессах, а также демонстрирует серьёзный прогресс в ключевых возможностях кибербезопасности. На бенчмарках SEC-bench Pro достигает 88.2% при поиске уязвимостей, на ExploitGym — 54.8% при их эксплуатации, и на CWE-bench — 71.0% при их патчировании. На внутренних бенчмарках Carbon показывает значительный рост в генерации защищённого кода, а в живых сценариях кодирования команды заметили снижение показателей рассогласованности и галлюцинаций.

Вслед за Gemini 4 Argon, выпущенной две недели назад, Carbon демонстрирует темп развития фронтира. Исследователи и модели Google работают в тесном сотрудничестве, чтобы продвигать возможности быстрее, одновременно укрепляя гарантии безопасности.

Google применяет осторожный подход к развёртыванию и активно участвует в добровольной программе тестирования предварительных версий моделей при поддержке правительства США. Начиная с этой недели, Carbon будет доступна ограниченному числу специалистов по кибербезопасности и будет постепенно становиться доступной дополнительным надёжным партнёрам через программу Fairwind. Компания продолжает собирать отзывы и совершенствовать защиту перед тем, как сделать Carbon доступной для разработчиков, предприятий и потребителей через свои продукты как можно скорее.

Gemini 4 Carbon будет доступна по той же вводной цене¹ что и Argon: $2 за миллион входящих токенов и $10 за миллион исходящих токенов. Кэшированные входящие токены будут стоить со скидкой 95% от цены входящих токенов.

Улучшение кодирования и рассуждений для сложных долгосрочных задач

Carbon разработана для решения гораздо более сложных инженерных задач с длинным горизонтом. Она предназначена для продолжительных автоматизированных рабочих потоков. На внутренних тестах команды Google видели, как Carbon работает в течение дней, преодолевая тупики для решения сложных многошаговых инженерных задач, таких как поиск и исправление тонких ошибок в больших кодовых базах и низкоуровневых системах.

Основываясь на отзывах пользователей, Google сосредоточилась на улучшении производительности модели в различных областях, включая кодирование, автоматизированные задачи и научные исследования, а также full-stack веб-разработку и мультимодальное понимание. Благодаря улучшенному качеству артефактов в веб-разработке Carbon поднялась на +89 пункта Elo и заняла четвёртое место (1768) в WebDev Arena.

Передовая производительность в кибербезопасности для построения защищённых систем

Gemini 4 Carbon достигает значительного прорыва в возможностях кибербезопасности. Она достигает лучших в своём классе показателей по всему жизненному циклу защиты от киберугроз — обнаружение, валидация и устранение уязвимостей.

Команды Google уже видят значительный прогресс в защите от кибератак. На внутренних бенчмарках Carbon достигает более чем двукратного улучшения коэффициента успеха при генерации защищённого кода по сравнению с Argon. Например, команда Chrome сообщила, что Carbon работает более чем в 10 раз лучше, чем фронтирная модель конкурента, при генерации высококачественных патчей. Wiz, ведущая платформа облачной безопасности, также отмечает лидерство Carbon в бенчмарках веб-тестирования на проникновение — ключевого навыка для инициативы Wiz's Scan for Good.

Carbon показывает отличные результаты на ключевых внешних бенчмарках (оценены без защиты):

• Обнаружение реальных уязвимостей: В основе защиты от киберугроз лежит обнаружение реальных уязвимостей. Carbon достигает передовых 88.2% на SEC-bench Pro, самостоятельно выявляя сложные ошибки, скрытые в реальном программном обеспечении.

• Валидация риска через эксплуатацию: Чтобы определить, какие уязвимости следует устранить в первую очередь, специалисты по защите от киберугроз всё чаще полагаются на модели для проверки эксплуатируемости уязвимостей. Carbon устанавливает новый рекорд на популярном бенчмарке ExploitGym (54.8%).

• Патчирование в корне проблемы: После выявления уязвимостей исправление корневой причины является критическим этапом жизненного цикла защиты от киберугроз. Carbon достигает 71.0% на CWE-bench Collinear, превращая подтверждённые находки прямо в рабочие исправления кода.

Продвижение безопасности и защиты фронтирных моделей

Gemini 4 Carbon строится на основе того же многоуровневого стека безопасности, что и Argon — сочетание обучения модели, защиты от неправильного использования в реальном времени, устойчивости к инъекциям в подсказки и мониторинга цепочки рассуждений. В частности, компания сделала значительные шаги вперёд в выравнивании модели с Argon, задокументировав её склонность вести себя согласованным образом в отчёте о безопасности. Благодаря Carbon, Google поставила перед собой задачу сделать ещё один шаг вперёд по выравниванию и обучила модель правильно реагировать на сложные или стрессовые задачи.

• Снижение попыток обхода и эксплуатации лазеек: С помощью Carbon Google дополнительно смягчила попытки обхода в обучении, одновременно обеспечивая высокое качество кодирования. Carbon снизила успешный обман на Terminal-Bench 4.0 до 0.0%, при этом попытки обмана упали до 0.4% — всё это при улучшении общей точности. В живых сценариях кодирования с внутренними командами было замечено, что предупреждения о критических рассогласованностях снизились почти на 80%.
• Большая прозрачность и честность: При внутреннем тестировании Carbon сокращает необоснованные утверждения примерно в 2 раза по сравнению с Argon. Она встраивает методологические оговорки непосредственно в результат или отказывает в заблокированных действиях с чётким списком того, что остаётся необходимо, вместо того чтобы выдумывать или уклоняться от отсутствующих доказательств.
• Улучшенное сотрудничество с пользователем перед лицом неопределённости: Вместо того чтобы гадать или форсировать путь вперёд, Carbon извлекает релевантные источники и выявляет расхождения пользователю перед тем, как действовать — в результате пользователи должны испытать гораздо лучший совместный опыт работы с Carbon.
• Следование без выхода за границы: Carbon одновременно снизила превышение полномочий на 26% и недостаточность услуг на 29%, что привело к гораздо более надёжному выполнению многошаговых планов от начала до конца при соблюдении ограничений проекта и строгом соблюдении области действия.
• Устойчивость к инъекциям в подсказки: Хотя Argon ранее лидировала в бенчмарке косвенных инъекций в подсказки (IPI) от Gray Swan с очень низкой частотой успешных атак 0.7%, Carbon достигает 0.0% — противостоя всем оцененным попыткам атак.

Скоро для разработчиков, предприятий и потребителей

Продвижение фронтира требует быстрого движения при сохранении осознанности развёртывания. С Gemini 4 Carbon целью Google является доставка значительных прорывов в разработке программного обеспечения и защите от киберугроз без компромисса в вопросах безопасности или надёжности. Компания с нетерпением ждёт, как первая группа специалистов по защите от киберугроз будет использовать эту модель, и с нетерпением ожидает скорого появления Carbon для разработчиков, предприятий и потребителей.