A Google bemutatta a Gemini 4 Carbon modellt kiberbiztonsági fókuszszal
A Google DeepMind bemutatta a Gemini 4 Carbon modellt, amelyet a vállalat legerősebb modelljeként ír le, kiemelt kiberbiztonsági és hosszú távú feladatvégzési képességekkel. A hozzáférést fokozatosan bővítik, elsőként egy kiberbiztonsági szakemberekből álló kör kapja meg.
- A Gemini 4 Carbon a Google DeepMind szerint a vállalat legerősebb modellje.
- A SEC-bench Pro teszten 88,2 százalékos eredményt ért el.
- A modellt hosszú távú mérnöki és ügynöki feladatokra tervezték.
- Elsőként kiválasztott kiberbiztonsági szakemberek és partnerek kapnak hozzáférést.
- Az ára 2 dollár egymillió bemeneti és 10 dollár egymillió kimeneti tokenenként.
A kiberbiztonságban és programozásban erősít a Carbon
A Google DeepMind október 28-án jelentette be a Gemini 4 Carbont. A vállalat szerint a modell az Artificial Analysis Intelligence Index frissített, v5.0-s kiadásában az első helyen áll, 59-es pontszámmal. A Google DeepMind jelentős előrelépést lát a programozási és ügynöki feladatokban, valamint a kiberbiztonsági védelem szempontjából fontos képességekben.
A Carbon a SEC-bench Pro teszten 88,2 százalékot ért el a sebezhetőségek felderítésében, az ExploitGymen 54,8 százalékot a kihasználhatóság vizsgálatában, a CWE-benchen pedig 71,0 százalékot a javítások elkészítésében. A teszteket védelmi korlátozások nélkül értékelték. A Google belső mérései szerint a modell több mint kétszeres javulást hozott az Argonhoz képest biztonságos kód generálásában.
A Chrome csapata arról számolt be, hogy a Carbon egy másik laboratórium nagy, élvonalbeli modelljénél több mint tízszer jobb minőségű javításokat készített. A Google felhőbiztonsági platformja, a Wiz szintén a modellt látta vezetőnek a webes behatolástesztelés benchmarkjain.
Napokig folytathat összetett mérnöki feladatokat
A Gemini 4 Carbonot hosszú időtávú, ügynöki munkafolyamatokra tervezték. A Google DeepMind belső csapatai szerint a modell akár napokig is képes folytatni a munkát zsákutcák után, például nagy kódbázisokban vagy alacsony szintű rendszerekben rejtőző hibák okának feltárásán és javításán.
A fejlesztés során a programozás, az ügynöki és tudományos feladatok, a teljes veremű webfejlesztés, valamint a multimodális értelmezés teljesítményét is javították. A WebDev Arenán a Carbon 89 Elo-ponttal előrelépve a negyedik helyre került, 1769-es eredménnyel.
A Google szerint a modell a biztonságos kód készítésében is megbízhatóbban működik. A belső, élő programozási környezetekben csaknem 80 százalékkal csökkent a magas súlyosságú összehangolatlansági riasztások száma, az Argonhoz képest pedig körülbelül felére esett a nem alátámasztott állítások aránya.
Fokozatos hozzáférés, az Argonnal azonos induló árazás
A Gemini 4 Carbon az Argon biztonsági és védelmi rétegére épül. Ez magában foglalja a modellképzést, a valós idejű visszaélés elleni védelmet, a promptbefecskendezéssel szembeni ellenállást és a gondolatmenet figyelését. A Google DeepMind szerint a Carbon a Gray Swan közvetett promptbefecskendezési tesztjén minden vizsgált támadási kísérletet kivédett, így a támadási sikerarány 0,0 százalék lett.
A vállalat a bevezetést megfontoltan végzi, és részt vesz az Egyesült Államok kormányának önkéntes, kiadás előtti modelltesztelési folyamatában. A héten a modellt egy kiberbiztonsági szakemberekből álló szűkebb kör kapja meg, ezt követően a Fairwind Programon keresztül további megbízható partnerekhez jut el. A fejlesztők, vállalkozások és fogyasztók számára a Google termékfelületein később válik elérhetővé.
A Gemini 4 Carbon induló ára megegyezik az Argonéval: 2 dollár egymillió bemeneti tokenenként és 10 dollár egymillió kimeneti tokenenként. A gyorsítótárazott bemeneti tokenek ára a bemeneti tokenek díjának 5 százaléka, vagyis 95 százalékos kedvezménnyel számolnak.
Google DeepMind: Gemini 4 Carbon: Our next frontier model
