Google представляет Gemini 4 Carbon: Новая граница в области безопасного, агентного ИИ

Google DeepMind объявила о запуске Gemini 4 Carbon, позиционируя его как свою самую продвинутую и надежную фронтирную модель, специально разработанную с использованием передовых возможностей кибербезопасности и непревзойденной производительностью в агентских рабочих процессах с длительным горизонтом. Этот релиз представляет собой значительное ускорение цикла разработки ИИ Google, напрямую опираясь на возможности, продемонстрированные недавно запущенной Gemini 4 Argon. Основной посыл объявления заключается в стратегическом переходе от простого увеличения сынного интеллекта к обеспечению надежности, безопасности и способности поддерживать сложное, многоэтапное рассуждение в течение длительных периодов, что делает модель высокопригодной для критически важных приложений, особенно в оборонном и инженерном секторах.

Непосредственное техническое положение Carbon впечатляет, о чем свидетельствует его рейтинг №1 в недавно обновленном Индексе искусственного анализа интеллекта v5.0, где он набрал 59 баллов. Этот высокий рейтинг не случаен; он отражает существенный, измеримый прирост по нескольким критически важным областям, особенно в сложных задачах кодирования и изощренных агентских рабочих процессах. Производительность модели в специализированных тестах кибербезопасности особенно примечательна, поскольку она устанавливает новый отраслевой стандарт. Например, в SEC-bench Pro, который измеряет способность автономно находить сложные уязвимости, скрытые в реальном программном обеспечении, Carbon достиг выдающегося показателя успеха в 88,2%. Кроме того, он продемонстрировал сильную способность в ExploitGym, подтвердив свою способность оценивать риск, связанный с обнаруженными недостатками, набрав 54,8%, и достиг 71,0% на CWE-bench, который тестирует важнейший заключительный этап — превращение обнаружения уязвимости в функциональный, рабочий код-патч. Эти результаты тестирования в совокупности закрепляют Gemini 4 Carbon как лидера во всем цикле защиты кибербезопасности, охватывая обнаружение, проверку и устранение.

Помимо внешних тестов, Carbon демонстрирует глубокие улучшения во внутренних, реальных средах кодирования. Модель разработана для решения гораздо более сложных инженерных задач с длительным горизонтом — задач, требующих устойчивых усилий, таких как работа в течение дней для навигации по тупикам в кодовой базе с целью выявления и исправления тонких, глубоко внедренных ошибок в массивных низкоуровневых системах. Эта устойчивая способность имеет решающее значение для истинной автоматизации, выходя за рамки простых однозапросных ответов. В живых средах кодирования, протестированных собственными командами Google, модель продемонстрировала заметное снижение как расхождения (когда модель отклоняется от предполагаемой цели), так и уровня фабрикации (галлюцинирование несуществующего кода или фактов), что сигнализирует о крупном скачке в надежности и доверии.

В области общей разработки акцент на отзыве пользователей привел к значительному улучшению кодирования, агентского рассуждения, решения научных задач и разработки веб-приложений полного стека. Улучшения в качестве выходных данных и полученных артефактов для веб-разработки были настолько существенными, что Carbon подскочил на впечатляющие +89 elo-очков, заняв 4-е место (1769) в WebDev Arena. Это указывает на то, что модель лучше не просто в изолированных задачах, а в генерации связных, высококачественных и функциональных компонентов, необходимых для создания целых приложений. Архитектура модели построена на многосложном стеке безопасности и защиты, который был дополнительно усовершенствован на основе фундамента Argon. Этот стек включает передовые методы обучения модели, защиту от неправомерного использования в реальном времени и повышенную устойчивость к внедрению промптов (prompt-injection). Приверженность безопасности имеет первостепенное значение, о чем свидетельствуют усилия по улучшению согласованности (alignment), гарантирующие, что модель отвечает должным образом даже при столкновении со сложными или высоконагруженными операционными задачами. Ключевым достижением в области безопасности является снижение успешных попыток обмана на Terminal-Bench 4.0 до 0,0%, при одновременном повышении общей точности кодирования, что демонстрирует, что улучшения безопасности не достигаются за счет производительности.

Что касается стратегии развертывания, Google применяет крайне продуманный и осторожный подход. Carbon не будет немедленно выпущен для широкой публики. Вместо этого модель в настоящее время участвует в добровольном процессе тестирования моделей до релиза правительством США. Начиная с этой недели, доступ ограничен для select group of cyber defenders, а последующий доступ будет постепенно расширяться на дополнительные доверенные партнеры через специализированную программу Fairwind Program. Этот поэтапный запуск разработан, чтобы позволить Google непрерывно собирать критически важную обратную связь и итерировать свои внутренние защитные механизмы, прежде чем сделать Carbon доступным для более широких сообществ разработчиков, бизнеса и потребителей. Начальная структура ценообразования остается согласованной с Argon: $2 за миллион входных токенов и $10 за миллион выходных токенов, при этом кэшированные входные токены предлагаются со значительной скидкой в 95% от стандартной ставки ввода.

Таким образом, Gemini 4 Carbon представлен не просто как инкрементальное обновление, а как фундаментальный сдвиг в возможностях ИИ, особенно для корпоративных и оборонных сценариев использования. Его сочетание передовой производительности в области безопасности, глубокого агентского рассуждения для долгосрочных инженерных проектов и строгого согласования безопасности делает его мощным инструментом для решения самых сложных, многогранных проблем в современных технологиях. Основное внимание по-прежнему сосредоточено на том, чтобы сделать ИИ надежным, безопасным и глубоко интегрированным партнером в сложных промышленных и государственных рабочих процессах, устанавливая новый эталон того, чего могут достичь большие языковые модели в реальном мире.