Google DeepMind выпустила Gemini 4 Carbon, свою новейшую модель искусственного интеллекта, всего через две недели после поставки Gemini 4 Argon. Новая модель дебютирует на вершине индекса искусственного анализа интеллекта v5 с 59 баллами — на девять пунктов больше, чем у Argon с 50 — и создана для длительной автономной инженерной работы. Однако большинству пользователей придется подождать: из-за своих передовых возможностей кибербезопасности Carbon проходит добровольный процесс предварительного тестирования правительства США и первоначально доступен только избранным экспертам по безопасности. Чтобы постоянно освещать последние разработки в области искусственного интеллекта, следите за AI Buzz Wire по мере расширения распространения.

Внедрение, ориентированное на безопасность

Необычный путь выпуска Carbon отражает, насколько способна модель как в наступательной, так и в оборонительной кибер-работе. Google заявляет, что ее возможности охватывают полный жизненный цикл киберзащиты: от обнаружения и проверки уязвимостей до их исправления. Агентство Reuters сообщило, что эта модель имеет четкую направленность на кибербезопасность, а Ars Technica прямо заявила об этом в заголовке: это передовая модель, «которую нельзя использовать» — по крайней мере, пока, пока она находится на правительственном этапе предварительного тестирования передовых систем искусственного интеллекта.

Google не объявил дату общедоступной версии. Цены, однако, уже известны: Carbon стоит столько же, сколько Argon, что сохраняет неизменными цены на пограничные токены Google в течение двух последовательных поколений моделей.

Создан для многодневной автономной работы

Компания заявляет, что разработала Carbon для «гораздо более сложных и долгосрочных инженерных задач», требующих постоянных агентских рабочих процессов. По данным Google, внутренние команды запускали модель в течение нескольких дней подряд, в течение которых она самостоятельно преодолевала тупиковые ситуации и решала сложные, многоэтапные задачи, такие как анализ первопричин и тонкие исправления ошибок в больших базах кода и низкоуровневом программном обеспечении.

Google также сообщает об улучшениях в научных рассуждениях, мультимодальном понимании и полнофункциональной веб-разработке на основе ранних отзывов пользователей.

В целом сильный, все еще гонюсь за Клодом в программировании

Эталонная картина хорошая, но не полная. В индексе интеллекта искусственного анализа v5 Carbon на самом высоком уровне рассуждения лидирует в основном благодаря высшим баллам в сложных рассуждениях, поиске знаний и научных задачах, занимая первое место в четырех из девяти отдельных оценок индекса.

В области агентного кодирования Carbon по-прежнему отстает от Claude Opus 5.5 от Anthropic на три очка — 59 против 62 — даже после большого скачка с 53 у Argon. В таблице лидеров WebDev Arena Carbon набрал 89 очков Эло и достиг 1769, что ставит его на четвертое место.

Независимые оценки рассказывают аналогичную историю. Оценочная платформа Vals AI ставит Carbon на второе место с точностью 70,36 процента, уступая Claude Sonnet 5,5 с 70,85 процента, но опережая Claude Opus 5,5 с 70,18 процента, а Argon четвертым с 69,24 процента.

В тесте AA-Briefcase от Artificial Analysis для агентской информационной работы Carbon достиг 1609 Эло, что на 126 пунктов больше, чем у Argon 1483. Он по-прежнему отстает от Kimi K3.1 Pro с 1678, Muse Wonder с 1659 и Grok 4.7 с настройкой xhigh на 1638.

Точность повышена, галлюцинации тоже.

Точность ответов по оценкам Искусственного анализа выросла с 48 процентов для аргона до 58 процентов для углерода. Уровень галлюцинаций поднялся с 4 до 11 процентов — выше, но по-прежнему второй по величине в рейтинге. Для сравнения, согласно данным искусственного анализа, опубликованным The Decoder, Claude Opus 5.5 и GPT-6 Astra при максимальных настройках мышления имеют по 50 процентов по одному и тому же показателю.

Тесты безопасности: почти идеальный показатель быстрого внедрения

Безопасность — это то, в чем Google заявляет о своих самых больших победах. В собственном тесте компании Carbon занимает первое место в 15 из 16 тестов, отставая от других, особенно в долгосрочных задачах и задачах безопасности.

В тесте непрямого быстрого внедрения Grey Swan Google сообщает, что Carbon снизил показатель успеха атаки с 0,7 процента с использованием Argon до 0,0 процента, блокируя каждую попытку манипуляции в тестовом наборе. Декодер предупреждает, что это не означает, что быстрое внедрение решено — тест кажется насыщенным — но результат помогает объяснить, почему официальные лица США хотят просмотреть модель перед развертыванием, прежде чем она станет доступной общественности.

Две передовые модели за две недели

Темп – это послание. Два передовых релиза за две недели — Argon в середине октября и Carbon сейчас — отмечают агрессивную политику Google DeepMind, конкурирующую с Anthropic и OpenAI за лидерство в независимых таблицах лидеров и за корпоративные контракты.

На данный момент табло выглядит так: Carbon лидирует в общем рейтинге, Claude Opus 5.5 удерживает корону агентного кодирования, а самая мощная кибер-совместимая модель на рынке находится за дверью правительственной проверки. Когда Carbon откроется более широко, неизменные цены означают, что реальная конкуренция будет определяться возможностями каждого токена, а не скидками — и Google только что поднял планку по этому показателю.

---

Будьте впереди ИИ

Получайте последние новости, анализ и открытия в области искусственного интеллекта — все в одном месте.

Подробнее новости AI →