Ipinakilala ng Google ang Gemini 4 Carbon, nangunguna sa mga benchmark sa seguridad ng AI

iconMetaEra
I-share
AI summary iconSummary
Tinatapos ng Gemini 4 Carbon ng Google ang mga benchmark sa seguridad ng AI na may marka na 59 sa Artificial Analysis Intelligence Index v5.0. Nakamit nito ang 88.2% sa paghahanap ng vulnerabilities, 54.8% sa pagpapatotoo ng pagpapalabas, at 71.0% sa pag-ayos ng code. Ang model ay limitado lamang sa ilang grupo sa cybersecurity at walang public API. Maaaring makahanap ng mga altcoin na dapat subaybayan ang mga trader na nagsusuri sa fear and greed index sa mga proyektong seguridad na dinudulot ng AI. Sabi ng Google, maaaring magtrabaho ang model nang ilang araw sa malalaking codebases, bagaman ang independiyenteng pagpapatotoo ay nasa pag-antay pa.
Ipinahayag ng Google ang kanilang bagong henerasyon ng advanced na modelo na Gemini 4 Carbon, na may pangunahing pagpapabuti sa mahabang panahon na AI Agent, software engineering, at cybersecurity. Nakakamit ng Carbon ang 59 puntos at kasalukuyang nasa unang lugar sa Artificial Analysis Intelligence Index v5.0, at nakakuha ng 88.2%, 54.8%, at 71.0% sa pagtataya sa paghahanap ng vulnerabilities, pagpapatotoo ng exploit, at pagkakaroon ng code fix. Sinasabi ng Google na kayang mag-run ito nang ilang araw sa malalaking codebase, magpatuloy sa paghahanap ng solusyon kahit makarating sa dead end, habang binabawasan ang cheating, out-of-bounds actions, at walang batayang pagpapahayag. Gayunpaman, mas tama itong tawaging “limited pre-release na may mga resulta sa pagtataya”: kasalukuyang nakalimita lamang ang access ng Carbon sa ilang network defense organizations, at wala pa pong publikong API para sa karaniwang developer; ang malaking bahagi ng seguridad at reliability data ay galing sa loob na pagsubok ng Google at kailangan pa ng independent replication.

May-akda ng artikulo, pinagkukunan: Google DeepMind

Hindi ang Carbon isang bagong lightweight model, kundi isang mabilis na iterasyon ng Argon

Ang Gemini 4 Carbon ay isang bagong advanced na model na inilunsad ilang linggo pagkatapos ng Gemini 4 Argon. Hindi naglabas ng Google ng mga detalye tungkol sa bilang ng parameter, mga pagbabago sa arkitektura, training data, o training compute, at hindi rin klaro kung ang Carbon ay isang re-pretrained na model, isang deep fine-tuned na bersyon ng Argon, o isang updated checkpoint ng parehong base model.

Batay sa parehong sukat ng konteksto, malapit na presyo, at maikling panahon ng pagpapalabas, mas mukhang isang mabilis na pagpapabuti ng kakayahan sa Gemini 4 series kaysa isang “Flash” na modelo na direkta para sa mga cost-effective na scenaryo. Gayunpaman, ito ay isang pagtataya lamang batay sa publikong impormasyon, at wala pang opisyal na pagpapatotoo mula sa Google tungkol sa teknikal na ugnayan ng dalawa.

Suporta Carbon ang teksto, imahe, audio, at video bilang input, at ang output ay patuloy na pangunahing teksto, na may kontekstong window na 1 milyong Token. Ipinapakita ng Google ito bilang isang "long-context" model: ang kanilang loob na team ay nagpapagana nito nang magkakasunod-sunod na ilang araw, paulit-ulit na sinusuri ang malalaking codebase, hinahanap ang mga nakatago sa error sa ilalim na sistema, at patuloy na naghahanap kahit na makakatagpo ng hindi wastong ruta, hindi agad ipinapahayag na natapos na ang gawain.

Nasa unang pwesto sa komprehensibong lista, ngunit hindi lahat ng proyekto ang nangunguna

Kumakuha ang Carbon ng 59 puntos sa bagong inilabas na Intelligence Index v5.0 ng Artificial Analysis, at naging numero uno sa mga 52 na modelo na isinuri. Para sa komparasyon, sa parehong tabla na inilabas ng Google, ang Claude Opus 5.5 ay may 58 puntos, ang GPT‑6 Astra ay may 57 puntos, at ang nakaraang henerasyon na Argon ay may 50 puntos. Ang index na ito ay binubuo ng siyam na grupo ng programming, kaalaman, pag-iisip, agham, at automation tasks, at hindi nagagamit ang sariling test bank ng Google.

Ngunit ang "komprehensibong una" ay hindi katumbas ng pangkabuuang lider.

Sa FrontierSWE 2 software engineering evaluation, ang Carbon ay 61.2%, na mas mababa kaysa sa 65.5% ng GPT-6 Astra at 62.3% ng Claude Opus 5.5; sa OSWorld offline subset ng computer operations, ang Carbon ay 81.5%, na patuloy na mas mababa kaysa sa 87.2% ng Opus 5.5. Ang ilang mga nakikita nitong malakas na resulta ay ang 65.2% sa Terminal-Bench 4.0, 53.9% sa AutomationBench, at 96.2% sa GraphWalks long-context test.

Ipinakita rin ng Artificial Analysis ang gastos sa likod ng mga resulta. Ipinagawa ng Carbon ng higit sa 200 milyong output Token sa buong serye ng komprehensibong pagsubok, habang ang median ng mga katulad na modelo ay nasa paligid ng 64 milyon, na nagpapakita na ito ay gumagamit ng higit pang pag-iisip at teksto upang makamit ang mga resulta. Batay sa presyo sa panahon ng pormal na paglabas, ang average na gastos para sa isang index task ay humigit-kumulang $7.76. Ang bilis ng output na naitala ay nasa paligid ng 99.8 Token bawat segundo, ngunit ang oras ng paghihintay sa unang Token ay malapit sa 97.5 segundo. Kaya, mas angkop ito para sa mga mahabang gawain na kailangan ng malalim na pagsusuri kaysa sa mga interaktibong sitwasyon na naghahanap ng agad na tugon.

Ang网络安全 ay sumasakop sa tatlong yugto: "Pagkakita—Pagpapatotoo—Pagpapabuti"

Ipinakikita ng Google ang网络安全 bilang pangunahing katangian ng Carbon, hindi lamang bilang karagdagang kakayahan.

Sa SEC‑bench Pro, nakamit ng Carbon ang 88.2%, kung saan ang gawain ay ang paghahanap ng mga kumplikadong vulnerability sa totoong software; sa ExploitGym, nakamit nito ang 54.8%, na nagtataya kung ang modelo ay makakapag-verify kung ang isang vulnerability ay talagang mapapagamit; at sa CWE‑bench, nakamit nito ang 71.0%, na nagtataya kung kaya nito ang pagtataya ng pangunahing sanhi at pagbuo ng mga patch na makakapasa sa mga pagsubok.

Ang tatlong kakayahan na ito ay tumutugon sa tatlong yugto ng seguridad: ang pagkilala sa mga sosyal na problema, ang pagtataya ng tunay na panganib, at ang pagkumpleto ng pag-aayos. Naniniwala ang Google na ang pagpapaloob nito sa iisang proseso ng Agent ay makakatulong na bawasan ang mga problema sa tradisyonal na pag-scan ng seguridad na naglalabas ng maraming mababang halaga na mga babala ngunit hindi kayang patuloy na i-verify at i-repair.

Sa loob ng pagsubok sa pagbuo ng security code ng Google, sinasabing mas mataas ang tagumpay ng Carbon ng higit sa dalawang beses kaysa sa Argon; ang Chrome team ay nagraport din na ang kakayahan nito sa pagbuo ng mataas na kalidad na patch ay umabot sa mas higit sa sampung beses kaysa sa mga pinakamoderno na modelo ng isang ibang laboratorio. Gayunpaman, hindi inilabas ng Google ang mga kompetitibong modelo, kompletong tanong, laki ng sample, at mga kaso ng pagkabigo na tinutukoy dito, kaya’t ang “sampung beses” ay hindi maaaring unawain bilang isang independiyenteng konklusyon na may aplikasyon sa lahat ng codebase.

Nag-clear din ang Google na ang tatlong publikong resulta sa网络安全 ay nakakuha sa isang kapaligiran na walang mga pagtigil sa proteksyon sa produksyon. Pagkatapos ng paglalabas ng tunay na produkto, maaaring tanggihan, ireroute, o limitahan ng mga pahintulot sa kasangkapan ang mga mapanganib na kahilingan, at ang tunay na kakayahan ay hindi kinakailangang magkatulad sa mga pagsusulit na walang proteksyon.

Mas mababa ang pagkakasala at paglabas sa limitasyon, ngunit ang “0% success rate ng pag-atake” ay hindi nangangahulugan ng absolute na seguridad

Ang panganib ng matagal na paggamit ng Agent ay hindi lamang nasa maling sagot, kundi pati na rin sa paghahanap ng mga lusaw sa pagsusuri, paglilipas ng mga limitasyon, o pagpapahayag na natapos ang isang aksyon na hindi talaga natapos.

Sinabi ng Google na ang pagkakamali sa Carbon sa Terminal‑Bench 4.0 ay bumaba sa 0%, at ang rate ng pagsubok na magsagawa ng pagkakamali ay 0.4%; sa loob na tunay na programming environment, ang mga alerto sa mataas na seriyosidad na “hindi pantay na pag-uugali” ay bumaba ng halos 80% kumpara sa Argon. Ipinaliwanag din ng panloob na pagsusuri na bumaba ng halos kalahati ang walang batayang pahayag, bumaba ng 26% ang sobrang pagkilos, at bumaba ng 29% ang mga kaso kung деhin ang pagsasagawa ng makatotohanang gawain dahil sa sobrang pag-iingat.

Sa indirect prompting injection test ng Gray Swan, ang Carbon ay nakarekord ng 0% na rate ng pagkakamit ng pag-atake, na mas mabuti kaysa sa 0.7% ng Argon. Ibig sabihin nito ay itinanggol nito ang lahat ng pag-atake sa hanay ng pagsubok na ito, hindi nangangahulugang patunay na ang lahat ng masasamang prompt na ibinigay ng anumang webpage, dokumento, o tool ay hindi makakapag-apekto sa kanya. Mayroong patuloy na pagbabago sa mga paraan ng pag-atake sa prompt injection, at ang 0% sa isang benchmark ay hindi maaaring i-extend bilang walang panganib sa real-world deployment.

Lalo na dapat tandaan, ang mga data tungkol sa pagkukunwari, paglabas sa limitasyon, walang batayang pahayag, at mga internal na alarma ay pangunahing iginagawad at sinukat ng Google mismo. Sa kasalukuyan, wala pang hiwalay na kompletong model card para sa Carbon, at ang direktoryo ng model card ng Google ay nananatiling naglalista lamang ng naunang ipinakilala na Argon; ang mga panlabas ay hindi pa nakakakuha ng sapat na pag-access upang muling subukan ang mga konklusyong ito sa malaking saklaw.

Nakapaglabas na ang presyo, ngunit ang model ay hindi pa ipinakilala sa publiko

Gusto ng Google na gamitin ang parehong presyo ng promosyon tulad ng Argon sa paglulunsad: $2 bawat milyong input Token, $10 bawat milyong output Token, at 95% na pagbawas sa presyo ng cached input; babalik sa $4 at $20 pagkatapos ng panahon ng promosyon.

Gayunpaman, ang pagpapahayag ng presyo ay hindi nangangahulugan na kasalukuyang available ang pagtawag sa karaniwang Gemini API. Ang Carbon ay una lamang inilalabas sa isang maliit na grupo ng mga organisasyon sa cyber defense at sumasali sa pagsusuri ng pagbubukas na pagsusulit ng pamahalaan ng Estados Unidos; matapos ay papalawakin ito sa mga kapartner sa seguridad ng Fairwind. Ang Google ay nagpahayag lamang na magiging available ito sa mga developer, negosyo, at mga consumer “kagaya ng mabilis” matapos ang feedback at mga pagpapabuti sa proteksyon, ngunit walang tiyak na petsa.

Ito rin ang pinakamalaking punto ng diskusyon sa komunidad: ang leaderboard ay may mga resulta ng Carbon, ngunit ang mga karaniwang user ay hindi makakapag-verify nang sarili nila. Ang kaugnay na paksa sa Hacker News ay may halos 799 puntos at 655 mga komento sa panahon ng pagkuha, at marami sa mga diskusyon ay hindi nagtatanong sa mga numero ng pagsusuri mismo, kundi sa paraan ng pagpapahayag na “unang ipahayag ang unang lugar, tapos bigyan ng access mamaya.”

Kaya ang pinakamakatwirang pag-unawa sa Carbon ngayon ay: ipinakita ng Google ang isang kandidatong modelo na malinaw na mas malakas kaysa sa Argon sa mga kakayahan ng komprehensibong Agent at网络安全, at ibinigay ang isang sapat na kompletong tabla ng pagsusuri; ngunit hindi pa ito isang matatag na produkto na maaaring libreng subukan at i-deploy ng mga developer. Ang tunay na pagdedesisyon sa kanyang halaga ay ang pagkakaroon ng kakayahang muling i-reproduce ang mga resultang ito sa parehong presyo, latency, at kapaligiran ng mga kasangkapan pagkatapos ng pagbubukas, at kung gaano karaming kakayahan sa seguridad ang nananatili kapag naka-on ang production protection.

Disclaimer: Ang information sa page na ito ay maaaring nakuha mula sa mga third party at hindi necessary na nagre-reflect sa mga pananaw o opinyon ng KuCoin. Ibinigay ang content na ito para sa mga pangkalahatang informational purpose lang, nang walang anumang representation o warranty ng anumang uri, at hindi rin ito dapat ipakahulugan bilang financial o investment advice. Hindi mananagot ang KuCoin para sa anumang error o omission, o para sa anumang outcome na magreresulta mula sa paggamit ng information na ito. Maaaring maging risky ang mga investment sa mga digital asset. Pakisuri nang maigi ang mga risk ng isang produkto at ang risk tolerance mo batay sa iyong sariling kalagayang pinansyal. Para sa higit pang information, mag-refer sa aming Terms ng Paggamit at Disclosure ng Risk.