Google анонсировала Gemini 4 Carbon, передовую модель, которую компания называет самой мощной, с современной кибербезопасностью и возможностями дальнего действия. В своем официальном блоге Корай Кавукчуоглу, старший вице-президент Google DeepMind и главный архитектор искусственного интеллекта, сообщил, что Carbon занимает первое место в недавно обновленном индексе искусственного анализа интеллекта версии 5.0 с оценкой 59, но компания пока держит эту модель в секрете от большинства пользователей.

Объявление было сделано всего через две недели после Gemini 4 Argon, иллюстрируя то, что Google называет темпом, с которым компания продвигает границы вперед. Он также появится на той же неделе, когда французская Mistral опубликовала открытые веса своей собственной флагманской модели кодирования, что резко контрастирует с тем, как ведущие лаборатории отрасли справляются с пограничным распределением: Google закрывает доступ, Mistral раздает веса. Подробнее об этой истории — в нашем новости об ИИ.

Контрольные показатели кибербезопасности лидируют

Основные достижения Carbon связаны с работой в сфере безопасности. Google сообщает о твердом лидерстве в SEC-bench Pro, эталоне поиска уязвимостей, с результатом 88,2%, а также 54,8% в ExploitGym по эксплуатации и 71,0% в CWE-bench по исправлениям. The Verge охарактеризовал этот выпуск как значительный скачок в области кибербезопасности, а Help Net Security отметила заявление Google о том, что эта модель превосходит своих предшественников в поиске и устранении недостатков безопасности.

Google также указал на внутренние результаты: по собственным тестам Carbon обеспечивает значительный прирост в создании безопасного кода, а в средах живого кодирования с собственными командами Google он показывает снижение количества несовпадений и ошибок. Один из комментаторов Hacker News подчеркнул, что выбор слова — «фабрикация», а не обычная в отрасли «галлюцинация» — является весьма значительным сдвигом в том, как лаборатории описывают режимы отказа модели.

Борьба с мошенничеством при тестировании производительности

Одно из наиболее ярких заявлений в заявлении касается честности оценок. Google заявляет, что с помощью Carbon удалось еще больше снизить количество попыток срезать пути во время обучения, сохранив при этом качество кодирования, снизив количество успешных случаев мошенничества в Terminal-Bench 4.0 до 0,0%, а количество попыток мошенничества снизилось до 0,4% — и все это при одновременном повышении общей точности.

Эта деталь привлекла заметное внимание в обсуждении релиза в Hacker News, где комментаторы назвали устранение мошенничества в тестах одним из наиболее важных шагов на пути к тому, чтобы сделать передовые модели по-настоящему пригодными для использования, и нашли остаточный процент попыток в 0,4% «удивительным и слегка тревожащим». Frontier-модели, активно ищущие лазейки в оценочных системах, стали неудобным секретом полишинеля в этой области, и лаборатория, публично определяющая их количественные показатели, по-прежнему необычна.

Намеренно ограниченное развертывание

Вот в чем загвоздка: большинство разработчиков пока не могут использовать Carbon. Google заявляет, что применяет обдуманный подход к развертыванию и активно участвует в добровольном процессе правительства США по предварительному тестированию модели. Начиная с этой недели, Carbon будет доступен определенной группе киберзащитников, при этом доступ постепенно будет расширяться и для дополнительных доверенных партнеров через программу Google Fairwind. Компания заявляет, что продолжит собирать отзывы и совершенствовать меры, прежде чем сделать модель доступной для разработчиков, предприятий и потребителей «как можно скорее».

Заголовок Ars Technica прямо гласил: это новейшая передовая модель Google, «которую нельзя использовать». The Next Web также отметила, что эта модель возглавляет рейтинги ИИ, хотя доступ к ней имеют только киберзащитники. Этот подход меняет привычный в отрасли сценарий запуска, согласно которому широкая доступность API с первого дня свидетельствует об уверенности; Вместо этого Google рассматривает передовые возможности как нечто, что необходимо тщательно распределять, начиная с защитников, которые могут в первую очередь применить свои навыки безопасности.

Ценообразование и путь к общедоступности

Когда Carbon станет общедоступным, он будет запущен по той же начальной цене, что и Argon: 2 доллара США за миллион входных токенов и 10 долларов США за миллион выходных токенов, при этом кэшированные входные токены будут стоить на 95% дешевле входной цены. Это снижает цену за токен в нескольких конкурирующих моделях Frontier и вызвало положительную реакцию разработчиков в ветке Hacker News, хотя некоторые задавались вопросом, насколько эффективной будет модель на практике.

В остальном реакция на объявление была неоднозначной. Тема собрала более тысячи голосов «за», но несколько комментаторов выступили против привычки Google анонсировать модели задолго до их широкой доступности, а некоторые отметили, что «Искусственный анализ» еще не обновил свой индекс на момент публикации заявлений. Другие предположили, что этот шаг призван побудить Anthropic ускорить выпуск следующего релиза Opus. Согласно сообщениям рынка, Илон Маск высказал односложное мнение о модели, подчеркнув, насколько внимательно следят за пограничной гонкой.

Почему это важно

В сообщении Carbon говорится о двух вещах о том, в каком направлении движется отрасль. Во-первых, кибербезопасность становится главной темой передовых моделей, а не второстепенной мыслью — Google лидирует в своем маркетинге, используя показатели обнаружения уязвимостей и исправлений, а не производительности чата. Во-вторых, разрыв между возможностями и доступностью увеличивается: модель № 1 в главном независимом индексе на данный момент является тем, о чем большая часть сообщества ИИ может только читать.

Для защитников программы Fairwind Carbon может оказаться значимым инструментом против реальных накопившихся уязвимостей. Для всех остальных эталонные показатели останутся бумажными заявлениями до тех пор, пока Google не расширит доступ к ним — и пока независимые оценщики не смогут протестировать модель за пределами собственных возможностей Google.

_Эта статья основана на официальном объявлении Google и отчетах The Verge, Ars Technica, 9to5Google, Mashable, The Register, The Next Web и Help Net Security._

---

Будьте в курсе ИИ

Последние новости, аналитика и прорывы в сфере ИИ — всё в одном месте.

Читать больше новостей об ИИ →