- Google выпустил новую модель ИИ Gemini 4 Carbon, демонстрирующую значительные улучшения в кодировании, агентских задачах и кибербезопасности.
- Carbon возглавил бенчмарк Artificial Analysis Intelligence Index (v5.0) и показал двукратное улучшение в генерации безопасного кода по сравнению с Argon.
- Модель будет доступна избранным экспертам по кибербезопасности на этой неделе, с планами по более широкому распространению.
Google представляет Gemini 4 Carbon: Новая вершина в ИИ
Через всего две недели после запуска Gemini 4 Argon, Google представил свою новейшую пограничную модель искусственного интеллекта - Gemini 4 Carbon. Эта разработка позиционируется как значительный шаг вперед, особенно в областях кодирования, выполнения агентских задач и кибербезопасности. Несмотря на то что Gemini 4 Argon отставал от моделей Claude и GPT в бенчмарках кодирования для Android, Carbon демонстрирует совершенно иные результаты.
Превосходство в бенчмарках и производительности
Gemini 4 Carbon занял первое место в бенчмарке Artificial Analysis Intelligence Index (v5.0), опередив Claude Opus 5.5 и GPT-6 Astra. Модель также показала впечатляющие результаты в других тестах, включая SEC-bench Pro, ExploitGym и CWE-bench. В WebDev Arena Carbon поднялся на четвертое место, а в Arena.ai занимает вторую позицию в рейтинге «Лучший общий агент» после Opus 5.5. Корай Кавукчуоглу, старший вице-президент Google DeepMind и главный архитектор ИИ в Google, отметил, что Carbon является самой сильной моделью компании на сегодняшний день.
| Бенчмарк | Gemini 4 Carbon | Конкуренты (например, Claude Opus 5.5, GPT-6 Astra) |
|---|---|---|
| Artificial Analysis Intelligence Index (v5.0) | 1 место | Claude Opus 5.5, GPT-6 Astra (отстают) |
| SEC-bench Pro | Лидер | - |
| ExploitGym | Лидер | - |
| CWE-bench | Лидер | - |
| WebDev Arena | 4 место (прирост 89 баллов) | Opus 5.5, GPT-6.1 Astra, Sonnet 5.5 (впереди) |
| Arena.ai (Best Overall Agent) | 2 место | Opus 5.5 (впереди) |
Прорыв в кибербезопасности
Одним из ключевых направлений, где Gemini 4 Carbon показывает значительные успехи, является кибербезопасность. Google заявляет о «значительном скачке» в обнаружении, проверке и устранении уязвимостей. Carbon вдвое чаще генерирует код без уязвимостей по сравнению с Argon. Команда Chrome сообщила, что Carbon в 10 раз лучше генерирует «высококачественные» патчи по сравнению с моделями сторонних разработчиков.
Доступность и ценовая политика
Первоначально Gemini 4 Carbon будет доступен избранным экспертам по кибербезопасности на этой неделе через программу Fairwind. Google планирует сделать модель более широко доступной «как можно скорее». На начальном этапе стоимость Gemini 4 Carbon будет такой же, как и у Argon: $2 за миллион входных токенов и $10 за миллион выходных токенов. После окончания этого периода цены вырастут до $4 и $20 соответственно, что соответствует стоимости Anthropic Claude Opus 5.5, прямого конкурента Carbon. В контексте общего роста в отрасли, API моделей Google обрабатывают почти 32 миллиарда токенов в минуту, что в четыре раза больше, чем год назад. Подробнее о других технологических новинках можно узнать в статье Amazon представляет новую линейку устройств Echo с акцентом на дисплеи.
Выпуск Gemini 4 Carbon укрепляет позиции Google в гонке ИИ, особенно в критически важных областях, таких как кодирование и кибербезопасность. Для разработчиков это потенциально означает доступ к более мощным инструментам для создания безопасного и эффективного кода. Для индустрии кибербезопасности Carbon может стать важным подспорьем в автоматизации обнаружения и устранения уязвимостей, что повысит общую безопасность цифровых систем. Ограниченная первоначальная доступность подчеркивает стратегический подход Google к внедрению своих передовых моделей.
Интересные заявления, но насколько эти бенчмарки отражают реальные, сложные сценарии в продакшене? Часто такие «скачки» на практике оборачиваются высокой стоимостью внедрения и необходимостью значительной доработки. Удвоение безопасного кода – это, конечно, хорошо, но какова будет цена за этот прирост в ресурсах и человеко-часах при масштабировании? Хотелось бы увидеть независимые, долгосрочные тесты.