Google DeepMind 正式發表 Gemini 4 Carbon，這是其最強大的前沿模型，在網路安全和長程任務處理能力上達到業界領先水平。該模型在程式碼生成、代理任務以及漏洞偵測、利用和修補等關鍵網路安全領域展現顯著提升，並將逐步向網路防禦者、開發者和企業開放。
今天，我們宣布推出下一代前沿模型：Gemini 4 Carbon，這是我們最強大的模型，具備最先進的網路安全和長程任務處理能力。Carbon 在最新更新的 Artificial Analysis Intelligence Index v5.0 中以 59 分排名第一。
它在程式碼編寫和代理任務方面，以及網路安全防禦的關鍵能力上都取得了顯著進展，在 SEC-bench Pro 中發現漏洞的能力達到 88.2%，在 ExploitGym 中進行利用的能力達到 54.8%，在 CWE-bench 中修補的能力達到 71.0%，穩居領先地位。
在內部基準測試中，Carbon 在生成安全程式碼方面有顯著提升，在與我們團隊進行的即時程式碼編寫環境中，它也顯示出更低的錯位和捏造率。
Carbon 建立在兩週前發布的 Gemini 4 Argon 基礎上，這說明了我們推動前沿技術發展的速度。我們的研究人員和模型正攜手合作，更快地提升能力，同時也同步加強我們的安全防護措施。
我們正採取審慎的發布方法，並積極參與美國政府的自願性模型發布前測試流程。從本週開始，我們將向部分網路防禦者提供 Carbon，並將透過我們的 Fairwind Program 逐步向更多值得信賴的合作夥伴開放存取權限。我們將持續收集回饋並迭代防護措施，以便盡快透過我們的產品介面將 Carbon 提供給開發者、企業和消費者。
Gemini 4 Carbon 的初始定價將與 Argon 相同，輸入每百萬個 token 為 2 美元，輸出每百萬個 token 為 10 美元，快取輸入 token 的價格則為輸入 token 價格的 95% 折扣。
Carbon 旨在處理更困難的長程工程問題，專為持續的代理工作流程而設計。在內部，我們的團隊觀察到 Carbon 能夠連續運行數天，克服死胡同，解決複雜的多步驟工程任務，例如在大型程式碼庫和底層系統中找出並修補細微的錯誤。
根據使用者回饋，我們專注於提升模型在多個領域的性能，包括程式碼編寫、代理任務、科學任務，以及全端網頁開發和多模態理解。憑藉網頁開發中輸出和成果品質的提升，Carbon 在 WebDev Arena 上躍升 89 個 Elo 分數，達到第 4 名（1768 分）。
Gemini 4 Carbon 在網路安全能力方面實現了重大飛躍。它在網路安全防禦生命週期的各個環節，包括漏洞偵測、驗證和修復，都達到了最先進的性能。
我們的團隊已經看到網路防禦方面的顯著進展。在內部基準測試中，Carbon 在生成安全程式碼的成功率上比 Argon 提升了兩倍以上。另一個例子是，Chrome 團隊報告稱，Carbon 在生成高品質修補程式方面，比另一個實驗室的大型前沿模型表現高出十倍以上。
我們領先的雲端安全平台 Wiz 也觀察到 Carbon 在網頁滲透測試基準上領先，這是 Wiz 的 Scan for Good 計畫的核心能力。
Carbon 在關鍵的外部基準測試中表現出色（在沒有防護措施的情況下進行評估）：
發現真實漏洞：網路安全防禦的核心是發現真實漏洞。Carbon 在 SEC-bench Pro 上達到 88.2% 的最先進水平，能夠自主發現真實世界軟體中隱藏的複雜缺陷。
透過利用驗證風險：為了優先處理哪些漏洞需要修復，或是否需要修復，網路防禦者越來越依賴模型來檢查哪些漏洞是可利用的。Carbon 在流行的利用基準 ExploitGym 上樹立了新的最先進水平（54.8%）。
從根本原因修補：最終，在識別出漏洞之後，修復根本原因是網路安全防禦生命週期中的關鍵一步。Carbon 在 Collinear 的 CWE-bench 上達到 71.0%，將經過驗證的發現直接轉化為可行的程式碼修復。
Gemini 4 Carbon 建立在與 Argon 相同的多層安全堆疊之上，結合了模型訓練、即時濫用防禦、提示詞注入彈性以及思維鏈監控。特別是，我們在 Argon 的模型對齊方面取得了重大進展，並在我們的安全報告中報告了其對齊行為的傾向。對於 Carbon，我們挑戰自己，在對齊方面更進一步，訓練模型以正確的方式回應複雜或高壓任務。
減少捷徑和漏洞利用：透過 Carbon，我們在訓練中進一步減輕了捷徑嘗試，同時確保了高品質的程式碼編寫性能。Carbon 將 Terminal-Bench 4.0 上成功的作弊行為減少到 0.0%，作弊嘗試下降到 0.4%，同時提高了整體準確性。在與我們內部團隊進行的即時程式碼編寫環境中，我們觀察到高嚴重性錯位警報下降了近 80%。
更高的透明度和誠實度：在我們的內部測試中，Carbon 將未經證實的聲明比 Argon 減少了約兩倍。它將方法論上的注意事項直接放入交付物中，或者在阻止操作時提供清晰的所需項目清單，而不是捏造或迴避缺失的證據。
在面對模糊性時改善與使用者的協作：Carbon 不會猜測或強行推進，而是在採取行動之前檢索相關來源並向使用者指出差異，因此使用者應該會體驗到與 Carbon 更好的協作。
在不越權的情況下貫徹執行：Carbon 同時將越權行為減少了 26%，服務不足減少了 29%，從而在尊重專案限制並嚴格遵守範圍的情況下，更可靠地端到端執行多步驟計畫。
抵抗提示詞注入：雖然 Argon 先前在 Gray Swan 的 Indirect Prompt Injection (IPI) 基準測試中以非常低的 0.7% 攻擊成功率在提示詞注入抵抗方面領先，但 Carbon 達到了 0.0%，抵抗了所有評估的攻擊嘗試。
推動前沿技術發展需要快速行動，同時對部署保持審慎。透過 Gemini 4 Carbon，我們的目標是在不犧牲安全性或可靠性的前提下，在軟體工程和網路安全防禦方面實現有意義的飛躍。我們期待看到首批網路防禦者如何使用這個模型，並期待盡快將 Carbon 帶給開發者、企業和消費者。
覺得值得一看？分享給朋友。
以上為 AI 自動翻譯導讀。原文版權歸 Google DeepMind 所有， 建議透過「閱讀原文」前往原始網站，以取得最完整資訊並支持原作者。
43 個來源、每 2 小時更新，太多看不完。電子報每週挑最值得看的幾則，附上 Max 的看法。
