Gemini 4 Carbon: Наша следующая передовая модель

Сегодня мы представляем следующую передовую модель: Gemini 4 Carbon — нашу самую мощную модель с передовыми возможностями в области кибербезопасности и выполнения долгосрочных задач.

Carbon занимает первое место с результатом 59 в недавно обновлённой версии 5.0 рейтинга Artificial Analysis Intelligence Index. Она демонстрирует значительный прогресс в задачах программирования и работы в режиме агента, а также в ключевых возможностях, критически важных для защиты от киберугроз, уверенно занимая лидирующие позиции в SEC-bench Pro (88,2%) по поиску уязвимостей, ExploitGym (54,8%) по их эксплуатации и CWE-bench (71,0%) по созданию исправлений. На внутренних тестах Carbon значительно повышает качество генерации безопасного кода, а в средах программирования реального времени с участием наших команд демонстрирует снижение показателей рассогласованности и фабрикации.

Развивая возможности Gemini 4 Argon, запущенной две недели назад, Carbon показывает темпы, с которыми мы продвигаем передовой край технологий. Наши исследователи и модели работают рука об руку, чтобы быстрее развивать возможности, одновременно укрепляя наши меры защиты.

Мы придерживаемся взвешенного подхода к запуску и активно участвуем в добровольном процессе правительства США по тестированию моделей до их выпуска. Начиная с этой недели, мы предоставим Carbon ограниченной группе специалистов по киберзащите и постепенно расширим доступ для дополнительных доверенных партнёров в рамках нашей программы Fairwind. Мы продолжаем собирать отзывы и совершенствовать защитные механизмы, прежде чем как можно скорее сделать Carbon доступной разработчикам, компаниям и потребителям через наши продукты.

Gemini 4 Carbon будет запущена по той же вводной цене ¹ , что и Argon: 2 доллара за миллион входных токенов и 10 долларов за миллион выходных токенов, при этом кэшированные входные токены будут стоить на 95% дешевле обычной цены входных токенов.

Улучшение программирования и рассуждений для сложных долгосрочных задач

Carbon разработана для решения гораздо более сложных инженерных задач, требующих длительной работы, и предназначена для устойчивых агентских рабочих процессов. Внутри компании наши команды наблюдали, как Carbon работает на протяжении нескольких дней, преодолевая тупиковые ситуации и решая сложные многоэтапные инженерные задачи, например выявляя первопричины и исправляя тонкие ошибки в больших кодовых базах и низкоуровневых системах.

Основываясь на отзывах пользователей, мы сосредоточились на повышении производительности модели в различных областях, включая программирование, агентские и научные задачи, а также полнотекстовую веб-разработку и мультимодальное понимание. Благодаря повышению качества результатов и артефактов в веб-разработке Carbon поднялась на 89 баллов Elo и заняла 4-е место (1769) в WebDev Arena.

Передовые возможности в области кибербезопасности для создания защищённых систем

Gemini 4 Carbon обеспечивает значительный скачок в возможностях кибербезопасности. Она демонстрирует передовые результаты на всех этапах жизненного цикла защиты от киберугроз — обнаружении уязвимостей, их проверке и устранении.

Наши команды уже наблюдают значительный прогресс в киберзащите. На внутренних тестах Carbon более чем в два раза повышает вероятность успешной генерации безопасного кода по сравнению с Argon. Например, команда Chrome сообщила, что Carbon показала результат более чем в 10 раз лучше, чем большая передовая модель другой лаборатории, при генерации высококачественных исправлений. Wiz, наша ведущая платформа облачной безопасности, также отмечает, что Carbon лидирует в тестах на веб-пентестирование — ключевой возможности инициативы Wiz's Scan for Good.

Carbon превосходит другие модели в ключевых внешних тестах (оценка проводилась без защитных механизмов):

• Поиск реальных уязвимостей: Поиск реальных уязвимостей является основой киберзащиты. Carbon достигает передового результата 88,2% в SEC-bench Pro, автономно выявляя сложные недостатки, скрытые в программном обеспечении реального мира.

• Проверка риска с помощью эксплуатации: Чтобы определить, какие уязвимости устранять в первую очередь или устранять вообще, специалисты по киберзащите всё чаще используют модели для проверки того, можно ли эксплуатировать уязвимости. Carbon устанавливает новый передовой результат в популярном тесте на эксплуатацию ExploitGym (54,8%).

• Исправление первопричины: После выявления уязвимостей устранение их первопричины является критически важным этапом жизненного цикла киберзащиты. Carbon достигает результата 71,0% в CWE-bench от Collinear, непосредственно превращая подтверждённые результаты поиска в работающие исправления кода.

Развитие безопасности и защищённости передовых моделей

Gemini 4 Carbon использует тот же многоуровневый стек безопасности и защищённости, что и Argon, объединяя обучение модели, защиту от злоупотреблений в реальном времени, устойчивость к инъекциям в запросы и мониторинг цепочки рассуждений. В частности, мы добились значительного прогресса в согласовании модели с Argon и сообщили о её склонности вести себя согласованно в нашем отчёте о безопасности и защищённости. Работая над Carbon, мы поставили перед собой задачу сделать ещё один шаг в области согласования и обучили модель правильно реагировать на сложные задачи или задачи, выполняемые в условиях высокого давления.

• Снижение использования обходных путей и эксплуатации лазеек: В Carbon мы дополнительно ограничили попытки использовать обходные пути в процессе обучения, сохранив высокое качество программирования. Carbon снизила успешное мошенничество в Terminal-Bench 4.0 до 0,0%, а долю попыток мошенничества — до 0,4%, одновременно повысив общую точность. В средах программирования реального времени с нашими внутренними командами мы наблюдали почти 80%-ное снижение числа предупреждений о рассогласовании высокой степени серьёзности.
• Большая прозрачность и честность: В ходе внутренних тестов Carbon примерно в два раза сократила количество неподтверждённых утверждений по сравнению с Argon. Она напрямую указывает методологические оговорки в готовом результате или отказывается от заблокированных действий, чётко перечисляя, что ещё требуется, вместо того чтобы фабриковать данные или уклоняться от ответа при отсутствии доказательств.
• Улучшение взаимодействия с пользователем в неоднозначных ситуациях: Вместо того чтобы угадывать или навязывать путь вперёд, Carbon извлекает релевантные источники и указывает пользователю на расхождения до начала действий — в результате пользователи должны получить гораздо более качественный опыт совместной работы с Carbon.
• Выполнение задач без выхода за установленные границы: Carbon одновременно сократила чрезмерное вмешательство на 26%, а недостаточное выполнение задач — на 29%, что обеспечило гораздо более надёжное выполнение многоэтапных планов от начала до конца при соблюдении ограничений проекта и строгом следовании заданным рамкам.
• Устойчивость к инъекциям в запросы: Хотя ранее Argon лидировала в тесте Gray Swan’s Indirect Prompt Injection (IPI) Benchmark по устойчивости к инъекциям в запросы с очень низкой долей успешных атак 0,7%, Carbon достигла результата 0,0%, отразив все проверенные попытки атак.

Скоро для разработчиков, компаний и потребителей

Продвижение передового края технологий требует действовать быстро, сохраняя при этом взвешенный подход к развёртыванию. С Gemini 4 Carbon мы стремимся обеспечить значительный прогресс в разработке программного обеспечения и киберзащите без ущерба для безопасности и надёжности. Мы с нетерпением ждём, как первая группа специалистов по киберзащите будет использовать эту модель, и рассчитываем вскоре предоставить Carbon разработчикам, компаниям и потребителям.