Google представила Gemini 4 Carbon

Новая флагманская модель заняла первое место в Artificial Analysis Intelligence Index v5.0 с результатом 59 баллов. Основной упор сделали на кибербезопасность, программирование и длительную автономную работу ИИ-агентов.

Результаты бенчмарков:

- SEC-bench Pro - 88,2%: поиск реальных уязвимостей в программном обеспечении.

- ExploitGym - 54,8%: проверка возможности эксплуатации найденных уязвимостей.

- CWE-bench - 71%: автоматическое исправление уязвимого кода.

- WebDev Arena - 1769 Elo: четвёртое место в разработке веб-интерфейсов.

Что ещё интересного:

- Автономная работа несколько дней. Внутри Google модель решала сложные инженерные задачи, находила причины ошибок и исправляла их в больших кодовых базах.

- В 2 раза лучше Gemini 4 Argon генерирует безопасный код по внутренним тестам Google.

- В 10 раз эффективнее другой передовой модели создаёт качественные патчи для Chrome, по оценке команды браузера.

- На 80% меньше серьёзных нарушений инструкций при работе с кодом.

- Вдвое меньше необоснованных утверждений по сравнению с Argon.

Отдельно Google заявляет, что Carbon успешно отразила все проверенные атаки через prompt injection в одном из бенчмарков.

Доступ пока ограничен: сначала модель получат специалисты по кибербезопасности. Массовый релиз состоится позднее.

Стоимость API после запуска составит $2 за миллион входных и $10 за миллион выходных токенов на вводном тарифе.

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