Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
Безопасность и правоAPI / Продукт · В работуTG: @ai_product (AI Product / Igor Akimov)→ оригинал

Gemini 4 Carbon набрал 88,2% в поиске уязвимостей, но Google открыла его не всем

Google выпустила Gemini 4 Carbon — модель, которая ищет дыры в коде и днями работает над сложной задачей без человека. В тесте SEC-bench Pro на поиск уязвимостей она набрала 88,2%, а в ExploitGym, где дыры нужно ещё и эксплуатировать, — 54,8%. Но доступ получат только киберзащитники и доверенные партнёры, хотя в рейтинге Artificial Analysis модель первая. Остальным придётся ждать публичного релиза и независимых проверок.

AI-обработка оригинала TG: @ai_product (AI Product / Igor Akimov); редакция Hamidun News
Gemini 4 Carbon набрал 88,2% в поиске уязвимостей, но Google открыла его не всем
Источник: TG: @ai_product (AI Product / Igor Akimov). Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникTG: @ai_product (AI Product / Igor Akimov) ↗
Главный редактор
Ключевой факт #1CWE-bench, подготовка патчей для уязвимостей: 71,0%
Ключевой факт #2Безопасного кода пишет вдвое больше, чем Argon
WebDev Arena4-е место, рейтинг 1769 (+89 Elo)

Представьте помощника, который сам читает огромный репозиторий, находит в нём опасные места, проверяет, можно ли ими воспользоваться, и готовит исправление. Именно такую роль Google отводит новой модели Gemini 4 Carbon, вышедшей всего через две недели после предыдущей, Argon. В тесте SEC-bench Pro, где модель ищет уязвимости в коде, она набрала 88,2%. А в независимом рейтинге Artificial Analysis Intelligence Index v5.0, который сводит результаты моделей в один общий балл, Carbon сразу встала на первое место. Есть нюанс: лучшую по этому индексу модель получат не все разработчики, а только киберзащитники и избранные партнёры.

Что умеет Carbon и какие цифры привела Google

Главный упор в анонсе сделан на кибербезопасность и длинные агентные задачи. Агентная задача — это когда модель не отвечает на один вопрос, а самостоятельно выполняет цепочку шагов. По словам Google, Carbon может днями работать над сложной задачей. Для защитников сценарий понятный: просмотреть кодовую базу, найти слабые места, подтвердить их и предложить патч.

Вот результаты из анонса:

  • SEC-bench Pro, поиск уязвимостей: 88,2%.
  • ExploitGym, эксплуатация найденных дыр, то есть проверка, что ими реально можно воспользоваться: 54,8%.
  • CWE-bench, подготовка патчей для типовых классов уязвимостей: 71,0%.
  • WebDev Arena, соревнование моделей в создании веб-приложений: 4-е место, рейтинг 1769, рост на 89 пунктов Elo.

Отдельно Google заявляет, что Carbon генерирует вдвое больше безопасного кода, чем Argon. На практике это значит, что модель реже оставляет в проекте типовые дыры вроде непроверенного пользовательского ввода.

Команда Chrome идёт дальше и утверждает, что по качеству патчей Carbon в 10 раз лучше «большой модели другой лаборатории». Название конкурента не раскрыто. Это оценка самой Google, поэтому относиться к ней стоит как к заявлению разработчика, а не как к независимому замеру.

Почему доступ закрыли

Лучшую по индексу версию получат только киберзащитники и «доверенные партнёры» в рамках Fairwind Program. Кроме того, Carbon проходит добровольное тестирование у правительства США.

Логика понятна. Если модель находит уязвимости, а в 54,8% случаев на тесте ExploitGym ещё и успешно их эксплуатирует, то в чужих руках она становится инструментом атаки. Поэтому сначала её дают тем, кто чинит, и только потом решают, как проводить широкий запуск. Google не первая выбирает такую схему, но здесь она применена к модели, которая одновременно лидирует в общем рейтинге.

Что делать на практике

Если вы отвечаете за безопасность продукта, стоит заранее узнать условия Fairwind Program. Командам с большими кодовыми базами автоматический поиск и патчинг уязвимостей может снять заметную часть рутины.

Не стоит ждать, что публичный Gemini сразу получит те же способности. Из анонса неизвестно, когда и в каком виде Carbon станет доступна всем и какие ограничения останутся.

К бенчмаркам нужна осторожность. Рейтинг Artificial Analysis независимый, а вот цифры по SEC-bench Pro, ExploitGym и CWE-bench, как и сравнение патчей с моделью конкурента, приводит сама Google. Сторонних подтверждений пока нет: модель снаружи никто не может проверить.

Наконец, темп. Две недели между Argon и Carbon показывают, как быстро Google обновляет линейку. Командам, которые встраивают модели в продукты, лучше не привязываться жёстко к одной версии и держать слой абстракции, чтобы менять модель без переписывания пайплайна.

Пока Carbon — это в первую очередь заявка Google на лидерство в ИИ для кибербезопасности. Проверить её смогут только избранные партнёры, а остальным остаётся ждать публичного релиза и независимых тестов.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: что умеет Carbon и какие цифры привела Google?

Главный упор в анонсе сделан на кибербезопасность и длинные агентные задачи. Агентная задача — это когда модель не отвечает на один вопрос, а самостоятельно выполняет цепочку шагов. По словам Google, Carbon может днями работать над сложной задачей. Для защитников сценарий понятный: просмотреть кодовую базу, найти слабые места, подтвердить их и предложить патч. Вот результаты из анонса: SEC-bench Pro, поиск уязвимостей: 88,2%.

Что известно по теме: почему доступ закрыли?

Лучшую по индексу версию получат только киберзащитники и «доверенные партнёры» в рамках Fairwind Program. Кроме того, Carbon проходит добровольное тестирование у правительства США. Логика понятна. Если модель находит уязвимости, а в 54,8% случаев на тесте ExploitGym ещё и успешно их эксплуатирует, то в чужих руках она становится инструментом атаки. Поэтому сначала её дают тем, кто чинит, и только потом решают, как проводить широкий запуск.

Что известно по теме: что делать на практике?

Если вы отвечаете за безопасность продукта, стоит заранее узнать условия Fairwind Program. Командам с большими кодовыми базами автоматический поиск и патчинг уязвимостей может снять заметную часть рутины. Не стоит ждать, что публичный Gemini сразу получит те же способности. Из анонса неизвестно, когда и в каком виде Carbon станет доступна всем и какие ограничения останутся. К бенчмаркам нужна осторожность.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Единое AI-пространство · Nomad

Протестируйте новые LLM и мультимодальные модели в одном окне

Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.

Открыть Nomad AI →Автономный Nomad Agent
Что вы думаете?
Загружаем комментарии…