Google представил Gemini 4 Carbon — флагманскую языковую модель для сложных задач программирования с усиленной кибербезопасностью. По внутренним тестам компании, она генерирует безопасный код более чем в два раза лучше предшественника Gemini 4 Argon, вышедшего всего двумя неделями ранее. Google также сообщает, что Carbon превосходит GPT-6 Astra и Claude Opus 5.5 по ряду бенчмарков. Для бизнеса это важно, потому что безопасная генерация кода напрямую влияет на стоимость разработки и уровень риска.
Бенчмарки и условия выпуска Carbon
Carbon установил рекорд в Artificial Analysis Intelligence Index — сводном тесте, объединяющем более полдюжины популярных оценок моделей. Google проверял модель на новой версии индекса, выпущенной в тот же день: в нее добавили два бенчмарка и убрали насыщенные вопросы, слишком легкие для флагманских моделей. Компания также заявляет о лидерстве в SEC-bench Pro, где оценивается поиск слабых мест в сложных программных системах, и об улучшенном исправлении найденных уязвимостей. Команда Chrome сообщила, что Carbon показал более чем в 10 раз лучший результат, чем большая флагманская модель другой лаборатории, в создании качественных патчей.
Модель сохранила защитные механизмы Argon против галлюцинаций и кибератак, но в улучшенном виде. Внутренние команды, использующие Carbon в живых средах кодирования, сообщили о снижении предупреждений о рассогласовании почти на 80%, по данным Google. Во внутренних тестах Carbon сократил неподтвержденные утверждения примерно в 2 раза по сравнению с Argon. Вместо выдуманных данных он включает методологические оговорки в результат или блокирует действие с понятным списком недостающих требований. Такое поведение направлено против типичной ошибки, когда модели заполняют пробелы в знаниях недостоверной информацией.
Google также проверил, будет ли Carbon срезать углы в задачах, похожих на обучающие, где модели иногда обманывают систему оценки. В coding-задачах Terminal-Bench 4.0 модель попыталась обойти правила лишь в 0,4% вопросов, причем ни одна попытка не удалась. В Gray Swan IPI Benchmark, проверяющем устойчивость к непрямым prompt-инъекциям, она заблокировала все смоделированные атаки. Результаты в блоге описал старший вице-президент Google DeepMind Корэй Кавукчуоглу, главный архитектор компании по искусственному интеллекту. Вместе эти тесты закрывают и честные ошибки, и намеренные манипуляции моделью.
Что это значит для корпоративных команд
Для компаний, которые разрабатывают и поддерживают софт, Carbon означает меньше уязвимостей в продуктивном коде и меньше доработок для разработчиков. Доступ откроется позже на этой неделе через программу Fairwind, где такие организации, как интернет-провайдеры, раньше других получают модели для устранения киберуязвимостей. Google планирует доработать защитные механизмы по отзывам первых пользователей, прежде чем выпускать модель широко. Небольшие компании могут получить помощь в аудите и патчах, раньше доступную лишь опытным специалистам по безопасности, а крупные смогут применять ее на большем числе кодовых баз и живых сред.
При этом ограничения важны для решения о внедрении. Данные о безопасном коде, качестве патчей и снижении рассогласований получены из внутренних тестов Google, а не из независимых внедрений. Ранний доступ ограничен участниками Fairwind, а дата широкого выпуска в материале не названа. Покупателям стоит уточнить, какие языки, фреймворки и унаследованные системы покрывали тесты SEC-bench Pro и генерации патчей, а также как измерялось снижение предупреждений почти на 80%. Сам по себе этот выпуск не доказывает снижения числа инцидентов или готовности к соблюдению требований в конкретной компании.
Индикатором станет переход от раннего доступа Fairwind к широкому выпуску и то, как Google изменит защитные механизмы между этими этапами. Если внешние участники подтвердят меньше предупреждений о рассогласовании и надежную генерацию патчей в живых системах, аргументы в пользу массового внедрения усилятся. Дополнительные независимые оценки в обновленном Intelligence Index покажут, сохранится ли отрыв от GPT-6 Astra и Claude Opus 5.5 за пределами тестов Google.
