Google DeepMind представи Gemini 4 Carbon — своя водещ модел за киберзащита и програмиране

Google DeepMind представи Gemini 4 Carbon, най-мощния си модел досега. Gemini 4 Carbon е авангарден модел на Google, създаден за агентно програмиране с дълъг хоризонт и защита на киберсигурността. Той заема №1 в обновения индекс v5.0 Artificial Analysis Intelligence Index с резултат 59. За разработчиците уловката е достъпът. Carbon започва с проверена група защитници на киберсигурността, а не с публичен API.

Накратко

Размер: Броят на параметрите и контекстният прозорец не са разкрити. Предшественикът му, Gemini 4 Argon, има контекст от 1 048 576 токена.
Работи на: Само на хостинг на Google. Няма отворени тегла, самостоятелно хостване или квантизирани варианти.
Производителност: Води в 15 от 17 публикувани бенчмарка спрямо Argon, GPT-6 Astra, Opus 5.5 и Fable 5.1.
Най-добър резултат: 96,2% BFS F1 в GraphWalks (от 256 хил. до 1 млн. токена) спрямо 84,2% за Argon.
Най-слаб резултат: 81,5% в OSWorld-2.1, зад Claude Opus 5.5 с 87,2%.
Извод: Най-добър е при откриване, експлоатиране и поправяне на уязвимости на най-високо ниво. Най-слабата му страна е, че вероятно все още не можете да го извикате.

Какво представлява Gemini 4 Carbon?

Carbon е вторият модел Gemini 4 след Gemini 4 Argon. Екипът на Google посочва, че моделът е насочен към сложна инженерна работа, продължаваща дълго време. Вътрешните екипи са наблюдавали как Carbon работи с дни по отделни задачи. Примерите включват откриване на първопричината и поправяне на незабележими грешки в големи кодови бази и нискоуровневи системи.

Google също така е настроил Carbon за уеб разработка от край до край и мултимодално разбиране. В WebDev Arena Carbon спечели 89 Elo точки и достигна №4 с 1769 точки.

Как се представя Gemini 4 Carbon в бенчмарковете?

Google публикува сравнение от 17 реда в своята публикация за представянето. Carbon е тестван с най-високата настройка за мислене. Повечето резултати на конкурентите са посочени от самите доставчици, според методологията за оценяване на Google.

Агентно програмиране: Carbon постига 65,2% в Terminal-Bench 4.0 (AA), изпреварвайки Opus 5.5 с 59,6%. При SWE-sweep достига 9,6%, малко пред GPT-6 Astra с 9,5%. В FrontierSWE GPT-6 Astra води с 65,5% спрямо 61,2% за Carbon.

Използване на компютър и интелектуален труд: Carbon достига 77,4% в Agents’ Last Exam v1.1. Във Vending-Bench 2 завършва с банков баланс от 16 484 долара, най-високия сред посочените.

Дълъг контекст и наука: GraphWalks показва най-голямата разлика: 96,2% спрямо 71,8% за GPT-6 Astra. Carbon също така постига 80,0% в RiemannBench.

Защо Carbon е важен за киберсигурността?

Google представя Carbon като решение за целия жизнен цикъл на защитата: откриване, валидиране и след това поправяне. Кибербенчмарковете са оценени без защитни ограничения.

Откриване: 88,2% в SEC-bench Pro спрямо 85,4% за GPT-6 Astra.
Експлоатиране: 54,8% в ExploitGym спрямо 42,4% за GPT-6 Astra и 34,5% за Opus 5.5.
Поправяне: 71,0% в CWE-bench на Collinear спрямо 68,0% за Argon и GPT-6 Astra.

Google изчислява резултатите за SEC-bench Pro и ExploitGym самостоятелно, използвайки своята система Antigravity. ExploitGym е работил с изключени смекчаващи мерки. Вътрешно Carbon е показал над два пъти по-висок успех при генерирането на сигурен код спрямо Argon. Екипът на Google посочва, че екипът на Chrome е установил, че Carbon е над 10 пъти по-добър от модел на друга лаборатория при създаването на висококачествени пачове. Wiz съобщава, че Carbon води в неговите бенчмаркове за тестване на проникване в уебсайтове.

Стартирайте цикъла</button></div> </div> <div class="panel" id="p2"> <div class="stage"> <div> <div class="step on" data-s="0"><b>1 · Откриване</b><small>SEC-bench Pro: откриване на реални уязвимости</small></div> <div class="step" data-s="1"><b>2 · Валидиране</b><small>ExploitGym: проверка кои пропуски могат да бъдат експлоатирани</small></div> <div class="step" data-s="2"><b>3 · Поправяне</b><small>CWE-bench: отстраняване на първопричината в кода</small></div> <div class="btns"><button class="btn" id="g4cnext">Следваща стъпка →</button></div> </div> <div class="bars" id="g4ccyber"></div> </div> <p class="note">Кибербенчмарковете са оценени без защитни ограничения. Google самостоятелно е изчислил SEC-bench Pro и ExploitGym (с изключени смекчаващи мерки). Неразкрито = няма публикуван резултат.</p> </div> <div class="panel" id="p3"> <div class="chips" id="g4cchips"></div> <div class="bars" id="g4cbench"></div> <p class="note">Carbon и Argon работят с най-високата настройка за мислене. Конкурентите са с максимално наличното разсъждение, като резултатите са предимно самопосочени.</p> </div> <div class="panel" id="p4"> <div class="sgrid"> <div class="scard"><b>0,0%</b><span>Успешно измамно поведение в Terminal-Bench 4.0</span><em>Опитите за измама спаднаха до 0,4%, докато точността се подобри.</em></div> <div class="scard"><b>~80%</b><span>По-малко сигнали за несъответствие с висока степен на сериозност</span><em>Наблюдавано в реални среди за програмиране с вътрешните екипи на Google.</em></div> <div class="scard"><b>~2 пъти</b><span>По-малко неподкрепени твърдения спрямо Argon</span><em>Carbon включва уговорки в крайния резултат, вместо да използва уклончив език.</em></div> <div class="scard"><b>-26%</b><span>Прекомерно надхвърляне на задачата</span><em>Придържа се към обхвата при многостъпкови планове.</em></div> <div class="scard"><b>-29%</b><span>Недостатъчно изпълнение</span><em>Изпълнява поисканото докрай.</em></div> <div class="scard"><b>0,0%</b><span>Успешни атаки в Gray Swan IPI</span><em>Argon вече беше на 0,7%. Carbon устоя на всяка оценена атака.</em></div> </div> <p class="note">Докоснете карта за подробности. Всички стойности са от вътрешни тестове на Google или от тестове, проведени самостоятелно от компанията.</p> </div> <div class="panel" id="p5"> <div class="tl" id="g4ctl"> <div class="ti"><b>Тестване преди пускане</b><small>Google участва в доброволното тестване на модели преди пускане, провеждано от правителството на САЩ.</small></div> <div class="ti"><b>Тази седмица: защитници на киберсигурността</b><small>Подгрупа от защитници на киберсигурността получава първа достъп.</small></div> <div class="ti"><b>Програмата Fairwind</b><small>Поетапен достъп за проверени партньори: правителства, критична инфраструктура и основни технологични платформи.</small></div> <div class="ti"><b>По-късно: разработчици, компании, потребители</b><small>Не е обявена дата. Google казва „възможно най-скоро“.</small></div> </div> <div class="calc"> <label>Месечни входни токени: <b id="g4cin">50</b> млн.</label> <input type="range" id="g4crin" min="1" max="500" value="50"> <label>Месечни изходни токени: <b id="g4cout">10</b> млн.</label> <input type="range" id="g4crout" min="1" max="200" value="10"> <div class="cost"> <div><b id="g4cc1">$200</b><small>Въвеждаща цена ($2 / $10)</small></div> <div><b id="g4cc2">$400</b><small>След въвеждащия период ($4 / $20)</small></div> </div> </div> <p class="note">Оценката не включва кеширане. Кешираните входни данни са с 95% по-ниска цена.</p> </div> <div class="foot"> <span>Източник: <a href="https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/" target="_blank" rel="noopener">публикация на Google за представянето</a> · <a href="https://storage.googleapis.com/deepmind-media/gemini/gemini_4_carbon_model_evaluation.pdf" target="_blank" rel="noopener">методология</a></span> <span class="brand">© Marktechpost</span> </div> </div> <script> (function(){ var R=document.getElementById('mtp-g4c'); function post(){try{parent.postMessage({mtpEmbed:'g4c',height:R.offsetHeight+40},'*');}catch(e){}} var M=['Gemini 4 Carbon','Gemini 4 Argon','GPT-6 Astra','Claude Opus 5.5','Claude Fable 5.1']; function bars(el,title,vals,max,unit){ var h='<p class="bt">'+title+'</p>'; vals.forEach(function(v,i){ h+='<div class="row"><span>'+M[i]+'</span><div class="track"><div class="fill'+(i==0?' me':'')+'" data-w="'+(v==null?0:v/max*100)+'"></div></div><span class="val">'+(v==null?'<span class="nd">Неразкрито</span>':(unit=='$'?'$'+v.toLocaleString('en-US'):v+unit))+'</span></div>'; }); el.innerHTML=h; setTimeout(function(){el.querySelectorAll('.fill').forEach(function(f){f.style.width=f.getAttribute('data-w')+'%';});},60); post(); } var CY=[['SEC-bench Pro (откриване)',[88.2,83.4,85.4,null,null]],['ExploitGym (валидиране)',[54.8,42.0,42.4,34.5,null]],['CWE-bench (поправяне)',[71.0,68.0,68.0,67.0,58.0]]]; var cs=0,cyEl=document.getElementById('g4ccyber'); function cy(i){cs=i;document.querySelectorAll('#mtp-g4c .step').forEach(function(s,j){s.classList.toggle('on',j==i);});bars(cyEl,CY[i][0],CY[i][1],100,'%');} document.querySelectorAll('#mtp-g4c .step').forEach(function(s,j){s.onclick=function(){cy(j);};}); document.getElementById('g4cnext').onclick=function(){cy((cs+1)%3);}; var B=[ ['AA Index v5.0',[59,50,57,58,49],70,''], ['Terminal-Bench 4.0 (AA)',[65.2,57.1,59.1,59.6,52.0],100,'%'], ['FrontierSWE',[61.2,55.0,65.5,62.3,56.3],100,'%'], ['OSWorld-2.1 (офлайн подмножество)',[81.5,74.7,80.9,87.2,76.8],100,'%'], ['Agents’ Last Exam v1.1',[77.4,69.0,73.1,71.6,null],100,'%'], ['GraphWalks от 256 хил. до 1 млн. (BFS F1)',[96.2,84.2,71.8,66.8,65.0],100,'%'], ['Vending-Bench 2 (банков баланс)',[16484,13718,15515,9235,5422],18000,'$'], ['RiemannBench',[80.0,76.0,72.0,69.6,65.6],100,'%'] ]; var ch=document.getElementById('g4cchips'),be=document.getElementById('g4cbench'); B.forEach(function(b,i){var x=document.createElement('button');x.className='btn'+(i==0?' on':'');x.textContent=b[0];x.onclick=function(){ch.querySelectorAll('.btn').forEach(function(y){y.classList.remove('on');});x.classList.add('on');bars(be,b[0],b[1],b[2],b[3]);};ch.appendChild(x);}); function flow(){var n=document.querySelectorAll('#g4cflow .node');n.forEach(function(x){x.classList.remove('lit');});n.forEach(function(x,i){setTimeout(function(){x.classList.add('lit');},i*550);});} document.getElementById('g4cplay').onclick=flow; function tl(){var t=document.querySelectorAll('#g4ctl .ti');t.forEach(function(x){x.classList.remove('lit');});t.forEach(function(x,i){setTimeout(function(){x.classList.add('lit');},i*450);});} document.querySelectorAll('#mtp-g4c .scard').forEach(function(c){c.onclick=function(){c.classList.toggle('open');post();};}); var ri=document.getElementById('g4crin'),ro=document.getElementById('g4crout'); function calc(){var a=+ri.value,b=+ro.value;document.getElementById('g4cin').textContent=a;document.getElementById('g4cout').textContent=b; document.getElementById('g4cc1').textContent='$'+(a*2+b*10).toLocaleString('en-US');document.getElementById('g4cc2').textContent='$'+(a*4+b*20).toLocaleString('en-US');} ri.oninput=calc;ro.oninput=calc;calc(); var started={}; document.querySelectorAll('#mtp-g4c .tab').forEach(function(t){t.onclick=function(){ document.querySelectorAll('#mtp-g4c .tab').forEach(function(x){x.classList.toggle('on',x==t);}); var id=t.getAttribute('data-t'); document.querySelectorAll('#mtp-g4c .panel').forEach(function(p){p.classList.toggle('on',p.id==id);}); if(id=='p1')flow(); if(id=='p2')cy(cs); if(id=='p3'){var on=ch.querySelector('.btn.on');on&&on.click();} if(id=='p5')tl(); post(); };}); cy(0);bars(be,B[0][0],B[0][1],B[0][2],B[0][3]); flow(); window.addEventListener('load',post);window.addEventListener('resize',post);setTimeout(post,300); })(); </script> </body> </html> " style="width:100%;max-width:880px;height:600px;border:0;display:block;margin:24px auto;" loading="lazy">

Какви промени в безопасността идват с Carbon?

Carbon запазва многослойната система на Argon: обучение, защита в реално време срещу злоупотреби, устойчивост на инжектиране на подсказвания и наблюдение на веригата на мислене. Google съобщава за няколко подобрения в съответствието:

Успешното измамно поведение в Terminal-Bench 4.0 спадна до 0,0%, а опитите за измама са 0,4%.
Сигналите за несъответствие с висока степен на сериозност при програмиране на живо във вътрешни среди спаднаха с почти 80%.
Неподкрепените твърдения спаднаха приблизително два пъти спрямо Argon.
Прекомерното надхвърляне на задачата спадна с 26%, а недостатъчното изпълнение — с 29%.
Успеваемостта на атаките в бенчмарка за индиректно инжектиране на подсказвания на Gray Swan е 0,0% спрямо 0,7% при Argon.

Това са вътрешни резултати на Google или резултати от самостоятелно проведени тестове. Все още няма независимо възпроизвеждане.

Как разработчиците могат да получат достъп до Gemini 4 Carbon?

Все още не могат — поне в повечето случаи. Google участва в доброволния процес на правителството на САЩ за тестване на модели преди пускане. Тази седмица подгрупа от защитници на киберсигурността получава достъп. Следват други доверени партньори чрез програмата Fairwind, която дава приоритет на правителства, оператори на критична инфраструктура и основни технологични платформи. Разработчиците, компаниите и потребителите ще получат Carbon по-късно, без посочена дата.

Цената съвпада с въвеждащата тарифа на Argon: 2 долара за един милион входни токени и 10 долара за един милион изходни токени. Кешираните входни данни са с 95% по-ниска цена. След въвеждащия период цените се повишават до 4 и 20 долара.

Gemini 4 Carbon спрямо конкурентите

Характеристика	Gemini 4 Carbon	Gemini 4 Argon	GPT-6 Astra	Claude Opus 5.5	Claude Fable 5.1
Параметри	Неразкрито	Неразкрито	Неразкрито	Неразкрито	Неразкрито
Контекстен прозорец	Неразкрито	1 048 576	1 050 000	1M	1M
Максимален изход	Неразкрито	65 536 (1 048 576 при дълго декодиране)	128 000	128K	128K
Цена вход / изход (за 1 млн.)	$2 / $10 въвеждаща, след това $4 / $20	$2 / $10 въвеждаща (Google)	$10 / $50	$4 / $20 (цени)	$10 / $50 (цени)
Достъп	Проверени защитници на киберсигурността, Fairwind	Gemini API	OpenAI API	Claude API	Claude API
AA Index v5.0	59	50	57	58	49
SEC-bench Pro	88,2%	83,4%	85,4%	Неразкрито	Неразкрито
ExploitGym	54,8%	42,0%	42,4%	34,5%	Неразкрито
OSWorld-2.1	81,5%	74,7%	80,9%	87,2%	76,8%
FrontierSWE	61,2%	55,0%	65,5%	62,3%	56,3%

Редове с бенчмаркове: публикация на Google за представянето; резултатите на конкурентите са предимно самопосочени според методологията.

Основни изводи

Gemini 4 Carbon заема №1 в Artificial Analysis Index v5.0 с резултат 59.
Той води в SEC-bench Pro (88,2%), ExploitGym (54,8%) и CWE-bench (71,0%).
Дългият контекст в GraphWalks достига 96,2% — най-голямата му преднина.
Claude Opus 5.5 все още печели в OSWorld-2.1, а GPT-6 Astra — в FrontierSWE.
Достъпът започва със защитници на киберсигурността при цена $2/$10 за един милион токени.

Разгледайте публикацията на Google за представянето, методологията за оценяване и страницата на програмата Fairwind. Също така, можете да ни последвате в Twitter и не забравяйте да се присъедините към нашия SubReddit с над 150 хил. членове и да се абонирате за нашия бюлетин. Почакайте! В Telegram ли сте? Вече можете да се присъедините към нас и в Telegram.

Имате нужда от партньор за популяризирането на вашето GitHub хранилище, страница в Hugging Face, продуктово издание, уебинар и т.н.? Свържете се с нас

Преведено автоматично от английски. Оригиналната статия е на връзката по-долу.