Google DeepMind выпустила Gemini 4 Carbon: цена как у Argon, $2 и $10 за млн токенов

Google DeepMind выпустила Gemini 4 Carbon: цена как у Argon, $2 и $10 за млн токенов

Google DeepMind объявила, что делает Gemini 4 Carbon доступной разработчикам, компаниям, учёным и обычным пользователям. Компания называет Carbon своей сильнейшей моделью: по её словам, у неё передовой уровень в кибербезопасности и в долгих агентных рабочих процессах (сложная интеллектуальная работа, разработка ПО, научные рассуждения). Две недели назад Carbon уже получил ограниченный круг специалистов по киберзащите в рамках программы Fairwind. Недавно вышедшая Gemini 4 Argon, по словам Google, остаётся идеальным выбором для большинства задач разработки и интеллектуальной работы, а Carbon нужен для задач на пределе возможностей модели: сложного многошагового кодинга и отладки, открытых научных исследований. Для этого он тратит больше токенов, чем Argon: исследует глубже, рассуждает дольше и гоняет длинные циклы проверки.

Доступность и цена. Через API в Google AI Studio и Gemini for business модель доступна всем платным разработчикам и компаниям по той же вводной цене, что и Argon: $2 за миллион входных токенов и $10 за миллион выходных. Сколько действует вводная цена и какой будет обычная, в видимом тексте не сказано. Подписчикам Google AI Ultra Carbon раскатывается в Google Antigravity, приложении Gemini и AI Mode в Поиске. Кроме того, в Antigravity Google показывает в предварительном режиме /swarm: один запрос превращается в скоординированную команду агентов, за работой которой можно следить в реальном времени. Carbon можно назначать на роли, требующие самых глубоких рассуждений (проектирование архитектуры, координация, аудит), а более быстрые и лёгкие модели ставить рядом в параллельные изолированные рабочие пространства с состязательными проверяющими.

Бенчмарки. По данным Google, Carbon занимает первое место на независимых тестах CursorBench 4.0, WANDR от Perplexity и AutomationBench от Zapier, причём стоимость задачи более чем вдвое ниже, чем у следующей лучшей внешней модели. На новом бенчмарке Multimodal Knowledge Agent (MKA), созданном вместе с Artificial Analysis для работы агентов с плотными файлами (графики, чертежи, схемы, таблицы), Carbon на втором месте, а средняя стоимость задачи более чем в 6 раз ниже, чем у лидера. В предрелизных оценках он сравнялся с лучшей протестированной моделью на финансовом агентном тесте Hebbia и занял первое место среди 23 конфигураций передовых моделей в тесте General Financial Intelligence компании Balyasny Asset Management. Числовые баллы по этим тестам в тексте не приводятся, только места и соотношения стоимости.

Кибербезопасность. При доступе через Fairwind Carbon, по заявлению Google, лидирует на ключевых бенчмарках по поиску (SEC-bench Pro), эксплуатации (ExploitGym) и исправлению (CWE-bench v1) уязвимостей. В Project Fortify, автономной системе Google для сканирования, сортировки и исправления, Carbon показал 100% полноты на сканировании и 95% точности на сортировке по внутреннему бенчмарку Google, а на тестах репозиториев с открытым кодом полнота выросла более чем на 25% относительно Argon. Команда Google Cloud Vulnerability Research с его помощью доказала, что две ошибки в популярном открытом ПО эксплуатируемы; мейнтейнеры переклассифицировали ошибку как критическую и выпустили патч, подробности обещаны после раскрытия. В программе Wiz Scan for Good при сканировании двух крупных SaaS-провайдеров модель нашла 0-day-уязвимости менее чем за два часа.

Наука и математика. Axiom Bio (исследования токсичности лекарств) называет Carbon ведущей моделью для трансляционной науки: он нашёл новые механизмы токсичности, и компания переводит на Carbon и Argon рабочие аналитические процессы и агентов. Исследователи Google с помощью нового агентного фреймворка AlphaProof Code и Carbon сгенерировали миллионы строк кода на Lean и за недели доказали ключевые свойства безопасности кода протокола Signal, что, по словам Google, обычно занимает у команд экспертов годы. По лабораторным заметкам и сырым данным Carbon выявил артефакты эксперимента, например неполное автоматическое перемешивание в глубоких лунках. В задаче предсказания структуры белков он нашёл удалённых гомологов, и на 7 семействах белков с малым числом гомологов из слепого набора CASP17 число найденных гомологов выросло в среднем в 40 раз; Google оговаривает, что более широкое тестирование ещё идёт. Программа бесплатного доступа к Argon в Antigravity для 10 000 учёных на шесть месяцев, открытая четыре недели назад, теперь распространяется и на Carbon; заявки принимаются, приём идёт по мере возможностей и отбора.

Безопасность. В симуляциях кибератак (ExploitBench и CyScenarioBench) Carbon заблокировал 99% траекторий атак адаптивного агента-«красной команды», вероятность взлома за попытку снижена до 0,8% (у Argon было 3,1%). В тестах Gray Swan успешность автоматизированных кибератак упала до 2,17% против 9,86% у Argon. Внешнее тестирование Trajectory Labs не нашло новых универсальных джейлбрейков за 132 часа и более 13 000 запросов. На собственном бенчмарке честности из 375 агентных задач Carbon прошёл 92% (у Argon 70%): в 98% случаев отказался додумывать недостающие экспериментальные данные и в 68% указал на методологические изъяны. Двумя неделями ранее Google сообщала о 0% успешных атак с внедрением инструкций на бенчмарке Gray Swan IPI, но признаёт, что устойчивость к такому внедрению нужно улучшать дальше.

Ключевые факты

  • Gemini 4 Carbon, по словам Google DeepMind, её сильнейшая модель, доступна через API в Google AI Studio и Gemini for business платным разработчикам и компаниям за $2 за млн входных и $10 за млн выходных токенов (вводная цена, как у Argon); подписчикам Google AI Ultra раскатывается постепенно.
  • Carbon рассчитан на самые трудные задачи и тратит больше токенов, чем Argon; для большинства задач разработки и интеллектуальной работы Google по-прежнему рекомендует Argon.
  • Первое место на CursorBench 4.0, WANDR (Perplexity) и AutomationBench (Zapier) при стоимости задачи более чем вдвое ниже, чем у следующей лучшей внешней модели; на новом бенчмарке MKA с Artificial Analysis второе место и стоимость более чем в 6 раз ниже, чем у лидера.
  • В кибербезопасности: 100% полноты и 95% точности в Project Fortify (внутренний бенчмарк Google), 0-day-уязвимости у двух SaaS-провайдеров менее чем за два часа в программе Wiz.
  • По безопасности: вероятность взлома за попытку 0,8% против 3,1% у Argon; на бенчмарке честности 92% против 70%; устойчивость к внедрению инструкций, как признаёт Google, нужно улучшать.

Почему это важно

Carbon, по заявлению Google, продолжает линейку Gemini 4 после недавнего выхода Argon и становится самой сильной моделью компании. Главный довод Google в том, что передовая точность сочетается с практичной стоимостью: на трёх независимых тестах агентной работы он, по данным компании, первый при более чем двукратно меньшей цене задачи, чем у следующей лучшей внешней модели. Отдельный акцент на кибербезопасности: модель сначала выдали ограниченному кругу защитников, а теперь открывают шире, с оговоркой об усиленных защитах от злоупотреблений.

Кому это важно

Разработчикам и командам, строящим агентов, для сложного многошагового кодинга, отладки и крупных миграций. Компаниям с большими массивами плотных документов (юридические, финансовые и операционные задачи). Командам безопасности, которым интересны поиск, эксплуатация и исправление уязвимостей. Учёным: Carbon доступен участникам программы бесплатного доступа в Antigravity. Подписчикам Google AI Ultra, до которых модель доходит в приложении Gemini и AI Mode в Поиске.

Как это применить

Через API: Google AI Studio и Gemini for business для платных разработчиков и компаний, вводная цена $2 за млн входных и $10 за млн выходных токенов, как у Argon. Срок действия вводной цены и будущая обычная цена в тексте не указаны. Подписчикам Google AI Ultra модель раскатывается в Google Antigravity, приложении Gemini и AI Mode в Поиске. Практический выбор по версии Google: Argon для большинства задач разработки и интеллектуальной работы, Carbon для задач на пределе возможностей модели, с учётом того, что он расходует больше токенов. В Antigravity доступен в предварительном режиме /swarm: Carbon можно ставить на роли архитектора, координатора и аудитора, а лёгкие модели на параллельные задачи. Программа для учёных принимает заявки по мере возможностей и отбора.

Можно ли доверять

Это собственная публикация Google DeepMind, и почти все цифры её собственные. Часть результатов получена на внешних тестах (CursorBench 4.0, WANDR, AutomationBench, MKA вместе с Artificial Analysis, Gray Swan, Trajectory Labs), но баллов по ним в тексте нет, только места и соотношения стоимости; следующая лучшая внешняя модель и лидер MKA не названы. Показатели Project Fortify (100% и 95%) получены на внутреннем бенчмарке Google. Результат по протоколу Signal не описан как независимо проверенный. Два SaaS-провайдера и открытое ПО с двумя ошибками не названы, подробности обещаны после раскрытия. Результат по белкам Google сама подаёт осторожно: более широкое тестирование ещё идёт.

Риски и подводные камни

Carbon тратит больше токенов, чем Argon, поэтому итоговая стоимость задачи зависит не только от цены за токен; о цене вводной сказано, но срок её действия не указан. Сильные кибервозможности работают в обе стороны: Google говорит об усиленных защитах от злоупотреблений, но даже в её тестах вероятность взлома за попытку 0,8%, а не нулевая. Устойчивость к внедрению инструкций, по признанию компании, остаётся областью для улучшения, а автоматизированный подбор атак показал, что на некоторых распределениях модель можно улучшать дальше. /swarm пока лишь показан в предварительном режиме. Раскатка для подписчиков Google AI Ultra ещё идёт, так что доступность может различаться.

«Argon остаётся идеальным выбором для большинства задач разработки ПО и интеллектуальной работы.»

— Google DeepMind, блог