Gemini 4 Carbon: kolejny model z rodziny Gemini 4

Przedstawiamy kolejny model z rodziny Gemini 4: Gemini 4 Carbon. To nasz najmocniejszy dotychczas model, który łączy zaawansowane zabezpieczenia cybernetyczne z umiejętnością realizowania złożonych, wieloetapowych zadań wymagających pogłębionej pracy.

Carbon zajmuje 1. miejsce w zaktualizowanym rankingu Artificial Analysis Intelligence Index (wersja 5.0) z wynikiem 59 punktów. Przynosi wyraźne ulepszenia w programowaniu, zadaniach agentowych oraz w kluczowych obszarach cyberbezpieczeństwa. Model uzyskał zdecydowaną przewagę w testach porównawczych: 88,2% w SEC-bench Pro (wykrywanie luk w zabezpieczeniach), 54,8% w ExploitGym (weryfikacja podatności na ataki) oraz 71,0% w CWE-bench (tworzenie poprawek). W naszych testach wewnętrznych Carbon znacznie skuteczniej generuje bezpieczny kod, a w codziennej pracy zespołów Google pozwala ograniczyć liczbę błędów, w tym awarii w środowisku produkcyjnym.

Premiera modelu Carbon – zaledwie dwa tygodnie po udostępnieniu Gemini 4 Argon – pokazuje tempo, w jakim rozwijamy nasze rozwiązania. Badaczki, badacze i inżynierowie pracują ramię w ramię, aby szybciej rozwijać możliwości modeli i jednocześnie wzmacniać ich zabezpieczenia.

Do wdrożenia podchodzimy z rozwagą i aktywnie uczestniczymy w dobrowolnych testach przedpremierowych prowadzonych przez instytucje rządowe USA. Od tego tygodnia udostępniamy model Carbon wybranej grupie obrońców cyberbezpieczeństwa, a następnie będziemy stopniowo rozszerzać dostęp dla kolejnych zaufanych partnerów Programu Fairwind . Nadal zbieramy opinie i udoskonalamy zabezpieczenia, aby jak najszybciej udostępnić model deweloperom, przedsiębiorstwom i konsumentom w naszych usługach.

Gemini 4 Carbon debiutuje w takiej samej cenie ¹ jak Argon: 2 USD za milion tokenów wejściowych i 10 USD za milion tokenów wyjściowych (ze zniżką 95% na tokeny buforowane).

Rozwiązywanie złożonych, wieloetapowych zadań inżynierskich

Carbon powstał z myślą o trudniejszych, długofalowych problemach inżynieryjnych oraz wieloetapowych procesach realizowanych przez agentów. W wewnętrznych testach model wielokrotnie pracował przez wiele dni – samodzielnie wychodził ze ślepych zaułków i rozwiązywał złożone zadania inżynierskie, takie jak wyszukiwanie oraz naprawianie subtelnych błędów w dużych bazach kodu i systemach niskopoziomowych.

Na podstawie opinii użytkowników zwiększyliśmy wydajność modelu w wielu dziedzinach: od programowania, zadań agentowych i badań naukowych, po kompleksowe tworzenie aplikacji internetowych oraz wielomodalną analizę danych. Dzięki wyższej jakości wyników i mniejszej liczbie błędów w aplikacjach webowych Carbon zyskał 89 punktów Elo i zajął 4. miejsce (1 768 punktów) w rankingu WebDev Arena .

Wzmocnienie cyberbezpieczeństwa i budowanie bezpiecznych systemów

Gemini 4 Carbon przynosi wyraźny postęp w dziedzinie cyberbezpieczeństwa. Zapewnia najwyższą skuteczność na każdym etapie ochrony systemów – od wykrywania luk w zabezpieczeniach, przez ich sprawdzanie, aż po wdrażanie poprawek.

Nasze zespoły już teraz widzą wymierne efekty tych usprawnień. W wewnętrznych testach porównawczych Carbon generuje bezpieczny kod ponad dwukrotnie skuteczniej niż Argon. Z kolei zespół Chrome odnotował, że przy tworzeniu wysokiej jakości poprawek nowy model osiąga ponad 10-krotnie lepsze wyniki niż zaawansowany model innego laboratorium. Również Wiz – nasza wiodąca platforma bezpieczeństwa w chmurze – potwierdza przewagę modelu Carbon w testach penetracyjnych sieci, co stanowi kluczowy element inicjatywy Wiz „Skanuj dla Dobra” .

Carbon wyróżnia się w kluczowych zewnętrznych testach porównawczych (przeprowadzanych w wersji bez cyberzabezpieczeń):

• Wykrywanie rzeczywistych luk w zabezpieczeniach: podstawą cyberochrony jest odnajdywanie realnych podatności. Carbon osiąga najwyższy wynik 88,2% w teścieSEC-bench Pro , autonomicznie wykrywając złożone luki ukryte w działającym oprogramowaniu.

• WSprawdzanie ryzyka poprzez weryfikację podatności: aby ustalić, które luki należy naprawić w pierwszej kolejności, specjaliści ds. bezpieczeństwa coraz częściej wykorzystują modele do sprawdzania, czy daną lukę da się realnie wykorzystać. Carbon wyznacza nowy standard w popularnym teście porównawczym ExploitGym (54,8%).

• Usuwanie błędów u źródła: po zidentyfikowaniu luk w zabezpieczeniach kluczowym krokiem jest wyeliminowanie ich przyczyny. Carbon osiąga 71,0% w teście CWE-bench firmy Collinear, przekształcając potwierdzone ustalenia bezpośrednio w działające poprawki kodu.

Odpowiedzialne i bezpieczne rozwijanie modelu Carbon

Gemini 4 Carbon opiera się na tym samym wielowarstwowym stosie obronnym co Argon – łączy odpowiednie trenowanie modelu, ochronę przed nadużyciami w czasie rzeczywistym, odporność na ataki typu prompt injection oraz monitorowanie procesu rozumowania. Już w modelu Argon wyraźnie poprawiliśmy zgodność działania agentów z wytycznymi, co opisaliśmy w raporcie „Bezpieczeństwo i ochrona” . W przypadku modelu Carbon poszliśmy o krok dalej i wytrenowaliśmy go tak, aby właściwie reagował nawet podczas wykonywania bardzo złożonych, obciążających zadań.

• Mniej dróg na skróty i obchodzenia reguł: w modelu Carbon jeszcze skuteczniej ograniczyliśmy próby skrótów podczas treningu, zachowując wysoką jakość programowania. W teście Terminal-Bench 4.0 odsetek skutecznych obejść spadł do 0,0%, a samych prób – do 0,4%, przy jednoczesnej poprawie ogólnej dokładności. W codziennej pracy z naszymi wewnętrznymi zespołami programistycznymi liczba poważnych alertów z monitora niezgodności spadła o prawie 80%.
• Większa przejrzystość i rzetelność: w testach wewnętrznych Carbon generuje około dwukrotnie mniej niepotwierdzonych twierdzeń niż Argon. Zamiast zmyślać informacje lub maskować braki w dowodach, model umieszcza zastrzeżenia metodologiczne bezpośrednio w odpowiedzi albo wstrzymuje zablokowane działania i podaje jasną listę wymaganych elementów.
• Lepsza współpraca w niejednoznacznych sytuacjach: zamiast zgadywać lub narzucać ścieżkę postępowania, Carbon pobiera odpowiednie źródła i przed podjęciem działania przedstawia użytkownikowi wykryte rozbieżności. Przekłada się to na znacznie lepszą współpracę z modelem.
• Działanie w wyznaczonych granicach: Carbon o 26% rzadziej wykracza poza powierzony zakres i o 29% rzadziej pozostawia zadania niedokończone. Dzięki temu znacznie bardziej niezawodnie realizuje wieloetapowe plany od początku do końca, ściśle przestrzegając ograniczeń projektu.
• Odporność na ataki typu prompt injection: Argon był wcześniej liderem w teście Gray Swan Indirect Prompt Injection (IPI), zmniejszając skuteczność ataków do zaledwie 0,7%. Carbon obniża ten wynik do 0,0%, odpierając każdą testowaną próbę ataku.

Już wkrótce dla deweloperów, przedsiębiorstw i konsumentów

Rozwój zaawansowanych modeli wymaga szybkiego działania połączonego z rozwagą podczas wdrożenia. Naszym celem przy tworzeniu Gemini 4 Carbon było osiągnięcie wyraźnych postępów w inżynierii oprogramowania i cyberbezpieczeństwie bez kompromisów w kwestii bezpieczeństwa oraz niezawodności. Z ciekawością obserwujemy, jak model wykorzystuje pierwsza grupa obrońców cyberbezpieczeństwa, a już wkrótce udostępnimy go również deweloperom, przedsiębiorstwom i konsumentom.