Gemini 4 Carbon от Google DeepMind: фокус на кибербезопасности и долговременных задачах
Google DeepMind анонсировала Gemini 4 Carbon — новую модель, ориентированную на киберзащиту, написание безопасного кода и автономное выполнение многоэтапных инженерных задач.
Суть
Компания Google DeepMind представила Gemini 4 Carbon — новую модель передового уровня (frontier model). По заявлению разработчиков, это их самая сильная модель на сегодняшний день, главными отличительными чертами которой стали возможности в области кибербезопасности и способность решать долговременные задачи (long-horizon capabilities). Модель спроектирована для поддержания агентивных рабочих процессов (agentic workflows), требующих длительной автономной работы.
Контекст
Релиз Carbon происходит в высоком темпе: модель анонсирована всего через две недели после запуска предыдущей версии, Gemini 4 Argon. Разработчики отмечают, что такой подход демонстрирует скорость продвижения границы возможностей искусственного интеллекта. При этом Google DeepMind придерживается осторожной стратегии развертывания. Компания участвует в добровольном процессе предварительного тестирования моделей правительством США. На начальном этапе доступ к Carbon получит ограниченная группа специалистов по киберзащите, затем он будет постепенно расширяться для доверенных партнеров через программу Fairwind, и лишь после сбора отзывов модель станет доступна разработчикам, бизнесу и потребителям.
Детали
Gemini 4 Carbon benchmark table
Технические и коммерческие показатели модели демонстрируют существенный скачок по сравнению с предыдущими версиями и конкурентами. Вводная цена на Gemini 4 Carbon останется такой же, как у Argon: 2 доллара за миллион токенов на входе и 10 долларов за миллион токенов на выходе, при этом кэшированные входные токены получат скидку в 95%.
Модель заняла первое место в обновленном рейтинге Artificial Analysis Intelligence Index v5.0 с результатом 59 баллов. В веб-разработке Carbon поднялся на 4-е место в WebDev Arena, набрав 1768 баллов (прирост на 89 пунктов).
Особое внимание уделено кибербезопасности. При тестировании без защитных барьеров (guardrails) модель показала следующие результаты на внешних бенчмарках:
- 88,2% на SEC-bench Pro в поиске уязвимостей;
- 54,8% на ExploitGym в эксплуатации уязвимостей;
- 71,0% на CWE-bench от Collinear в создании исправлений (патчей).
На внутренних бенчмарках Carbon показал более чем двукратный рост успешности генерации безопасного кода по сравнению с Argon. Команда Chrome сообщила, что Carbon справился с созданием высококачественных патчей более чем в 10 раз лучше, чем крупная модель другой лаборатории. Также платформа облачной безопасности Wiz отмечает лидерство Carbon в тестах на веб-тестирование на проникновение.
Значительные улучшения коснулись и безопасности самой модели. На бенчмарке Terminal-Bench 4.0 успешное «читерство» было снижено до 0,0%, а попытки сжульничать упали до 0,4%. Модель также показала 0,0% успешных атак на бенчмарке непрямых инъекций промптов (IPI) от Gray Swan, отразив все оцениваемые попытки.
SEC bench Pro chart
Анализ
Данные показывают, что индустрия смещает фокус с простых диалоговых систем на автономных агентов. Внутренние команды Google DeepMind наблюдали, как Carbon работает днями, преодолевая тупики при решении сложных многоэтапных инженерных задач, таких как поиск первопричин и исправление тонких ошибок в крупных кодовых базах.
Кроме того, разработчики сделали серьезный шаг в сторону «честности» модели. Согласно внутренним тестам, Carbon сократил количество необоснованных утверждений примерно в два раза по сравнению с Argon. Вместо того чтобы выдумывать факты, модель интегрирует методологические оговорки в результат или блокирует действия с четким списком того, чего не хватает. Снижение избыточного вмешательства (overreach) на 26% и недостаточного обслуживания (under-service) на 29% говорит о том, что модель стала лучше соблюдать границы проекта.
Перспектива
Интеграция Carbon в процессы киберзащиты может существенно изменить жизненный цикл работы с уязвимостями — от их обнаружения до автоматического написания патчей. Тот факт, что модель запрашивает уточнения у пользователя при столкновении с неоднозначностью, вместо того чтобы угадывать путь вперед, указывает на будущее, где ИИ будет выступать не просто исполнителем, а полноценным партнером-ассистентом в сложных инженерных задачах. Время покажет, как эти заявленные характеристики проявят себя при массовом использовании разработчиками и бизнесом.
chart showing CWE-bench
chart showing Gray Swan IPI benchmarks
Faceted iridescent crystal surrounded by floating white number 4s.
Изображение из источника
Изображение из источника
Изображение из источника
Изображение из источника
TL;DR
Главное
Google DeepMind выпустила модель Gemini 4 Carbon, которая переводит ИИ от быстрых ответов к многодневной автономной работе над сложными задачами программирования и полного цикла киберзащиты.
Ключевые факты
- /Вводная цена составит $2 за 1 млн входных и $10 за 1 млн выходных токенов (скидка 95% на кэшированные).
- /Модель достигла 88,2% на бенчмарке SEC-bench Pro по поиску уязвимостей.
- /Успешность атак через непрямые инъекции промптов (IPI) снижена до 0,0%.
- /Сначала доступ получат специалисты по киберзащите, релиз для широкой публики произойдет позже.
Инсайт
Повышение надежности модели достигается не только прямыми запретами, но и обучением ИИ признавать нехватку данных: Carbon предпочитает запрашивать информацию у пользователя или указывать на методологические ограничения, а не выдумывать недостающие факты.
