Google запускає Gemini 4 Carbon, який перевершує конкурентів у кібербезпеці та завданнях довгого діапазону

iconMetaEra
Поділитися
AI summary iconКороткий зміст
Google's Gemini 4 Carbon посідає перше місце в Індексі штучного аналізу інтелекту v5.0 з результатом 59, перевершивши Claude Opus 5.5 та GPT-6 Astra. Он-чейн аналіз показує високу продуктивність у виявленні вразливостей (88,2%), експлуатації (54,8%) та виправленні (71,0%). Модель зберігає стабільність під час багатоденних завдань. Ринкова настрої, як відображає індекс страху та жадібності, залишаються бульшими щодо інновацій, заснованих на ШІ.
Ця модель досягла найвищого рівня в галузі кібербезпеки та обробки довготривалих завдань.

Автор статті, джерело: Machine Learning News

Щойно Google оголосила про запуск новітньої передової моделі — Gemini 4 Carbon, яку називають «найпотужнішою моделлю»!

Ця модель досягла найвищого рівня в сфері кібербезпеки та обробки довготривалих завдань. Carbon може протягом кількох днів неперервно виконувати складні завдання, не зупиняючись і не шукаючи спрощень для завершення завдань, забезпечуючи високоякісний та надійний код.

Від випуску попереднього флагманського Gemini 4 Argon минуло лише два тижні. Деміс Хассабіс почав з емодзі блискавки, і Google «ітерує зі швидкістю блискавки» нову модель.

Чудово, дуже впевнено. Згідно з даними, ця нова модель Carbon дійсно чудова. Carbon отримала 59 балів за інтелектуальним індексом v5.0 від незалежної оціночної організації Artificial Analysis і зайняла перше місце. За нею слідує Claude Opus 5.5 з 58 балами, а GPT-6 Astra — з 57 балами. Між трьома моделями різниця лише в 2 бали, але «перше» — це все ж перше.

Крім того, Carbon показав результат 88,2% у тесті на виявлення вразливостей SEC-bench Pro, 54,8% у тесті на експлуатацію вразливостей ExploitGym і 71,0% у тесті на виправлення вразливостей CWE-bench, що забезпечує моделі значну перевагу.

Посилання на блог: https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/

Повний ланцюжок безпеки мережі SOTA, команда Chrome протестувала — «краще більше ніж у 10 разів»

Google в офіційному блозі приділила велику увагу кібербезпеці Carbon. Зокрема, Carbon охоплює три ключові етапи кіберзахисту, і на кожному з них досягнуто SOTA.

Пошук вразливостей: на SEC-bench Pro Carbon показав результат 88,2%, що перевищує 85,4% GPT-6 Astra та 83,4% Argon. Завдання цього тесту — дозволити моделі самостійно виявляти складні безпекові вразливості, приховані у реальному програмному забезпеченні.

Перевірка вразливостей: на ExploitGym Carbon показав результат 54,8%, значно обігнавши друге місце GPT-6 Astra з 42,4%. Цей тест вимірює здатність моделі перевіряти реальну експлуатованість вразливостей, що допомагає командам безпеки визначати пріоритети усунення. За ліміт часу 10 годин різниця між Carbon і 6-годинним лімітом була невеликою (54,8% проти 53,5%), що свідчить про те, що він здатний виконати більшість перевірок за короткий час.

Виправлення вразливості: після виявлення вразливості виправлення корінної причини є ключовим етапом у життєвому циклі кібербезпеки. Carbon досяг 71,0% на CWE-bench Collinear, безпосередньо перетворюючи підтверджені виявлення на працездатні виправлення коду.

Крім публічних benchmarkів, Google надала внутрішні дані. Успішність Carbon у генерації безпечного коду перевищує показник Argon більше ніж у 2 рази. Відгук команди Chrome ще більш вражливий: вони повідомили, що Carbon виявився вище за «велику передову модель з іншої лабораторії» у 10 разів щодо генерації якісних безпечних виправлень.

Платформа веб-безпеки Wiz, що належить Google, також взяла участь у тестуванні і зафіксувала, що Carbon показує лідируючі результати у тестовому наборі веб-проникнення — одній із ключових здібностей програми Wiz «Scan for Good».

Довгострокове завдання: може працювати кілька днів поспіль

Ще одна ключова перевага Carbon — це здатність до «довгострокових завдань». Це також стає одним із ключових навичок, на яких заснована конкуренція серед нових поколінь передових великих моделей.

Google повідомляє, що внутрішні команди спостерігали, як Carbon може стабільно працювати протягом кількох днів у великих кодових базах та нижчих системах, виконуючи виявлення кореневих причин та генерацію патчів між файлами. У випадку потрапляння в тупик модель самостійно змінює стратегію та продовжує роботу, не припиняючи завдання.

Однією з технічних основ цієї здатності є значне покращення обробки довгих контекстів. У тесті GraphWalks (оцінка BFS F1 у діапазоні від 256k до 1M токенів) Carbon піднявся з 84,2% у Argon до 96,2%, обігнавши GPT-6 Astra з 71,8% і Claude Opus 5.5 з 66,8% більше ніж на 20 відсоткових пунктів. Підтримка контекстного вікна в 1M токенів означає, що модель може обробляти одночасно кількість інформації, еквівалентну приблизно 1500 сторінкам документів A4.

Довгострокова здатність стає все більш важливою через зростаючі вимоги до робочих процесів агентів. Наприклад, у програмній інженерії справжні складні завдання розробки часто включають постійне відстеження змін у коді, координацію змін у кількох гілках, роботу з міжмодульними залежностями та багаторазове тестування та виправлення проблем. Ці завдання можуть тривати години або навіть дні, значно перевищуючи межі одноразового запиту та відповіді.

Для передових великих моделей здатність зберігати послідовність цілей, своєчасно виправляти помилки протягом довготривалого виконання та в кінцевому підсумку надавати надійні результати стає важливим критерієм оцінки їхньої практичної інженерної цінності.

Benchmark Панорама: інтелектуальний індекс — 9 оцінок, 4 перші місця

Artificial Analysis Інтелектуальний індекс v5.0 — це найбільш використовувана комплексна система оцінки в галузі.

Carbon здобув загальний бал 59, вигравши 4 категорії (HLE-Diamond, Terminal-Bench-Science, AA-Omniscience, AutomationBench-AA), що на 1 бал вище, ніж у Claude Opus 5.5 (58 балів), і на 2 бали вище, ніж у GPT-6 Astra (57 балів), а також на 9 балів вище, ніж Argon з двох тижнів тому (50 балів). За оцінкою Artificial Analysis, лідерство Carbon обумовлене сильними результатами у складних міркуваннях, знаннях та наукових завданнях, а також значним прогресом у програмуванні та інтелектуальній роботі (особливо порівняно з історичними результатами серії Gemini), але ще не має повного лідерства у цих напрямках.

Нижче розгорнуто за вимірами.

У сфері програмування традиційною слабкою стороною моделей Google була Carbon, яка показала найбільш зауважуваний прогрес. У Artificial Analysis Coding Agent Index Carbon з Antigravity CLI (high reasoning) набрала 59 балів, лише на 3 бали відстаючи від ліdera — Claude Code + Claude Opus 5.5 (max reasoning, 62 бали). У окремих тестах Terminal-Bench 4.0 набрала 64%, FrontierCode v1.1 — 51%, обидва результати посіли друге місце, поступаючись лише Claude Opus 5.5 (max, 56%). У WebDev Arena (全栈 Web 开发竞技场) вона піднялася на 89 Elo до четвертого місця (1768 Elo).

Робота зі знаннями: на AA-Briefcase Carbon (high) отримав 1609 Elo, що на 126 балів вище, ніж у Argon (high, 1483). Найбільший зростання зафіксовано у вимірі Presentation (якість презентації) — підвищення на 293 Elo до 1598; Analytical Quality (якість аналізу) також зросла на 120 балів до 1671. Однак загалом він все ще відстає від Kimi K3.1 Pro (1678), Muse Wonder (max, 1659) та Grok 4.7 (xhigh, 1638).

Надійність знань та рівень галюцинацій: AA-Omniscience v1.1 отримав 54 бали за Carbon, що на 6 балів вище, ніж у Claude Opus 5.5 (макс., 48), і на 8 балів вище, ніж у Argon (46). Точність (відсоток правильних відповідей) зросла з 48% у Argon до 58% — збільшення на 10 відсоткових пунктів. Рівень галюцинацій збільшився з 4% у Argon до 11%, хоча залишається другим найнижчим серед усіх моделей, поступаючись лише Argon. Для порівняння, рівень галюцинацій у Claude Opus 5.5 (макс.) та GPT-6 Astra (макс.) становить 50%.

Наука та математика: RiemannBench 80,0%, Terminal-Bench-Science 64,8% — обидва поточні рекорди.

Ефективність витрат: Середня вартість виконання інтелектуального індексного завдання Carbon становить 7,76 долара, що на 23% нижче, ніж у Claude Opus 5.5 (max, 10,04 долара), і в 1,2 раза вища, ніж у GPT-6 Astra (max, 6,25 долара). Середній вихід на завдання — 123K токенів, що на 29% менше, ніж у Claude Opus 5.5 (max, 173K). Порівняно з Argon за тією ж ціною (7,68 долара за завдання), витрати майже однакові, але інтелектуальний індекс вищий на 9 балів.

Аналіз оцінки моделі Artificial Analysis: https://artificialanalysis.ai/models/gemini-4-carbon

Безпека відповідає стандартам: частота шахрайства 0%, частота успішних атак ін'єкції підказок 0%

Carbon продовжує архітектуру багатошарової захистної системи Argon, включаючи вирівнювання на етапі навчання, реальний час виявлення зловживань, захист від ін'єкцій запитів та моніторинг ланцюжків міркувань, і додатково посилив ці механізми.

Рівень шахрайства знизився до 0,0%. У тестах Terminal-Bench 4.0, Carbon показав нульову успішність шахрайства, а частка спроб шахрайства становила лише 0,4%, тоді як загальна точність завдань продовжує зростати. Google зазначила, що цього було досягнуто шляхом подальшого зменшення використання моделлю скорочень під час навчання.

Успішність атаки з впровадженням підказок: 0,0%. У тесті на непряме впровадження підказок (Indirect Prompt Injection, IPI) від Gray Swan (k=15 спроб атаки) Carbon успішно відхилив усі атаки. У порівнянні з іншими передовими моделями: Argon — 0,7%, Claude Opus і Claude Fable — по 1,0%, GPT-6 Astra — 8,5%, Grok 4.6 — до 51,8%.

На рівні контролю поведінки Carbon синхронно покращив дві поширені моделі невдалих вирішень: зменшив надмірне виконання (overreach — дії, що перевищують наміри користувача) на 26% і недостатнє виконання (under-service — пропущені дії, запитані користувачем) на 29%. Google описує зміну поведінки Carbon під час роботи з нечіткими завданнями як активний пошук відповідних джерел і представлення користувачеві розбіжностей інформації з подальшим підтвердженням перед діями — без припущень чи примусового продовження.

Щодо прозорості моделі, Carbon має приблизно в 2 рази менше необґрунтованих тверджень, ніж Argon. Коли відсутня ключова інформація, модель прямо позначає обмеження методології або перелічує незавершені передумови у виводі, не вигадуючи та не замазуючи їх.

Внутрішній тест показав, що сповіщення про високу серйозність зменшилися майже на 80% порівняно з Argon.

Ціноутворення та наявність

Ціни на Carbon залишаються такими ж, як і у Argon: 4 долари за мільйон вхідних токенів і 20 доларів за мільйон вихідних токенів. Зараз діє знижка 50% на запуск, термін дії якої не визначено. Для кешованих вхідних токенів надається знижка 95%, що робить ціну лише 0,20 долара за мільйон. Розмір вікна контексту — 1M токенів, підтримуються вхідні дані у форматі тексту, зображень, відео та аудіо.

З точки зору витрат на завдання, Carbon має середню вартість 7,76 долара за завдання інтелектуального індексу, що на 23% нижче, ніж у Claude Opus 5.5 (10,04 долара), але на 24% вище, ніж у GPT-6 Astra (6,25 долара). Середній вихід на завдання становить 123K токенів, що на 29% менше, ніж у Claude Opus 5.5 (173K), що свідчить про перевагу Carbon у ефективності токенів.

Carbon з цього тижня спочатку відкривається для довірених захисників мережі з проєкту Fairwind, а потім поступово розширюватиме доступ — після збору відгуків та ітерації безпекових бар’єрів, він буде доступний для розробників, бізнесу та споживачів.

Фінал

Знову повернувся знайомий цикл. Claude тільки що кинув «атомну бомбу», Google відповів новою розробкою, а OpenAI збільшила темпи. Після круга знову звичайний тиждень у галузі ШІ.

Декілька місяців тому Google здавалося, що втратив голос у швидкій ітерації передових великих моделей, і навіть викликав сумніви, чи зможе він залишитися на цій ігровій таблиці. Але останні досягнення, особливо Carbon, знову викликають захоплення.

Звичайно, коли гіганти змагаються один з одним, тим сильнішою стає конкуренція — і це добре для цілого індустрії. Але замість того, щоб створювати шум за допомогою розповідей про «знищення світу штучним інтелектом» або надмірно емоційних маркетингових ходів, ми б хотіли бачити реальний, помітний прогрес моделей у справжніх завданнях.

Менше штучної складності, більше справжніх здібностей. Такий конкурс з ІО вартий очікування.

Відмова від відповідальності: Інформація на цій сторінці може бути отримана від третіх осіб і не обов'язково відображає погляди або думки KuCoin. Цей контент надається лише для загального інформування, без будь-яких запевнень або гарантій, а також не може розглядатися як фінансова або інвестиційна порада. KuCoin не несе відповідальності за будь-які помилки або упущення, а також за будь-які результати, отримані в результаті використання цієї інформації. Інвестиції в цифрові активи можуть бути ризикованими. Будь ласка, ретельно оцініть ризики продукту та свою толерантність до ризику, виходячи з ваших власних фінансових обставин. Для отримання додаткової інформації, будь ласка, зверніться до наших Умов використання та Розкриття інформації про ризики.