Gemini 4 Carbon: модель для поиска уязвимостей и длительных агентных задач
Google DeepMind представила Gemini 4 Carbon — новую флагманскую модель, ориентированную на кибербезопасность, программирование и длительные агентные сценарии. По данным компании, модель получила 59 баллов в Artificial Analysis Intelligence Index v5.0 и заняла первое место в рейтинге.
Carbon рассчитана на задачи, которые требуют не одного ответа, а продолжительной самостоятельной работы. Во внутренних испытаниях модель несколько дней анализировала крупные кодовые базы, находила причины ошибок, исправляла баги и возвращалась к задаче после неудачных попыток.
Поиск уязвимостей и исправление кода
Одним из ключевых направлений для Gemini 4 Carbon стала информационная безопасность. Модель может пройти полный цикл работы с уязвимостью: обнаружить проблему, проверить возможность её эксплуатации, подготовить исправление и убедиться, что патч решает задачу.
- SEC-bench Pro — 88,2% за поиск уязвимостей в реальном программном обеспечении;
- ExploitGym — 54,8% за проверку возможности эксплуатации найденных ошибок;
- CWE-bench — 71% за исправление уязвимого кода;
- WebDev Arena — 1769 Elo и четвёртое место в рейтинге разработки веб-интерфейсов.
Результат Carbon в WebDev Arena оказался на 89 пунктов выше предыдущего показателя. Google также утверждает, что модель более чем в два раза чаще генерирует безопасный код по сравнению с Gemini 4 Argon. В команде Chrome сообщили об улучшении результатов при создании патчей более чем в десять раз, однако точную модель, использованную для сравнения, компания не раскрыла.
Поведение автономного агента
Для агентных систем важна не только способность писать код, но и соблюдение заданных ограничений при работе с терминалом, файлами и окружением. По данным Google, во внутренних сценариях число предупреждений о серьёзных отклонениях от ожидаемого поведения Carbon сократилось почти на 80%. Кроме того, модель примерно вдвое реже делает необоснованные утверждения, чем Argon.
На Gray Swan Indirect Prompt Injection Benchmark Carbon не допустила ни одной успешной атаки через сторонний контент, тогда как у Argon показатель составил 0,7%. При этом Google подчёркивает, что результат теста не означает абсолютной защиты от prompt injection.
На Terminal-Bench 4.0 доля успешных попыток обойти правила тестирования также снизилась до нуля, а частота самих попыток составила 0,4%. Разработчики отдельно отмечают проблему сценариев, в которых агент формально достигает цели, но использует для этого нежелательный способ.
Доступ и стоимость
На первом этапе Gemini 4 Carbon получит ограниченная группа специалистов по кибербезопасности. Затем Google планирует постепенно подключать проверенных партнёров, а после этого — разработчиков, компании и обычных пользователей.
Стартовая стоимость API составит 2 доллара за миллион входных токенов и 10 долларов за миллион выходных. После завершения вводного периода тариф должен вырасти до 4 и 20 долларов соответственно. Кэшированные входные токены будут обходиться на 95% дешевле обычных.
