28 октября Google объявила о выпуске новой модели Gemini 4 Carbon. Предыдущую, Gemini 4 Argon, компания представила двумя неделями ранее. Carbon предназначена для длительных инженерных задач и защиты программ от атак, однако сначала её получат лишь отдельные специалисты по кибербезопасности.
В рейтинге Artificial Analysis Intelligence Index, обновлённом до версии 5.0, Gemini 4 Carbon заняла первое место с 59 баллами. Уверенно лидирует модель и в тестах на кибербезопасность: она обошла конкурентов на всех трёх этапах работы с уязвимостями. В тесте SEC-bench Pro модель ищет уязвимости в реальных программах и здесь набрала 88,2%. Тест ExploitGym выясняет, можно ли использовать найденную брешь для атаки, — здесь результат 54,8%. Исправление брешей оценивает тест CWE-bench от компании Collinear, где Carbon показала 71%. Все три теста Google проводила с отключёнными защитными ограничениями модели.
Поиск уязвимостей с помощью искусственного интеллекта уже стал отдельным направлением исследований: в августе агенты ИИ обнаружили 84 уязвимости в ядрах сетей 4G и 5G. Собственные тесты Google показывают, что с генерацией безопасного кода Carbon справляется более чем вдвое чаще, чем Argon. Команда браузера Chrome тоже заметила разницу: качественные исправления ошибок новая модель готовит более чем в десять раз лучше, чем крупная модель другой лаборатории. По данным облачной платформы безопасности Wiz, принадлежащей Google, Carbon лидирует и в тестах, где нужно имитировать атаки на веб-сайты.
Помимо кибербезопасности, модель лучше предшественницы пишет код, решает научные задачи и разрабатывает веб-сайты. Во время внутренних испытаний Carbon несколько дней подряд работала над одной задачей — находила причины сложных ошибок в крупных программных проектах и исправляла их. В рейтинге веб-разработки WebDev Arena показатель модели вырос на 89 пунктов, до 1768, — это четвёртое место.
Подписывайтесь на Mediasat в Telegram: здесь самые интересные новости из мира технологий
Отдельно компания измеряла, насколько модель соблюдает заданные рамки. Когда Carbon работала вместе с разработчиками Google, количество предупреждений о серьёзных нарушениях правил сократилось почти на 80%. При этом утверждений, не подкреплённых фактами, модель делает примерно вдвое меньше, чем Argon. Усилилась и защита от злоумышленников: в тесте компании Gray Swan ни одна атака через скрытые в данных посторонние инструкции (prompt injection) не удалась. Против Argon срабатывали 0,7% таких атак.
Google участвует в добровольной программе правительства США, по которой новые модели проверяют перед выпуском. После первых специалистов по кибербезопасности компания постепенно откроет доступ к Carbon другим доверенным партнёрам через программу Fairwind. Разработчики, компании и обычные пользователи получат модель позже, точных сроков Google не называет. Аудитория у компании немалая: приложение Gemini ещё в августе превысило 1 млрд активных пользователей в месяц.
Во вводный период разработчики будут платить за Carbon столько же, сколько за Argon. Цену определяют в токенах — фрагментах текста, которыми модель измеряет объём данных. Миллион входных токенов будет стоить 2 доллара, а выходных — 10 долларов. Входные данные, уже сохранённые в кеше, обходятся на 95% дешевле.
