Google представила Gemini 4 Carbon — новую флагманскую модель с упором на длительные задачи по программированию и кибербезопасность. Первыми доступ к ней получат доверенные специалисты по защите информационных систем.
По словам Google, во внутренних проектах Carbon способна работать над одной задачей несколько суток: искать причины сложных ошибок в больших кодовых базах, пробовать другие подходы после неудач и готовить исправления.
В независимом Artificial Analysis Intelligence Index v5.0 модель в режиме High набрала 59 баллов и заняла первое место. Следом идёт Claude Opus 5.5 в режиме Max с 58 баллами. Индекс объединяет девять испытаний на программирование, рассуждения, научные и агентные задачи.
В таблице Google Carbon улучшила результаты Argon, но лидерство среди конкурентов зависит от теста. Первый тест проверяет выполнение задач в терминале, второй — сложную разработку ПО, третий — управление компьютером. Во FrontierSWE 2 Carbon уступает GPT-6 Astra и Claude Opus 5.5, а в OSWorld-2.1 — модели Anthropic. В WebDev Arena, где сравнивают результаты разработки сайтов, Carbon прибавила 89 пунктов рейтинга Elo и заняла четвёртое место с 1768 баллами.
Google заявляет улучшения на всех этапах защиты ПО — от обнаружения ошибки до проверки её опасности и подготовки исправления. В опубликованных результатах Carbon получила 88,2% в SEC-bench Pro на поиск реальных уязвимостей против 83,4% у Argon. Также модель показала 54,8% в ExploitGym на проверку возможности эксплуатации против 42% у Argon и 71% в CWE-bench на исправление уязвимостей против 68% у Argon.
Эти кибертесты проводились без защитных ограничений модели. Во внутренних испытаниях Google доля успешного создания безопасного кода выросла более чем вдвое относительно Argon. Во внутренних испытаниях Google Carbon примерно вдвое реже делала неподтверждённые заявления, чем Argon. Когда необходимых данных нет, модель должна указывать, чего не хватает для завершения работы.
В испытаниях Terminal-Bench 4.0 доля успешного обхода правил теста снизилась до нуля, хотя попытки всё ещё фиксировались в 0,4% случаев. В тесте Gray Swan на скрытые вредоносные инструкции в документах и других внешних данных успешными оказались 0% атак против 0,7% у Argon.
Эти результаты являются показателями конкретных испытаний, а не гарантией отсутствия ошибок или полной защиты от подобных атак. Показатели кибербезопасности и поведения приводит Google, отдельно от независимого индекса Artificial Analysis.
На этой неделе Google начнёт предоставлять Carbon ограниченной группе специалистов по киберзащите, затем расширит доступ через Fairwind Program. Разработчики, компании и обычные пользователи получат модель после дополнительной проверки защитных механизмов. Дата общего запуска пока не названа.
Вводная цена составит $2 за 1 млн входящих токенов и $10 за 1 млн исходящих — столько же заявляли для Argon. Кэшированные входящие токены будут на 95% дешевле обычных. Однако в сноске Google указывает, что после вводного периода тариф вырастет до $4 и $20 соответственно. Продолжительность этого периода компания не уточняет.