Google представила Gemini 4 Carbon: модель для долгой работы с кодом и киберзащиты

Google 28 октября представила Gemini 4 Carbon - новую флагманскую модель для программирования, долгих многошаговых задач и киберзащиты. Компания начинает с ограниченного доступа для специалистов по безопасности. Срок появления Carbon у обычных пользователей и разработчиков пока не назван.

Carbon развивает возможности Gemini 4 Argon. Основной акцент теперь на инженерной работе, где нужно разбираться в большом проекте, проверять гипотезы и исправлять ошибки, а не выдавать ответ за один запрос.

Задачи, над которыми модель работает днями

По словам Google, внутренние команды видели, как Carbon работала днями над сложными инженерными задачами: проходила тупиковые ветви, находила причины трудноуловимых ошибок в больших кодовых базах и низкоуровневых системах, затем готовила исправления. Это наблюдение производителя во внутренних средах, а не обещание такого результата для любого проекта.

Компания также сообщает об улучшениях в научных и агентных задачах, веб-разработке и работе с мультимодальными данными. В WebDev Arena Carbon получила 1768 баллов Elo и заняла четвёртое место, прибавив 89 баллов. В обновлённом Artificial Analysis Intelligence Index v5.0 Google указывает результат 59 и первое место.

Поиск уязвимостей, проверка риска и исправления

Google выделяет три этапа киберзащиты: найти настоящую уязвимость, проверить возможность её эксплуатации и устранить причину. Компания приводит следующие результаты Carbon:

• SEC-bench Pro - 88.2%: поиск уязвимостей в реальном программном обеспечении.
• ExploitGym - 54.8%: проверка возможности эксплуатации уязвимостей.
• CWE-bench - 71.0%: подготовка исправлений, устраняющих причину проблемы.

Эти кибербезопасностные тесты проводились без защитных ограничений модели (guardrails). Поэтому результаты нельзя напрямую переносить на будущий публичный сервис с включённой защитой. Все приведённые здесь оценки опубликованы Google.

Во внутренних тестах Google успешность генерации безопасного кода выросла более чем вдвое по сравнению с Argon. Команда Chrome сообщила о более чем десятикратном превосходстве над крупной моделью другой лаборатории при подготовке качественных патчей. Название соперника и полный протокол этого сравнения в анонсе не раскрыты.

Меньше выдумок и попыток обойти условия задачи

Google утверждает, что Carbon примерно вдвое сократила неподтверждённые утверждения относительно Argon. Во внутренних средах программирования число предупреждений о серьёзных отклонениях от заданного поведения упало почти на 80%. Компания также сообщает о снижении чрезмерного выхода за рамки задачи на 26% и неполного выполнения поручений на 29%.

В Terminal-Bench 4.0 доля успешного обхода условий теста составила 0.0%, а доля попыток - 0.4%. В Gray Swan Indirect Prompt Injection Benchmark успешность атак на Carbon составила 0.0% против 0.7% у Argon. Нулевой результат относится к проверенному набору атак, а не означает, что модель невозможно обмануть.

Кому откроют доступ и сколько будет стоить API

Начиная с этой недели Google собирается предоставить Carbon части специалистов по киберзащите, затем постепенно расширить доступ среди доверенных партнёров программы Fairwind. Компания участвует в добровольном американском процессе тестирования моделей до выпуска и продолжает собирать обратную связь и дорабатывать защитные ограничения.

Для разработчиков, компаний и обычных пользователей обещан доступ позднее, через продукты Google. Конкретной даты и перечня доступных поверхностей компания пока не сообщила. Анонс не означает, что Carbon уже можно выбрать в приложении Gemini или вызвать через общедоступный API.

• Вводный тариф API: $2 за миллион входных токенов и $10 за миллион выходных.
• Кэшированные входные токены: на 95% дешевле обычных входных.
• После вводного периода: $4 за миллион входных токенов и $20 за миллион выходных. Дата окончания вводного периода в анонсе Carbon не указана.

В отличие от Genie 4, создающей интерактивные миры со звуком, Carbon адресована прежде всего сложной инженерной работе. Для команд разработки сейчас важнее всего границы доступа: можно оценить заявленные возможности и будущие расходы, но планировать переход с действующей модели стоит после появления Carbon в нужном продукте и проверки на собственном коде.