Релиз Gemini 4 Carbon: фокус на агентах, науке и кибербезопасности

Google DeepMind сделала доступной свою новейшую модель Gemini 4 Carbon для разработчиков, предприятий, ученых и обычных пользователей. Это флагманское решение компании, ориентированное на решение сложных задач в области кибербезопасности, программной инженерии и научных исследований, требующих длительных рассуждений и работы агентов.

Две недели назад доступ к Carbon получили специалисты по кибербезопасности в рамках программы Fairwind. Этот релиз следует за недавним запуском модели Gemini 4 Argon. Если Argon позиционируется как оптимальный выбор для большинства задач разработки и работы с информацией, то Carbon создан для испытания пределов возможностей искусственного интеллекта. Модель использует больше токенов для глубокого анализа, многошагового программирования, отладки и запуска длительных циклов проверки.

Экономика и новые инструменты

Несмотря на статус самой мощной модели, компания подчеркивает ее экономическую эффективность. По данным Google, на независимых бенчмарках CursorBench 4.0, WANDR (от Perplexity) и AutomationBench (от Zapier) Carbon занимает первое место, при этом стоимость выполнения задачи более чем в два раза ниже по сравнению с ближайшим внешним конкурентом.

Gemini 4 Carbon доступна через API в Google AI Studio и в Gemini для бизнеса по той же вводной цене, что и Argon: $2 за миллион токенов на входе и $10 за миллион токенов на выходе. Модель также развертывается для подписчиков Google AI Ultra в среде Google Antigravity, приложении Gemini и режиме AI Mode в поиске.

Для масштабных проектов Google представила предварительную версию функции /swarm в среде Google Antigravity. Этот инструмент позволяет превратить один текстовый запрос (промпт) в скоординированную команду агентов. Разработчики могут назначать Carbon на роли, требующие самого глубокого анализа — например, проектирование архитектуры или аудит, — параллельно используя более быстрые и легкие модели в изолированных рабочих пространствах.

Мультимодальность и агенты в действии

Модель способна анализировать плотные массивы документов, включая чертежи, схемы и таблицы. В партнерстве с Artificial Analysis был запущен новый бенчмарк Multimodal Knowledge Agent (MKA), тестирующий мультимодальную производительность в агентных процессах. В нем Carbon занимает второе место, но обходится в среднем более чем в 6 раз дешевле лидера.

С помощью функции /swarm команды агентов на базе Carbon реализовали несколько сложных проектов:

• Создали интерактивную 3D-выставку строительства Эйфелевой башни на базе Three.js, используя исторические фотографии и инженерные чертежи.
• Сгенерировали 3D-реконструкцию офиса Google Platform 37 из 906 тысяч треугольников на основе семи PDF-файлов (206 видов чертежей) за 10 ночных циклов работы.
• Воссоздали играбельную модель фортепиано конца XVIII века с физикой механики на основе CAD-чертежей и рентгеновских снимков, поместив ее в 3D-модель концертного зала с пространственной акустикой.

Кибербезопасность и научные исследования

Также по темеТестирование Claude Fable 5.2 и концепция неравномерного AGI

В сфере безопасности Carbon лидирует в бенчмарках по поиску уязвимостей (SEC-bench Pro), их эксплуатации (ExploitGym) и написанию патчей (CWE-bench v1). Во внутренней автономной системе Google Project Fortify модель показала 100% полноту (recall) при сканировании и 95% точность при сортировке (triage). В рамках программы Wiz Scan for Good модель менее чем за два часа обнаружила уязвимости нулевого дня у двух крупных SaaS-провайдеров, сжав недели исследовательской работы до одного дня.

В науке исследователи использовали Carbon во фреймворке AlphaProof Code для математического доказательства кода, лежащего в основе криптографического протокола Signal. Агенты сгенерировали миллионы строк кода на языке доказательств Lean, что позволило подтвердить ключевые свойства безопасности за несколько недель — задача, которая исторически требовала лет работы команд экспертов.

Анализ и перспективы

Релиз Gemini 4 Carbon и внедрение функции /swarm указывают на переход индустрии от одиночных запросов к оркестрации команд ИИ-агентов. Google делает ставку на то, что сложные программные и инженерные задачи будут решаться не одной гигантской моделью, а распределенной системой, где мощный ИИ выполняет роль архитектора и проверяющего, делегируя рутину более легким моделям.

Успешное применение Carbon для формальной верификации кода в протоколе Signal и поиска уязвимостей нулевого дня может изменить стандарты безопасности в индустрии. Масштабирование математических доказательств надежности софта, ранее считавшееся слишком ресурсоемким, теперь может стать более доступной практикой при разработке критически важных систем.