Google DeepMind пуска Gemini 4 Carbon само две седмици след Argon с подобрения във всички направления

Google DeepMind пусна Gemini 4 Carbon само две седмици след Argon, а новият модел заема първото място в Artificial Analysis Intelligence Index.

Carbon получава 59 точки в наскоро обновената версия 5.0 на Artificial Analysis Intelligence Index, докато предшественикът Argon изостава с 50. Освен общите подобрения при агентните задачи и програмирането Google подчертава възможности, обхващащи целия жизнен цикъл на киберзащитата — от откриването и валидирането на уязвимости до тяхното отстраняване.

Създаден за многодневни сесии по програмиране

Google DeepMind казва, че е проектирала Carbon за „много по-трудни инженерни проблеми с дълъг хоризонт“, които изискват продължителни агентни работни процеси. Вътрешни екипи са използвали модела в продължение на няколко последователни дни, през които той самостоятелно е преодолявал задънени улици и е изпълнявал сложни, многостъпкови задачи като анализ на първопричината и отстраняване на трудноуловими грешки в големи кодови бази и ниско ниво на софтуера, твърди Google.

Google също отчита подобрения в научното разсъждение, мултимодалното разбиране и пълностековата уеб разработка въз основа на обратна връзка от потребителите. По-висококачествените резултати и артефакти при уеб разработката изкачиха Carbon с 89 Elo точки в WebDev Arena, където той заема четвърто място с 1 769 точки.

При бенчмарка на Gray Swan за индиректно инжектиране на подсказки Carbon намали процента на успеваемост на атаките от 0,7 процента при Argon до 0,0 процента, като според Google блокира всеки тестван опит за манипулация. Това не означава, че проблемът с инжектирането на подсказки е решен, но тестът изглежда е достигнал насищане.

Независими оценки потвърждават данните на Google

Според Artificial Analysis Carbon на най-високото си ниво на разсъждение („high“) оглавява Intelligence Index v5 главно заради високите си резултати при сложното разсъждение, извличането на знания и научните задачи, като заема първо място в четири от деветте отделни оценки в индекса.

При агентното програмиране в Antigravity Carbon все още изостава от Claude Code с Opus 5.5 с три точки, въпреки че се е повишил от 53 на 59 спрямо Argon. При агентната работа със знания в AA-Briefcase Carbon (high) печели 126 точки спрямо Argon (high, 1 483 Elo), достигайки 1 609 Elo, благодарение на качеството на презентациите (+293 Elo до 1 598) и аналитичното качество (+120 Elo до 1 671). Все още изостава от Kimi K3.1 Pro (1 678 Elo), Muse Wonder (max, 1 659 Elo) и Grok 4.7 (xhigh, 1 638 Elo).

Точността на отговорите се повишава от 48 на 58 процента спрямо Argon, докато процентът на халюцинациите нараства от четири на 11 процента. Това е по-висока стойност, но все пак втората най-ниска в класацията. Claude Opus 5.5 (max) и GPT-6 Astra (max) са на ниво от по 50 процента.

Платформата за оценки Vals AI поставя Carbon на второ място със 70,36 процента точност, след Claude Sonnet 5.5 (70,85 процента) и пред Claude Opus 5.5 (70,18 процента) и Argon на четвърто място (69,24 процента), при това с по-ниска цена.

Във Vals.ai Carbon също оглавява както Finance Index, така и бенчмарка Legal Research. При правните проучвания Vals AI отчита приблизително 45 процента повече цитирани източници, по-чести извиквания на инструменти и по-дълги отговори спрямо Argon.

Но задачите в бенчмарка Finance and Tax Agent отнемат повече от два пъти по-дълго време в сравнение с Argon, а при Legal Research Carbon отделя средно повече от 50 минути за задача. Моделът генерира 2,3 пъти повече токени за разсъждение и 64 процента повече изходни токени от Argon, макар че това все още е по-малко от половината от броя изходни токени на Sonnet 5.5 и Opus 5.5.

В Arena.ai Gemini 4 Carbon (High) оглавява Text Arena с 1 528 точки, изпреварвайки с малко Argon (1 520). В Agent Arena моделът заема второ място сред повече от 21 900 реални сесии, пред GPT-6 Astra и Fable-5.1, с нетно подобрение от 16,2 процента и най-висок резултат за управляемост (+18,6 процента). Медианната цена на задача от 1,80 долара е със 72 процента по-ниска от тази на заемащия първо място Claude Opus 5.5 (Max).

В категорията WebDev на Code Arena Carbon достига 1 768 точки (89 пред заемащия единадесето място Argon) и заема четвърто място като цяло, само с две точки зад Claude Sonnet 5.5 (xHigh, 1 770). Така той попада на кривата на Парето и в трите дисциплини.

Carbon оглавява бенчмарковете за сигурност без защитни механизми

За няколко теста за сигурност Google е използвала модела без защитни механизми. В SEC-bench Pro, който измерва автономното откриване на уязвимости в реален софтуер, Carbon постига 88,2 процента и оглавява всички тествани модели. В ExploitGym, който проверява дали дадена система може да превърне откритите уязвимости в работещи експлойти, моделът достига 54,8 процента. Carbon също така има голяма преднина на първото място при писането на корекции в CWE-Bench.

Google цитира и вътрешни резултати, които не могат да бъдат независимо проверени. Според тях във вътрешни бенчмаркове Carbon създава сигурен код повече от два пъти по-често от Argon, а при тестове на екипа на Google Chrome се е представил повече от десет пъти по-добре при писането на корекции за сигурност от водещия модел на неназован конкурент.

Експертите по сигурността получават достъп първи

Google въвежда модела постепенно и участва в процеса на предварително тестване на правителството на САЩ, като се позовава на усъвършенстваните възможности на Carbon за сигурност. Избрани експерти по киберсигурност получават достъп първи, считано от тази седмица. Чрез програмата Fairwind на Google DeepMind достъпът впоследствие ще бъде разширен до повече доверени партньори.

Компанията планира да предостави модела на разработчици, предприятия и потребители чрез интерфейсите на своите продукти, след като събере още обратна връзка и коригира защитните механизми.

Gemini 4 Carbon се пуска на същата начална цена като Argon: 2 долара за милион входни токени и 10 долара за милион изходни токени, като кешираните входни токени получават 95-процентна отстъпка от редовната цена за вход.

Carbon струва 7,76 долара на задача в Artificial Analysis Intelligence Index, около 23 процента по-малко от Claude Opus 5.5 (max, 10,04 долара) и приблизително 1,2 пъти повече от GPT-6 Astra (max, 6,25 долара). Средно генерира 123 000 изходни токени на задача, с 29 процента по-малко от модела на Anthropic (173 000 токена), и почти точно съвпада с цената на Argon (7,68 долара).

Artificial Analysis основава изчисленията си на редовната каталожна цена от 4 долара за милион входни токени и 20 долара за милион изходни токени (плюс 0,20 долара за кеширани входни токени), като пренебрегва настоящата въвеждаща отстъпка от 50 процента, която продължава до края на 2026 г.

Новини за изкуствения интелект без сензация – подбрани от хора

Абонирайте се за THE DECODER за четене без реклами, седмичен бюлетин за изкуствения интелект, нашия ексклузивен водещ доклад „AI Radar“ шест пъти годишно, пълен достъп до архива и достъп до секцията за коментари.