A Google DeepMind Gemini 4 Carbon vezeti a kiberbiztonsági benchmarkokat
A modell 88,2%-os eredményt ért el az SEC-bench Pro-n, 54,8%-ot az ExploitGym-en és 71%-ot a CWE-bench-en — a Google DeepMind szerint.
A Google DeepMind bemutatta a Gemini 4 Carbon modellt, amely a cég eddigi legerősebb, kiberbiztonsági képességekkel rendelkező frontmodellje. A rendszer az Artificial Analysis Intelligence Index v5.0 ranglistán az első helyen áll 59 ponttal — írja a cég blogja.
A Carbon kiemelkedő eredményt ért el a kiberbiztonsági benchmarkokon: 88,2%-os sikerességgel azonosítja a sebezhetőségeket a SEC-bench Pro-n, 54,8%-ot ér el az ExploitGym exploitálási teszten, és 71%-kal oldja meg a javító kódok generálását a CWE-bench-en. A Google belső tesztjei szerint a modell kétszer olyan sikeres a biztonságos kód generálásában, mint a két hete bemutatott Gemini 4 Argon, és a Chrome csapat szerint több mint tízszer jobb javító kódokat állít elő, mint egy másik labor nagy frontmodellje.
Hosszú távú, ügynökök alapú munkafolyamatok
A Carbon a hosszú távú, komplex mérnöki feladatokra lett optimalizálva: napokig képes futni, hogy megoldja a nehezen megközelíthető hibákat nagy kódbázisokban vagy alacsony szintű rendszerekben. A webfejlesztésben is javult: +89 elo-ponttal a WebDev Arena ranglistán a 4. helyre került 1768 ponttal. A Wiz felhőbiztonsági platform szerint a modell vezető teljesítményt nyújt a webes penetrációs teszteknél is.
Árazás és elérhetőség
A modell az Argonnal megegyező bevezető áron kerül forgalomba: 2 dollárért egy millió bemeneti tokenért és 10 dollárért egy millió kimeneti tokenért, a cache-elt bemeneti tokenek 95%-os kedvezménnyel. A bevezetés fokozatos: a héten a Fairwind Program keretében kibervédők egy részének lesz elérhető, majd bizalmas partnerek, végül fejlesztők és vállalatok kapják meg a hozzáférést.
A Google DeepMind a bevezetés előtt aktívan részt vesz az USA kormányzatának önkéntes előzetes modell-tesztelési folyamatában.