Gemini 4 Carbon: Πρώτο στον δείκτη AI, αλλά μόνο για ειδικούς ασφάλειας

Το Gemini 4 Carbon είναι το νέο κορυφαίο μοντέλο της Google, πρώτο στον Artificial Analysis Index, και δίνεται πρώτα σε ειδικούς κυβερνοάμυνας.

Η Google ανακοίνωσε το Gemini 4 Carbon, το ισχυρότερο μοντέλο AI που έχει βγάλει ως τώρα, με έμφαση στην κυβερνοασφάλεια και σε μεγάλες εργασίες που μπορεί να κρατήσουν και μέρες. Έρχεται μόλις δύο εβδομάδες μετά το Gemini 4 Argon και, όπως εκείνο, δεν ανοίγει αμέσως για όλους. Πρώτοι το παίρνουν ειδικοί κυβερνοάμυνας.

Στον ανανεωμένο δείκτη Artificial Analysis Intelligence Index v5.0, το Carbon βρίσκεται στην πρώτη θέση με 59 μονάδες.

Πότε θα το δουν developers και χρήστες

Το Gemini 4 Carbon ανοίγει από αυτή την εβδομάδα σε μια ομάδα ειδικών κυβερνοάμυνας και θα φτάσει σταδιακά σε περισσότερους έμπιστους συνεργάτες μέσω του προγράμματος Fairwind. Για developers, επιχειρήσεις και καταναλωτές δεν υπάρχει ημερομηνία. Η Google λέει ότι θα το βάλει στις υπηρεσίες της «το συντομότερο δυνατό», αφού μαζέψει σχόλια και βελτιώσει τις δικλίδες ασφαλείας. Το μοντέλο περνά ήδη από την εθελοντική διαδικασία της κυβέρνησης των ΗΠΑ για δοκιμές πριν από τη δημόσια διάθεση.

Η εισαγωγική τιμή μένει ίδια με του Argon: 2 δολάρια (περίπου 1,80 ευρώ) ανά εκατομμύριο tokens εισόδου και 10 δολάρια (περίπου 9 ευρώ) ανά εκατομμύριο tokens εξόδου. Τα cached tokens εισόδου κοστίζουν 95% λιγότερο.

Τι κάνει το Gemini 4 Carbon στην κυβερνοασφάλεια

Το Gemini 4 Carbon καλύπτει όλο τον κύκλο της άμυνας. Βρίσκει ευπάθειες, ελέγχει ποιες μπορεί πράγματι να εκμεταλλευτεί κάποιος επιτιθέμενος και γράφει διόρθωση που πιάνει τη ρίζα του προβλήματος. Τα εξωτερικά benchmarks μετρήθηκαν χωρίς ενεργές δικλίδες ασφαλείας:

Σύμφωνα με την Google, η ομάδα του Chrome είδε το Carbon να γράφει διορθώσεις πάνω από 10 φορές καλύτερες από ένα μεγάλο μοντέλο άλλου εργαστηρίου, που δεν κατονομάζεται. Στα εσωτερικά τεστ, πετυχαίνει πάνω από διπλάσιο ποσοστό επιτυχίας στη συγγραφή ασφαλούς κώδικα σε σχέση με το Argon. Η Wiz, η πλατφόρμα ασφάλειας cloud της Google, το βρίσκει πρώτο στα benchmarks για web penetration testing, που χρησιμοποιεί στην πρωτοβουλία Scan for Good.

Τρέχει για μέρες χωρίς να τα παρατάει

Το Gemini 4 Carbon σχεδιάστηκε για δύσκολα προβλήματα λογισμικού με πολλά βήματα. Οι ομάδες της Google το έχουν αφήσει να δουλεύει για μέρες: πέφτει σε αδιέξοδα, επιμένει και τελικά εντοπίζει και διορθώνει δύσκολα bugs σε μεγάλα codebases και σε συστήματα χαμηλού επιπέδου. Βελτιώσεις υπάρχουν και σε agentic και επιστημονικές εργασίες, στο full-stack web development και στην κατανόηση εικόνας και άλλων τύπων περιεχομένου.

Λιγότερες «κλεψιές» και λιγότερα φτιαχτά στοιχεία

Το Carbon πατά στην ίδια πολυεπίπεδη προστασία με το Argon: εκπαίδευση, άμυνες σε πραγματικό χρόνο κατά της κακόβουλης χρήσης, αντοχή σε prompt injection και παρακολούθηση της αλυσίδας σκέψης. Η Google το εκπαίδευσε επιπλέον να μην κόβει δρόμο. Στο Terminal-Bench 4.0 οι πετυχημένες απόπειρες εξαπάτησης έπεσαν στο 0,0% και οι απόπειρες συνολικά στο 0,4%, ενώ η ακρίβεια ανέβηκε. Στα πραγματικά περιβάλλοντα κώδικα των εσωτερικών ομάδων, οι σοβαρές ειδοποιήσεις για αποκλίνουσα συμπεριφορά μειώθηκαν σχεδόν κατά 80%.

Οι αστήρικτοι ισχυρισμοί πέφτουν περίπου στο μισό σε σχέση με το Argon. Όταν λείπουν στοιχεία, το μοντέλο γράφει τις επιφυλάξεις του μέσα στο παραδοτέο ή σταματά και λέει τι χρειάζεται ακόμα, αντί να γεμίζει τα κενά με εικασίες. Αν κάτι είναι ασαφές, ψάχνει τις σχετικές πηγές και δείχνει στον χρήστη τις αντιφάσεις πριν προχωρήσει. Οι περιπτώσεις όπου ξεφεύγει από το πλαίσιο της εργασίας μειώθηκαν κατά 26%. Εκείνες όπου αφήνει τη δουλειά μισή μειώθηκαν κατά 29%.

Στο benchmark έμμεσου prompt injection της Gray Swan, το Carbon απέκρουσε όλες τις επιθέσεις που δοκιμάστηκαν. Το ποσοστό επιτυχίας των επιθέσεων ήταν 0,0%, έναντι 0,7% για το Argon.