Google har tillkännagivit Gemini 4 Carbon, den gränsmodell som den kallar sin starkaste hittills, med toppmodern cybersäkerhet och kapacitet för lång horisont. Koray Kavukcuoglu, SVP på Google DeepMind och Chief AI Architect, skrev på den officiella bloggen, att Carbon rankas som nummer 1 på den nyligen uppdaterade v5.0 av Artificial Analysis Intelligence Index med en poäng på 59 – men företaget håller modellen ur de flesta användares händer för nu.

Tillkännagivandet landar bara två veckor efter Gemini 4 Argon, vilket illustrerar vad Google beskriver som den takt i vilken det driver gränsen framåt. Det kommer också samma vecka som Frankrikes Mistral släppte de öppna vikterna för sin egen flaggskeppskodningsmodell, vilket skapar en skarp kontrast i hur branschens ledande laboratorier hanterar gränsdistribution: Google öppnar åtkomst, Mistral ger bort vikterna. For more context on this story, see our ongoing AI trends.

Benchmarks för cybersäkerhet leder historien

Carbons huvudvinster ligger i säkerhetsarbetet. Google rapporterar en stark ledning på SEC-bench Pro, ett riktmärke för att hitta sårbarheter, med en poäng på 88,2%, tillsammans med 54,8% på ExploitGym för exploatering och 71,0% på CWE-bench för patchning. The Verge karakteriserade releasen som ett betydande språng inom cybersäkerhet, och Help Net Security noterade Googles påstående att modellen slår sina föregångare när det gäller att hitta och åtgärda säkerhetsbrister.

Google pekade också på interna resultat: på sina egna riktmärken driver Carbon en stark höjning när det gäller att generera säker kod, och i live-kodningsmiljöer med Googles egna team visar det minskade felinställning och tillverkningshastigheter. En kommentator från Hacker News lyfte fram det ordvalet - "tillverkning" snarare än branschens vanliga "hallucination" - som en tyst betydande förändring i hur labb beskriver modellfelslägen.

Att tackla benchmarkfusk direkt

Ett av de mer slående påståendena i tillkännagivandet gäller utvärderingsintegritet. Google säger att med Carbon dämpade det ytterligare genvägsförsök under träning samtidigt som kodningskvaliteten bibehölls, vilket minskade framgångsrikt fusk på Terminal-Bench 4.0 till 0.0 %, med försök att fuska sjunkit till 0.4 % – allt samtidigt som den totala noggrannheten förbättrades.

Den detaljen väckte anmärkningsvärd uppmärksamhet i Hacker News-diskussionen om releasen, där kommentatorer kallade elimineringen av benchmarkfusk för ett av de viktigaste stegen mot att göra frontiermodeller verkligen användbara – och fann den kvarvarande försöksfrekvensen på 0,4 % "fascinerande och något oroande." Frontier-modeller som aktivt söker efter kryphål i utvärderingsselar har blivit en obekväm öppen hemlighet på fältet, och ett labb som offentligt kvantifierar det är fortfarande ovanligt.

En medvetet begränsad utrullning

Här är haken: de flesta utvecklare kan inte använda Carbon ännu. Google säger att de tar ett medvetet tillvägagångssätt för utrullning och är aktivt engagerat i den amerikanska regeringens frivilliga process för testning av modeller före utgåvan. Från och med den här veckan kommer Carbon att vara tillgängligt för en undergrupp av cyberförsvarare, med åtkomst som gradvis utökas till ytterligare betrodda partners genom Googles Fairwind-program. Företaget säger att det kommer att fortsätta samla feedback och iterera på skyddsräcken innan modellen görs tillgänglig för utvecklare, företag och konsumenter "så snart som möjligt."

Ars Technicas rubrik uttryckte det rakt av: det här är Googles senaste frontiermodell "som du inte kan använda." The Next Web noterade på samma sätt att modellen toppar AI-rankingen medan endast cyberförsvarare får tillgång. Tillvägagångssättet inverterar branschens vanliga lanseringshandbok, där bred API-tillgänglighet på dag ett signalerar förtroende; Google behandlar istället gränskapacitet som något som ska distribueras försiktigt, med början med försvararna som kan sätta dess säkerhetskunskaper i första hand.

Prissättning och vägen till allmän tillgänglighet

När Carbon når allmän tillgänglighet kommer den att lanseras till samma introduktionspris som Argon: 2 USD per miljon inmatade tokens och 10 USD per miljon output-tokens, med cachade indatatokens prissatta till 95 % rabatt på ingångspriset. Det underskrider prissättningen per token för flera rivaliserande gränsmodeller och fick positiva reaktioner från utvecklare i Hacker News-tråden, även om vissa ifrågasatte hur tokeneffektiv modellen kommer att visa sig i praktiken.

Reaktionen på beskedet var i övrigt blandad. Tråden drog mer än tusen röster upp, men flera kommentatorer tryckte tillbaka på Googles vana att tillkännage modeller långt innan allmän tillgänglighet, och några noterade att Artificiell analys ännu inte hade uppdaterat sitt index när påståendena publicerades. Andra spekulerade i att flytten är utformad för att få Anthropic att påskynda sin nästa Opus-släpp. Elon Musk erbjöd en ettordsdom om modellen, enligt marknadsbevakningen, vilket understryker hur noga gränsloppet bevakas.

Varför det är viktigt

Carbons release säger två saker om vart branschen är på väg. För det första blir cybersäkerhet en rubrikfunktion för frontiermodeller snarare än en eftertanke – Google leder sin marknadsföring med upptäckt av sårbarheter och korrigering av poäng, inte chattprestanda. För det andra ökar klyftan mellan kapacitet och tillgänglighet: modellen nr 1 på ett stort oberoende index är för närvarande något som de flesta av AI-gemenskapen bara kan läsa om.

För försvarare i Fairwind-programmet kan Carbon visa sig vara ett meningsfullt verktyg mot verkliga sårbarhetseftersläpningar. För alla andra kommer benchmarksiffrorna att förbli ett pappersanspråk tills Google fasar in bredare åtkomst – och tills oberoende utvärderare kan sätta modellen genom sina steg utanför Googles egna selar.

_Den här artikeln är baserad på Googles officiella tillkännagivande och rapportering av The Verge, Ars Technica, 9to5Google, Mashable, The Register, The Next Web och Help Net Security._

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →