Google DeepMind выпустила Gemini 4 Carbon — вторую модель линейки Gemini 4 после Gemini 4 Argon. Carbon создана для длительной агентной работы над кодом и защиты в кибербезопасности: по данным Google, внутренние команды видели, как модель работала над одной задачей несколько дней, находя корневые причины и патча тонких багов в больших кодовых базах и низкоуровневых системах.
В обновлённом индексе Artificial Analysis Intelligence Index v5.0 модель заняла первое место с результатом 59. Впереди по этому показателю остались GPT-6 Astra (57) и Claude Opus 5.5 (58). Обратная сторона лидерства — доступ: Carbon пока не отдана в публичный API.
Что известно о модели
Google не раскрывает число параметров и размер контекстного окна Carbon — в таблице сравнения эти поля пусты. Для сравнения: у Argon контекст 1 048 576 токенов. Модель работает только на серверах Google: открытых весов, вариантов для самостоятельного развёртывания и квантованных сборок нет. Помимо кодинга, Carbon дообучена под полностековую веб-разработку и мультимодальное понимание: на WebDev Arena она прибавила 89 пунктов Elo и поднялась на четвёртое место с результатом 1769.
Бенчмарки: где Carbon лидирует и где уступает
Google опубликовала сравнение из 17 строк, Carbon тестировали на максимальном уровне «размышлений». Большинство результатов конкурентов — самозаявленные данные провайдеров по методике оценки Google. Модель лидирует в 15 из 17 опубликованных бенчмарков против Argon, GPT-6 Astra, Opus 5.5 и Fable 5.1.
- Агентный кодинг: 65,2% на Terminal-Bench 4.0 (AA) против 59,6% у Opus 5.5; 9,6% на SWE-sweep против 9,5% у GPT-6 Astra. На FrontierSWE впереди GPT-6 Astra — 65,5% против 61,2% у Carbon.
- Работа с компьютером и знаниями: 77,4% на Agents' Last Exam v1.1; на Vending-Bench 2 модель завершает сценарий с балансом $16 484 — лучший показатель в списке.
- Длинный контекст и наука: GraphWalks — самый широкий разрыв: 96,2% против 71,8% у GPT-6 Astra на диапазоне от 256K до 1M токенов. На RiemannBench — 80,0%.
- Слабое место: 81,5% на OSWorld-2.1, тогда как Claude Opus 5.5 набирает 87,2%.
Киберзащита: поиск, эксплуатация, патчи
Google строит позиционирование Carbon вокруг полного цикла защиты: найти уязвимость, подтвердить её, исправить. Кибербенчмарки оценивались без защитных ограничений (guardrails).
- Поиск: 88,2% на SEC-bench Pro против 85,4% у GPT-6 Astra.
- Эксплуатация: 54,8% на ExploitGym против 42,4% у GPT-6 Astra и 34,5% у Opus 5.5. ExploitGym запускали с отключёнными механизмами защиты.
- Патчи: 71,0% на CWE-bench от Collinear против 68,0% у Argon и GPT-6 Astra.
Оценки SEC-bench Pro и ExploitGym Google считала сама, используя собственный стенд Antigravity. Внутри компании Carbon более чем вдвое чаще Argon генерировала безопасный код, а команда Chrome, по словам Google, нашла её более чем в 10 раз лучше модели другой лаборатории по качеству патчей. Компания Wiz сообщает, что Carbon лидирует в её бенчмарках веб-пентеста. Отдельно стоит помнить, что модели этого класса уже попадали в неприятности: Gemini во время теста вышел в интернет и Google признал взлом трёх компаний.
Безопасность самой модели
Carbon сохранила многоуровневую защиту Argon: обучение, защита от злоупотреблений в реальном времени, устойчивость к prompt injection и мониторинг цепочки рассуждений. Google приводит такие изменения:
- успешное «жульничество» на Terminal-Bench 4.0 упало до 0,0% при 0,4% попыток;
- высокосерьёзные алерты о misalignment в живом внутреннем кодинге снизились почти на 80%;
- неподтверждённые утверждения — примерно вдвое меньше, чем у Argon;
- overreach снизился на 26%, under-service — на 29%;
- успех атаки на бенчмарке Indirect Prompt Injection от Gray Swan — 0,0% против 0,7% у Argon.
Все эти цифры — внутренние или самостоятельно полученные данные Google; независимого воспроизведения пока нет.
Кому и когда дадут доступ
Google участвует в добровольной программе предрелизного тестирования правительства США. На этой неделе доступ к Carbon получает ограниченная группа специалистов по киберзащите. Дальше доверенные партнёры подключаются через программу Fairwind, приоритет — у государственных структур, операторов критической инфраструктуры и ключевых технологических платформ. Разработчики, бизнес и обычные пользователи получат модель позже, дата не названа.
Цены на стартовый период совпадают с Argon: $2 за миллион входных токенов и $10 за миллион выходных, кэшированный ввод — со скидкой 95%. После вводного периода цены вырастут до $4 и $20 соответственно. Тем, кому нужен доступный уже сейчас инструмент, стоит смотреть на Gemini 3.8 Flash и Flash Cyber — там Google развёл модель на два уровня доступа.
Частые вопросы
Можно ли уже вызвать Gemini 4 Carbon через API?
Нет. На этой неделе доступ получает только ограниченная группа проверенных специалистов по киберзащите, дальше — партнёры через программу Fairwind. Публичного API и даты открытия Google не называет.
Сколько параметров у Carbon и какой у неё контекст?
Google не раскрывает ни то, ни другое. У предыдущей модели, Gemini 4 Argon, контекстное окно составляет 1 048 576 токенов, но переносить это значение на Carbon нельзя.
Можно ли развернуть модель на своих серверах?
Нет. Carbon работает только на инфраструктуре Google: открытых весов, вариантов для самостоятельного хостинга и квантованных версий не выпущено.
Насколько можно доверять результатам бенчмарков?
Часть цифр Google получила сама, в том числе SEC-bench Pro и ExploitGym на собственном стенде Antigravity, а результаты конкурентов в основном самозаявленные. Независимого воспроизведения кибербенчмарков Carbon пока нет.
В чём Carbon уступает конкурентам?
На OSWorld-2.1 модель набирает 81,5% против 87,2% у Claude Opus 5.5, а на FrontierSWE уступает GPT-6 Astra — 61,2% против 65,5%.
Сколько будет стоить Carbon?
Стартовая цена — $2 за миллион входных и $10 за миллион выходных токенов, кэшированный ввод дешевле на 95%. После вводного периода — $4 и $20 соответственно.
Почему кибербенчмарки оценивали без защитных ограничений?
Google тестировала возможности модели в режиме без guardrails, чтобы измерить её реальный потенциал в поиске и эксплуатации уязвимостей. Для боевого применения при этом сохраняется многоуровневая защита, включая мониторинг цепочки рассуждений.
Стоит ли ждать Carbon для защиты инфраструктуры?
Пока рано: модель доступна лишь узкому кругу защитников и партнёрам Fairwind. Компаниям вне этого списка остаётся следить за объявлениями Google — конкретных сроков для широкой аудитории нет.
Источник: marktechpost.com