Google DeepMind представила Gemini 4 Carbon — свою топову модель для кіберзахисту та програмування

Google DeepMind представила Gemini 4 Carbon, свою найпотужнішу модель на сьогодні. Gemini 4 Carbon — передова модель від Google, створена для агентного програмування з довгим горизонтом планування та захисту від кіберзагроз. Вона посідає перше місце в оновленому індексі Artificial Analysis Intelligence Index v5.0 з результатом 59. Для розробників є нюанс: доступ. Спочатку Carbon отримує перевірена група фахівців із кіберзахисту, а не загальнодоступний API.

Коротко

Розмір: Кількість параметрів і розмір контекстного вікна не розголошуються. Її попередниця, Gemini 4 Argon, має контекст у 1 048 576 токенів.
Запуск: Лише на інфраструктурі Google. Відкритих ваг немає, самостійний хостинг і квантизовані версії не підтримуються.
Продуктивність: Перемагає в 15 із 17 опублікованих бенчмарків, порівняно з Argon, GPT-6 Astra, Opus 5.5 і Fable 5.1.
Найкращий результат: 96,2% BFS F1 на GraphWalks (від 256 тис. до 1 млн токенів), проти 84,2% у Argon.
Найгірший результат: 81,5% на OSWorld-2.1, поступившись Claude Opus 5.5 із 87,2%.
Підсумок: Найкраще: пошук, експлуатація та виправлення вразливостей на рівні передових технологій. Найгірше: ймовірно, ви поки не зможете її викликати.

Що таке Gemini 4 Carbon?

Carbon — друга модель Gemini 4 після Gemini 4 Argon. Команда Google зазначає, що модель призначена для складної інженерної роботи, яка триває довго. Внутрішні команди спостерігали, як Carbon працювала над окремими завданнями протягом кількох днів. Серед прикладів — пошук першопричин і виправлення непомітних помилок у великих кодових базах і низькорівневих системах.

Google також налаштувала Carbon для повностекової веброзробки та мультимодального розуміння. На WebDev Arena Carbon здобула 89 балів Elo і піднялася на четверте місце з результатом 1769.

Як Gemini 4 Carbon показує себе в бенчмарках?

Google опублікувала порівняння за 17 показниками у своїй публікації про запуск. Carbon тестували з найвищим рівнем міркування. За даними Google, більшість показників конкурентів самостійно надали їхні розробники відповідно до методології оцінювання.

Агентне програмування: Carbon набирає 65,2% у Terminal-Bench 4.0 (AA), випереджаючи Opus 5.5 із 59,6%. У SWE-sweep модель отримує 9,6%, незначно випереджаючи GPT-6 Astra з 9,5%. У FrontierSWE лідирує GPT-6 Astra з 65,5% проти 61,2% у Carbon.

Використання комп’ютера та інтелектуальна праця: Carbon досягає 77,4% у Agents’ Last Exam v1.1. У Vending-Bench 2 наприкінці тесту модель має $16 484 на банківському рахунку — це найвищий наведений результат.

Довгий контекст і наука: Найбільший розрив спостерігається в GraphWalks: 96,2% проти 71,8% у GPT-6 Astra. Carbon також демонструє 80,0% у RiemannBench.

Чому Carbon важлива для кібербезпеки?

Google позиціонує Carbon як модель для всього циклу захисту: знайти, перевірити, а потім виправити. Кібербезпекові бенчмарки оцінювалися без захисних обмежень.

Пошук: 88,2% у SEC-bench Pro проти 85,4% у GPT-6 Astra.
Експлуатація: 54,8% у ExploitGym проти 42,4% у GPT-6 Astra та 34,5% у Opus 5.5.
Виправлення: 71,0% у CWE-bench від Collinear проти 68,0% у Argon і GPT-6 Astra.

Google самостійно обчислила результати SEC-bench Pro і ExploitGym, використовуючи свій інструментарій Antigravity. ExploitGym працював із вимкненими засобами пом’якшення. Внутрішні тести показали, що Carbon більш ніж удвічі частіше створює безпечний код, ніж Argon. Команда Google зазначає, що команда Chrome виявила: Carbon більш ніж у 10 разів краща за модель іншої лабораторії у створенні якісних виправлень. Wiz повідомляє, що Carbon лідирує в її бенчмарках тестування вебсистем на проникнення.

Play the loop</button></div> </div> <div class="panel" id="p2"> <div class="stage"> <div> <div class="step on" data-s="0"><b>1 · Знайти</b><small>SEC-bench Pro: виявити реальні вразливості</small></div> <div class="step" data-s="1"><b>2 · Перевірити</b><small>ExploitGym: перевірити, які недоліки можна експлуатувати</small></div> <div class="step" data-s="2"><b>3 · Виправити</b><small>CWE-bench: усунути першопричину в коді</small></div> <div class="btns"><button class="btn" id="g4cnext">Наступний крок →</button></div> </div> <div class="bars" id="g4ccyber"></div> </div> <p class="note">Кібербезпекові бенчмарки оцінювалися без захисних обмежень. Google самостійно обчислила результати SEC-bench Pro і ExploitGym (з вимкненими засобами пом’якшення). Не розголошується = результат не опубліковано.</p> </div> <div class="panel" id="p3"> <div class="chips" id="g4cchips"></div> <div class="bars" id="g4cbench"></div> <p class="note">Carbon і Argon працюють із найвищим рівнем міркування. Конкуренти — з максимально доступним рівнем міркування; переважно показники надані самими розробниками.</p> </div> <div class="panel" id="p4"> <div class="sgrid"> <div class="scard"><b>0,0%</b><span>Успішне шахрайство в Terminal-Bench 4.0</span><em>Кількість спроб шахрайства знизилася до 0,4%, водночас точність зросла.</em></div> <div class="scard"><b>~80%</b><span>Менше попереджень про серйозні проблеми узгодженості</span><em>Спостерігалося в робочих середовищах програмування під час роботи з внутрішніми командами Google.</em></div> <div class="scard"><b>~2x</b><span>Менше непідтверджених тверджень, ніж у Argon</span><em>Carbon додає застереження до результату замість ухиляння від чіткої відповіді.</em></div> <div class="scard"><b>-26%</b><span>Вихід за межі завдання</span><em>Дотримується визначених меж у багатокрокових планах.</em></div> <div class="scard"><b>-29%</b><span>Неповне виконання</span><em>Виконує те, про що її попросили.</em></div> <div class="scard"><b>0,0%</b><span>Успішність атак Gray Swan IPI</span><em>У Argon цей показник уже становив 0,7%. Carbon відбила всі оцінені атаки.</em></div> </div> <p class="note">Натисніть на картку, щоб переглянути деталі. Усі показники отримані Google внутрішньо або в результаті власного тестування.</p> </div> <div class="panel" id="p5"> <div class="tl" id="g4ctl"> <div class="ti"><b>Тестування до випуску</b><small>Google бере участь у добровільному тестуванні моделей до випуску, яке проводить уряд США.</small></div> <div class="ti"><b>Цього тижня: фахівці з кіберзахисту</b><small>Спочатку доступ отримує обмежена група фахівців із кіберзахисту.</small></div> <div class="ti"><b>Програма Fairwind</b><small>Поетапний доступ для перевірених партнерів: урядів, операторів критичної інфраструктури та ключових технологічних платформ.</small></div> <div class="ti"><b>Пізніше: розробники, компанії, споживачі</b><small>Дата не оголошена. Google каже: «якнайшвидше».</small></div> </div> <div class="calc"> <label>Вхідні токени на місяць: <b id="g4cin">50</b> млн</label> <input type="range" id="g4crin" min="1" max="500" value="50"> <label>Вихідні токени на місяць: <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>Початкова ціна ($2 / $10)</small></div> <div><b id="g4cc2">$400</b><small>Після початкового періоду ($4 / $20)</small></div> </div> </div> <p class="note">Оцінка не враховує кешування. Кешовані вхідні дані на 95% дешевші за звичайну ціну.</p> </div> <div class="foot"> <span>Джерело: <a href="https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/" target="_blank" rel="noopener">публікація Google про запуск</a> · <a href="https://storage.googleapis.com/deepmind-media/gemini/gemini_4_carbon_model_evaluation.pdf" target="_blank" rel="noopener">методологія</a></span> <span class="brand">© Marktechpost</span> </div> </div> <script> (function(){ var R=document.getElementById('mtp-g4c'); function post(){try{parent.postMessage({mtpEmbed:'g4c',height:R.offsetHeight+40},'*');}catch(e){}} var M=['Gemini 4 Carbon','Gemini 4 Argon','GPT-6 Astra','Claude Opus 5.5','Claude Fable 5.1']; function bars(el,title,vals,max,unit){ var h='<p class="bt">'+title+'</p>'; vals.forEach(function(v,i){ h+='<div class="row"><span>'+M[i]+'</span><div class="track"><div class="fill'+(i==0?' me':'')+'" data-w="'+(v==null?0:v/max*100)+'"></div></div><span class="val">'+(v==null?'<span class="nd">Не розголошується</span>':(unit=='$'?'$'+v.toLocaleString('en-US'):v+unit))+'</span></div>'; }); el.innerHTML=h; setTimeout(function(){el.querySelectorAll('.fill').forEach(function(f){f.style.width=f.getAttribute('data-w')+'%';});},60); post(); } var CY=[['SEC-bench Pro (пошук)',[88.2,83.4,85.4,null,null]],['ExploitGym (перевірка)',[54.8,42.0,42.4,34.5,null]],['CWE-bench (виправлення)',[71.0,68.0,68.0,67.0,58.0]]]; var cs=0,cyEl=document.getElementById('g4ccyber'); function cy(i){cs=i;document.querySelectorAll('#mtp-g4c .step').forEach(function(s,j){s.classList.toggle('on',j==i);});bars(cyEl,CY[i][0],CY[i][1],100,'%');} document.querySelectorAll('#mtp-g4c .step').forEach(function(s,j){s.onclick=function(){cy(j);};}); document.getElementById('g4cnext').onclick=function(){cy((cs+1)%3);}; var B=[ ['AA Index v5.0',[59,50,57,58,49],70,''], ['Terminal-Bench 4.0 (AA)',[65.2,57.1,59.1,59.6,52.0],100,'%'], ['FrontierSWE',[61.2,55.0,65.5,62.3,56.3],100,'%'], ['OSWorld-2.1 (офлайн-підмножина)',[81.5,74.7,80.9,87.2,76.8],100,'%'], ['Agents’ Last Exam v1.1',[77.4,69.0,73.1,71.6,null],100,'%'], ['GraphWalks від 256 тис. до 1 млн (BFS F1)',[96.2,84.2,71.8,66.8,65.0],100,'%'], ['Vending-Bench 2 (банківський баланс)',[16484,13718,15515,9235,5422],18000,'$'], ['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">

Які зміни у сфері безпеки з’явилися в Carbon?

Carbon зберігає багаторівневу систему Argon: навчання, захист від зловживань у реальному часі, стійкість до ін’єкцій у запити та моніторинг ланцюжка міркувань. Google повідомляє про кілька покращень узгодженості:

Успішне шахрайство в Terminal-Bench 4.0 знизилося до 0,0%, а кількість спроб шахрайства становить 0,4%.
Кількість попереджень про серйозні проблеми узгодженості під час внутрішнього програмування в реальному середовищі зменшилася майже на 80%.
Кількість непідтверджених тверджень скоротилася приблизно вдвічі порівняно з Argon.
Вихід за межі завдання зменшився на 26%, а неповне виконання — на 29%.
Успішність атак у бенчмарку непрямих ін’єкцій у запити Gray Swan становить 0,0% проти 0,7% у Argon.

Це внутрішні показники Google або результати її власного тестування. Незалежного відтворення результатів поки немає.

Як розробники можуть отримати доступ до Gemini 4 Carbon?

Поки що — здебільшого ніяк. Google бере участь у добровільному процесі тестування моделей до випуску, який проводить уряд США. Цього тижня доступ отримує обмежена група фахівців із кіберзахисту. Більше перевірених партнерів отримають доступ через програму Fairwind, яка надає пріоритет урядам, операторам критичної інфраструктури та ключовим технологічним платформам. Розробники, компанії та споживачі отримають Carbon пізніше, але дату не названо.

Ціни відповідають початковому тарифу Argon: $2 за мільйон вхідних токенів і $10 за мільйон вихідних токенів. Кешовані вхідні дані коштують на 95% дешевше. Після завершення початкового періоду ціни зростуть до $4 і $20.

Gemini 4 Carbon у порівнянні з конкурентами

Характеристика	Gemini 4 Carbon	Gemini 4 Argon	GPT-6 Astra	Claude Opus 5.5	Claude Fable 5.1
Параметри	Не розголошується	Не розголошується	Не розголошується	Не розголошується	Не розголошується
Контекстне вікно	Не розголошується	1 048 576	1 050 000	1 млн	1 млн
Максимальний обсяг виведення	Не розголошується	65 536 (1 048 576 для довгого декодування)	128 000	128 тис.	128 тис.
Ціна введення / виведення (за 1 млн)	$2 / $10 на початку, потім $4 / $20	$2 / $10 на початку (Google)	$10 / $50	$4 / $20 (ціни)	$10 / $50 (ціни)
Доступ	Перевірені фахівці з кіберзахисту, 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 розголошується	Не розголошується
ExploitGym	54,8%	42,0%	42,4%	34,5%	Не розголошується
OSWorld-2.1	81,5%	74,7%	80,9%	87,2%	76,8%
FrontierSWE	61,2%	55,0%	65,5%	62,3%	56,3%

Рядки бенчмарків: публікація Google про запуск; показники конкурентів переважно надані самими розробниками відповідно до методології.

Основні висновки

Gemini 4 Carbon посідає перше місце в Artificial Analysis Index v5.0 із результатом 59.
Вона лідирує в SEC-bench Pro (88,2%), ExploitGym (54,8%) і CWE-bench (71,0%).
У довгоконтекстному GraphWalks модель досягає 96,2% — це її найбільша перевага.
Claude Opus 5.5 і далі перемагає в OSWorld-2.1, а GPT-6 Astra — у FrontierSWE.
Доступ починається з фахівців із кіберзахисту за ціною $2/$10 за мільйон токенів.

Ознайомтеся з публікацією Google про запуск, методологією оцінювання та сторінкою програми Fairwind. Також підписуйтеся на нас у Twitter і не забудьте приєднатися до нашого субреддіту про машинне навчання з понад 150 тисячами учасників та підписатися на нашу розсилку. Стривайте! Ви користуєтеся Telegram? Тепер ви також можете приєднатися до нас у Telegram.

Потрібно співпрацювати з нами для просування вашого репозиторію GitHub, сторінки Hugging Face, релізу продукту, вебінару тощо? Зв’яжіться з нами

Перекладено автоматично з англійської. Оригінал статті — за посиланням нижче.