Google DeepMind представила Gemini 4 Carbon: лидер в кибербезопасности, доступ пока ограничен

Google DeepMind объявила о выходе Gemini 4 Carbon, которую называет своей самой сильной моделью с передовыми возможностями в кибербезопасности и в долгих задачах (long-horizon). Carbon строится на Gemini 4 Argon, выпущенной за две недели до анонса. По словам компании, её исследователи и модели работают совместно, чтобы быстрее наращивать возможности и одновременно усиливать защиту.

По данным самой Google, Carbon занимает первое место в обновлённой версии 5.0 индекса Artificial Analysis Intelligence Index с результатом 59. В кибербезопасности заявлены результаты: SEC-bench Pro (поиск уязвимостей), 88,2%, ExploitGym (проверка эксплуатируемости), 54,8%, CWE-bench от Collinear (исправление уязвимостей), 71,0%. Эти внешние тесты, как сказано в анонсе, проводились без защитных ограничений (guardrails). На внутренних тестах Carbon более чем вдвое повысила долю успешной генерации безопасного кода по сравнению с Argon. Команда Chrome, по сообщению Google, отметила, что Carbon справилась с созданием качественных патчей более чем в 10 раз лучше крупной передовой модели другой лаборатории (какой именно, не названо). Wiz, которую Google называет своей ведущей платформой облачной безопасности, наблюдает лидерство Carbon на тестах веб-пентеста.

В программировании и веб-разработке Carbon, по словам компании, прибавила 89 пунктов Elo и заняла 4-е место (1768) на WebDev Arena. Внутренние команды видели, как модель работала днями над сложными многошаговыми инженерными задачами, например искала первопричину и исправляла тонкие ошибки в больших кодовых базах и низкоуровневых системах.

Отдельный блок посвящён выравниванию (alignment) и безопасности. Carbon использует тот же многоуровневый набор мер защиты, что и Argon: обучение модели, защиту от злоупотреблений в реальном времени, устойчивость к промпт-инъекциям и мониторинг цепочки рассуждений. По данным Google, на Terminal-Bench 4.0 успешное жульничество снизилось до 0,0%, а попытки, до 0,4%, при этом точность выросла. В живых средах программирования с внутренними командами число серьёзных предупреждений о рассогласовании упало почти на 80%. Во внутренних тестах число необоснованных утверждений сократилось примерно вдвое по сравнению с Argon; избыточное вмешательство снизилось на 26%, недоработка, на 29%. На бенчмарке Gray Swan по непрямой промпт-инъекции доля успешных атак составила 0,0% против 0,7% у Argon.

Доступ будет ограниченным. На этой неделе Carbon получит часть специалистов по киберзащите, затем доступ будет постепенно расширяться на других доверенных партнёров через программу Fairwind. Компания участвует в добровольном процессе предрелизного тестирования моделей правительством США. Выход для разработчиков, бизнеса и потребителей через продукты Google обещан «как можно скорее», после сбора отзывов и доработки защитных ограничений; даты нет. Цена на запуске, как сказано, останется вводной и совпадёт с Argon: $2 за миллион входных и $10 за миллион выходных токенов, кешированные входные токены, со скидкой 95%.

Ключевые факты

Gemini 4 Carbon заняла 1-е место в Artificial Analysis Intelligence Index v5.0 с результатом 59; в WebDev Arena модель прибавила 89 Elo и вышла на 4-е место (1768), по данным самой Google.
Результаты в кибербезопасности: SEC-bench Pro, 88,2% (поиск уязвимостей), ExploitGym, 54,8% (эксплуатация), CWE-bench, 71,0% (исправление); внешние тесты проводились без защитных ограничений.
По внутренним данным: безопасный код более чем в 2 раза успешнее, чем у Argon; успешное жульничество на Terminal-Bench 4.0, 0,0%; серьёзные предупреждения о рассогласовании ниже почти на 80%.
Доступ сначала только для части специалистов по киберзащите и доверенных партнёров через программу Fairwind; для разработчиков, бизнеса и потребителей, «как можно скорее», без даты.
Вводная цена та же, что у Argon: $2 за млн входных и $10 за млн выходных токенов, кешированный ввод со скидкой 95%.

Почему это важно

Это второй выпуск линейки Gemini 4 за две недели: Carbon выходит вслед за Argon, и Google подаёт это как ускорение темпа. Главный акцент, кибербезопасность: модель заявлена как передовая на всём цикле защиты (поиск уязвимостей, проверка их эксплуатируемости, исправление). Необычен и способ выпуска: сначала узкий круг специалистов по киберзащите, а не массовый запуск.

Кому это важно

Прежде всего командам безопасности и тем, кто занимается поиском и исправлением уязвимостей: именно им доступ откроют первыми. Также разработчикам и компаниям, которые следят за ценами и возможностями передовых моделей для программирования и долгих агентных задач, и всем, кто сравнивает лаборатории по результатам в бенчмарках.

Как это применить

Сейчас воспользоваться моделью смогут только участники ограниченного доступа: часть специалистов по киберзащите и постепенно добавляемые доверенные партнёры по программе Fairwind (что требуется для участия, в анонсе не сказано). Остальным остаётся ждать: Google обещает выход для разработчиков, бизнеса и потребителей как можно скорее, без даты. Вводная цена на запуске: $2 за миллион входных и $10 за миллион выходных токенов, кешированные входные токены дешевле на 95%.

Можно ли доверять

Это анонс самой Google. Рейтинг Artificial Analysis, WebDev Arena и результаты внешних бенчмарков приведены в её собственном тексте; независимой проверки в анонсе нет. Часть цифр, внутренние тесты (улучшение безопасного кода, снижение необоснованных утверждений, предупреждения о рассогласовании на живых задачах командами компании). Результат Chrome-команды сравнивает Carbon с безымянной моделью другой лаборатории. Для результатов конкурентов на SEC-bench Pro, ExploitGym и CWE-bench цифр нет.

Риски и подводные камни

Внешние тесты по кибербезопасности проводились без защитных ограничений, то есть показывают возможности модели, а не то, что получат пользователи с включёнными ограничениями. Google сама подчёркивает осторожный выпуск и дорабатывает защиту по отзывам первых пользователей. Сроков общего доступа нет, сведений о контекстном окне и размере модели в анонсе нет. Заявления о безопасности основаны на внутренних измерениях компании.

«Наша цель, обеспечить значимые скачки в разработке программного обеспечения и киберзащите, не жертвуя безопасностью и надёжностью.»

— Google DeepMind, анонс Gemini 4 Carbon