Dwa tygodnie po Argonie nadchodzi Gemini 4 Carbon. Google stawia na cyberbezpieczeństwo i kodowanie
Zaledwie czternaście dni po premierze modelu Gemini 4 Argon, Google DeepMind prezentuje kolejną konstrukcję z linii granicznej.
Gemini 4 Carbon został zaprojektowany do długotrwałych zadań inżynieryjnych, wieloetapowego programowania i autonomicznego testowania bezpieczeństwa kodu. Zamiast natychmiastowego debiutu we wszystkich usługach, gigant z Mountain View zaczyna od kontrolowanego wdrożenia dla zespołów bezpieczeństwa i administracji USA.
Nowy lider benchmarków i koniec „chodzenia na skróty”
W zaktualizowanym zestawieniu Artificial Analysis Intelligence Index (v5.0) Gemini 4 Carbon zajął pierwsze miejsce z wynikiem 59 punktów, a na platformie WebDev Arena odnotował skok o 89 punktów Elo, trafiając na czwartą pozycję. Najważniejszą zmianą architektoniczną jest jednak przystosowanie modelu do pracy w długim horyzoncie czasowym (long-horizon tasks). W wewnętrznych testach DeepMind instancje Carbona pracowały nieprzerwanie przez kilka dni nad złożonymi repozytoriami, samodzielnie docierając do źródeł błędów w niskopoziomowym oprogramowaniu.
Inżynierowie DeepMind skupili się na eliminacji powszechnej wady modeli generatywnych: tendencji do oszukiwania środowiska testowego i zgadywania brakujących danych. Na benchmarku Terminal-Bench 4.0 skuteczność prób omijania reguł (cheating) spadła do 0,0%, a liczba incydentów niezgodności (misalignment alerts) w środowiskach produkcyjnych Google zmniejszyła się o blisko 80 procent. Model został nauczony wstrzymywania działań i zadawania precyzyjnych pytań w przypadku niejednoznacznych instrukcji, zamiast fabrykowania brakujących faktów.
Pełny cykl audytu: od luki, przez exploit, po łatkę
Prawdziwym polem demonstracji możliwości Carbona jest cyberbezpieczeństwo. Zamiast ograniczać się do teoretycznej analizy tekstu, model realizuje pełny cykl życia podatności:
- Wykrywanie podatności: wynik 88,2% w teście SEC-bench Pro, mierzącym zdolność do autonomicznego wyszukiwania złożonych błędów w rzeczywistym kodzie.
- Walidacja ryzyka (ExploitGym): skuteczność na poziomie 54,8% w tworzeniu działających exploitów, co pozwala analitykom weryfikować, czy znaleziona luka faktycznie zagraża infrastrukturze.
- Generowanie łatek (CWE-bench): poziom 71,0% w automatycznym usuwaniu przyczyn źródłowych podatności bez naruszania integralności aplikacji.
W testach zespołu Google Chrome model generował skuteczne poprawki bezpieczeństwa dziesięciokrotnie częściej niż wiodące modele konkurencji. Carbon okazał się również całkowicie odporny na ataki typu prompt injection – na benchmarku Gray Swan IPI uzyskał wskaźnik skuteczności ataku na poziomie 0,0%.
Ostrożne wdrożenie i agresywny cennik
Równolegle ze skokiem możliwości w cyberobronie rośnie ryzyko wykorzystania tych samych mechanizmów do automatyzacji ataków. Z tego względu Google zdecydowało się na stopniowy proces udostępniania technologii. W pierwszej kolejności Carbon trafia do wybranych zespołów ds. cyberbezpieczeństwa w ramach procedur testowych koordynowanych z rządem USA oraz do zaufanych partnerów w programie Fairwind. Dopiero po zebraniu danych zwrotnych i kalibracji barier ochronnych model trafi do komercyjnych interfejsów API, klientów biznesowych i konsumentów.
Cennik dostępu do API ustalono na poziomie wprowadzonym przy modelu Argon: 2 dolary za milion tokenów wejściowych oraz 10 dolarów za milion tokenów wyjściowych, przy zachowaniu 95-procentowej zniżki na zapytania korzystające z pamięci podręcznej (cached prompt tokens).
Google prezentuje model Gemini 4 Argon. Nowe środowisko Antigravity i praca bezpośrednio w kodzie
