Google DeepMind представила Gemini 4 Carbon — свою топовую модель для киберзащиты и программирования

Google DeepMind представила Gemini 4 Carbon — свою самую мощную на сегодняшний день модель. Gemini 4 Carbon — передовая модель Google, созданная для длительной агентной разработки и защиты от киберугроз. Она занимает первое место в обновленном индексе Artificial Analysis Intelligence Index v5.0 с результатом 59. Для разработчиков есть нюанс: доступ ограничен. Сначала Carbon получит проверенная группа специалистов по киберзащите, а не пользователи публичного API.

Кратко

Размер: Количество параметров и размер контекстного окна не раскрыты. Предшественник модели, Gemini 4 Argon, имеет контекст объемом 1 048 576 токенов.
Работает на: Только на серверах Google. Открытых весов, самостоятельного хостинга и квантованных версий нет.
Производительность: Лидирует в 15 из 17 опубликованных тестов, опережая Argon, GPT-6 Astra, Opus 5.5 и Fable 5.1.
Лучший результат: 96,2% BFS F1 в GraphWalks (от 256 тыс. до 1 млн токенов), против 84,2% у Argon.
Худший результат: 81,5% в OSWorld-2.1, уступая Claude Opus 5.5 с результатом 87,2%.
Итог: Сильнейшая сторона: поиск, эксплуатация и исправление уязвимостей на уровне передовых решений. Слабейшая сторона: вероятно, вы пока не сможете отправить ей запрос.

Что такое Gemini 4 Carbon?

Carbon — вторая модель семейства Gemini 4 после Gemini 4 Argon. По словам команды Google, модель предназначена для сложной инженерной работы, требующей длительного выполнения. Внутренние команды наблюдали, как Carbon работала над отдельными задачами в течение нескольких дней. Среди примеров — поиск первопричин и исправление трудноуловимых ошибок в больших кодовых базах и низкоуровневых системах.

Google также оптимизировала Carbon для фулстек-разработки и мультимодального понимания. В WebDev Arena Carbon набрала 89 очков Elo и поднялась на четвертое место с результатом 1769.

Как Gemini 4 Carbon показывает себя в тестах?

Google опубликовала сравнение по 17 показателям в своей статье о запуске. Carbon тестировалась с максимальной настройкой глубины рассуждений. По данным Google, большинство результатов конкурентов предоставлены самими разработчиками в соответствии с их методологией оценки.

Агентная разработка: Carbon набирает 65,2% в Terminal-Bench 4.0 (AA), опережая Opus 5.5 с результатом 59,6%. В SWE-sweep модель получает 9,6%, незначительно опережая GPT-6 Astra с 9,5%. В FrontierSWE лидирует GPT-6 Astra с результатом 65,5% против 61,2% у Carbon.

Работа с компьютером и интеллектуальные задачи: Carbon достигает 77,4% в Agents’ Last Exam v1.1. В Vending-Bench 2 модель завершает испытание с банковским балансом $16 484 — это лучший из представленных результатов.

Длинный контекст и наука: Самый большой разрыв наблюдается в GraphWalks: 96,2% против 71,8% у GPT-6 Astra. Carbon также показывает 80,0% в RiemannBench.

Почему Carbon важна для кибербезопасности?

Google позиционирует Carbon как решение для полного цикла защиты: найти, проверить, затем исправить. Кибербезопасностные тесты проводились без защитных ограничений.

Поиск: 88,2% в SEC-bench Pro против 85,4% у GPT-6 Astra.
Эксплуатация: 54,8% в ExploitGym против 42,4% у GPT-6 Astra и 34,5% у Opus 5.5.
Исправление: 71,0% в CWE-bench от Collinear против 68,0% у Argon и GPT-6 Astra.

Google самостоятельно рассчитала результаты SEC-bench Pro и ExploitGym с использованием своего инструментария Antigravity. ExploitGym запускался с отключенными средствами защиты. Внутренние тесты показали, что Carbon более чем в два раза успешнее Argon при создании безопасного кода. По словам команды Google, команда Chrome обнаружила, что Carbon более чем в 10 раз лучше модели другой лаборатории при создании качественных исправлений. Wiz сообщает, что Carbon лидирует в ее тестах веб-пентестинга.

Запустить цикл</button></div> </div> <div class="panel" id="p2"> <div class="stage"> <div> <div class="step on" data-s="0"><b>1 · Поиск</b><small>SEC-bench Pro: обнаружение реальных уязвимостей</small></div> <div class="step" data-s="1"><b>2 · Проверка</b><small>ExploitGym: проверка эксплуатируемости уязвимостей</small></div> <div class="step" data-s="2"><b>3 · Исправление</b><small>CWE-bench: устранение первопричины в коде</small></div> <div class="btns"><button class="btn" id="g4cnext">Следующий шаг →</button></div> </div> <div class="bars" id="g4ccyber"></div> </div> <p class="note">Кибертесты проводились без защитных ограничений. Google самостоятельно рассчитала результаты SEC-bench Pro и ExploitGym (с отключенными средствами защиты). Не раскрыто = результат не опубликован.</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 работают с максимальной настройкой глубины рассуждений. Конкуренты — с максимально доступным уровнем рассуждений, причем большинство результатов предоставлены самими разработчиками.</p> </div> <div class="panel" id="p4"> <div class="sgrid"> <div class="scard"><b>0,0%</b><span>Успешные попытки жульничества в Terminal-Bench 4.0</span><em>Доля попыток жульничества снизилась до 0,4%, а точность выросла.</em></div> <div class="scard"><b>~80%</b><span>Меньше предупреждений о серьезных нарушениях согласованности</span><em>Наблюдалось в рабочих средах для программирования совместно с внутренними командами Google.</em></div> <div class="scard"><b>~2x</b><span>Меньше неподтвержденных утверждений, чем у Argon</span><em>Carbon включает оговорки в итоговый результат вместо расплывчатых формулировок.</em></div> <div class="scard"><b>-26%</b><span>Выход за рамки задачи</span><em>Соблюдает границы задачи при выполнении многоэтапных планов.</em></div> <div class="scard"><b>-29%</b><span>Недостаточное выполнение задачи</span><em>Доводит до конца то, о чем ее попросили.</em></div> <div class="scard"><b>0,0%</b><span>Успешные атаки Gray Swan IPI</span><em>У Argon этот показатель уже составлял 0,7%. Carbon отразила все протестированные атаки.</em></div> </div> <p class="note">Нажмите на карточку, чтобы посмотреть подробности. Все показатели получены Google внутри компании или в самостоятельно проведенных тестах.</p> </div> <div class="panel" id="p5"> <div class="tl" id="g4ctl"> <div class="ti"><b>Тестирование до выпуска</b><small>Google участвует в добровольном тестировании моделей до выпуска, проводимом правительством США.</small></div> <div class="ti"><b>На этой неделе: специалисты по киберзащите</b><small>Сначала доступ получит ограниченная группа специалистов по киберзащите.</small></div> <div class="ti"><b>Программа Fairwind</b><small>Поэтапный доступ для проверенных партнеров: правительств, объектов критической инфраструктуры и ключевых технологических платформ.</small></div> <div class="ti"><b>Позже: разработчики, компании, потребители</b><small>Дата не объявлена. Google обещает предоставить доступ «как можно скорее».</small></div> </div> <div class="calc"> <label>Входные токены в месяц: <b id="g4cin">50</b> млн</label> <input type="range" id="g4crin" min="1" max="500" value="50"> <label>Выходные токены в месяц: <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>Вводная цена ($2 / $10)</small></div> <div><b id="g4cc2">$400</b><small>После вводного периода ($4 / $20)</small></div> </div> </div> <p class="note">Расчет не учитывает кэширование. Кэшированные входные данные стоят на 95% дешевле.</p> </div> <div class="foot"> <span>Источник: <a href="https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/" target="_blank" rel="noopener">статья Google о запуске</a> · <a href="https://storage.googleapis.com/deepmind-media/gemini/gemini_4_carbon_model_evaluation.pdf" target="_blank" rel="noopener">методология</a></span> <span class="brand">© Marktechpost</span> </div> </div> <script> (function(){ var R=document.getElementById('mtp-g4c'); function post(){try{parent.postMessage({mtpEmbed:'g4c',height:R.offsetHeight+40},'*');}catch(e){}} var M=['Gemini 4 Carbon','Gemini 4 Argon','GPT-6 Astra','Claude Opus 5.5','Claude Fable 5.1']; function bars(el,title,vals,max,unit){ var h='<p class="bt">'+title+'</p>'; vals.forEach(function(v,i){ h+='<div class="row"><span>'+M[i]+'</span><div class="track"><div class="fill'+(i==0?' me':'')+'" data-w="'+(v==null?0:v/max*100)+'"></div></div><span class="val">'+(v==null?'<span class="nd">Не раскрыто</span>':(unit=='$'?'$'+v.toLocaleString('en-US'):v+unit))+'</span></div>'; }); el.innerHTML=h; setTimeout(function(){el.querySelectorAll('.fill').forEach(function(f){f.style.width=f.getAttribute('data-w')+'%';});},60); post(); } var CY=[['SEC-bench Pro (поиск)',[88.2,83.4,85.4,null,null]],['ExploitGym (проверка)',[54.8,42.0,42.4,34.5,null]],['CWE-bench (исправление)',[71.0,68.0,68.0,67.0,58.0]]]; var cs=0,cyEl=document.getElementById('g4ccyber'); function cy(i){cs=i;document.querySelectorAll('#mtp-g4c .step').forEach(function(s,j){s.classList.toggle('on',j==i);});bars(cyEl,CY[i][0],CY[i][1],100,'%');} document.querySelectorAll('#mtp-g4c .step').forEach(function(s,j){s.onclick=function(){cy(j);};}); document.getElementById('g4cnext').onclick=function(){cy((cs+1)%3);}; var B=[ ['AA Index v5.0',[59,50,57,58,49],70,''], ['Terminal-Bench 4.0 (AA)',[65.2,57.1,59.1,59.6,52.0],100,'%'], ['FrontierSWE',[61.2,55.0,65.5,62.3,56.3],100,'%'], ['OSWorld-2.1 (автономное подмножество)',[81.5,74.7,80.9,87.2,76.8],100,'%'], ['Agents’ Last Exam v1.1',[77.4,69.0,73.1,71.6,null],100,'%'], ['GraphWalks от 256K до 1M (BFS F1)',[96.2,84.2,71.8,66.8,65.0],100,'%'], ['Vending-Bench 2 (банковский баланс)',[16484,13718,15515,9235,5422],18000,'$'], ['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">

Какие изменения в области безопасности появились в Carbon?

Carbon сохраняет многоуровневую систему Argon: обучение, защиту от злоупотреблений в реальном времени, устойчивость к внедрению промптов и мониторинг цепочки рассуждений. Google сообщает о нескольких улучшениях в области согласованности:

Доля успешных попыток жульничества в Terminal-Bench 4.0 снизилась до 0,0%, а доля самих попыток составила 0,4%.
Количество предупреждений о серьезных нарушениях согласованности при работе с кодом во внутренних средах в реальном времени сократилось почти на 80%.
Количество неподтвержденных утверждений снизилось примерно в два раза по сравнению с Argon.
Выход за рамки задачи сократился на 26%, а недостаточное выполнение задачи — на 29%.
Успешность атак в тесте Gray Swan на косвенное внедрение промптов составляет 0,0% против 0,7% у Argon.

Это внутренние показатели Google или результаты самостоятельно проведенных компанией тестов. Независимое воспроизведение результатов пока отсутствует.

Как разработчики могут получить доступ к Gemini 4 Carbon?

Пока никак — для большинства пользователей. Google участвует в добровольном процессе тестирования моделей до выпуска, проводимом правительством США. На этой неделе доступ получит ограниченная группа специалистов по киберзащите. Затем к программе через Fairwind Program подключатся другие проверенные партнеры, приоритет получат правительства, операторы объектов критической инфраструктуры и ключевые технологические платформы. Разработчики, компании и потребители получат доступ к Carbon позже, но дата не названа.

Стоимость соответствует вводным тарифам Argon: $2 за миллион входных токенов и $10 за миллион выходных токенов. Кэшированные входные данные на 95% дешевле. После вводного периода цены вырастут до $4 и $20 соответственно.

Gemini 4 Carbon в сравнении с конкурентами

Характеристика	Gemini 4 Carbon	Gemini 4 Argon	GPT-6 Astra	Claude Opus 5.5	Claude Fable 5.1
Параметры	Не раскрыты	Не раскрыты	Не раскрыты	Не раскрыты	Не раскрыты
Контекстное окно	Не раскрыто	1 048 576	1 050 000	1 млн	1 млн
Максимальный вывод	Не раскрыт	65 536 (1 048 576 при длинной генерации)	128 000	128 тыс.	128 тыс.
Цена ввода / вывода (за 1 млн)	$2 / $10 в вводный период, затем $4 / $20	$2 / $10 в вводный период (Google)	$10 / $50	$4 / $20 (тарифы)	$10 / $50 (тарифы)
Доступ	Проверенные специалисты по киберзащите, 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%	Не раскрыто	Не раскрыто
ExploitGym	54,8%	42,0%	42,4%	34,5%	Не раскрыто
OSWorld-2.1	81,5%	74,7%	80,9%	87,2%	76,8%
FrontierSWE	61,2%	55,0%	65,5%	62,3%	56,3%

Данные для тестов: статья Google о запуске; результаты конкурентов в основном предоставлены самими разработчиками согласно методологии.

Ключевые выводы

Gemini 4 Carbon занимает первое место в Artificial Analysis Index v5.0 с результатом 59.
Она лидирует в SEC-bench Pro (88,2%), ExploitGym (54,8%) и CWE-bench (71,0%).
В тесте длинного контекста GraphWalks модель достигает 96,2% — это ее самый большой отрыв.
Claude Opus 5.5 по-прежнему лидирует в OSWorld-2.1, а GPT-6 Astra — в FrontierSWE.
Доступ начинается со специалистов по киберзащите по цене $2/$10 за миллион токенов.

Ознакомьтесь со статьей Google о запуске, методологией оценки и страницей программы Fairwind. Также подписывайтесь на нас в Twitter, присоединяйтесь к нашему сабреддиту по машинному обучению с аудиторией более 150 тысяч человек и подписывайтесь на нашу рассылку. Постойте! Вы есть в Telegram? Теперь к нам можно присоединиться и в Telegram.

Хотите сотрудничать с нами для продвижения своего репозитория GitHub, страницы на Hugging Face, релиза продукта, вебинара и т. д.? Свяжитесь с нами

Переведено автоматически с английского. Оригинал статьи — по ссылке ниже.