跳到正文
aihot(aihot.news)· noreply@aihot.news (Google DeepMind:Blog)·· 25 天前品質評分70

Google DeepMind 發布 Gemini 4 Carbon 前沿模型

Google DeepMind 釋出 Gemini 4 Carbon 前沿模型

重點導讀

Gemini 4 Carbon 是 Google DeepMind 最新推出的前沿模型,主打網路安全與長程AI 助理能力。

  • 安全基準:在 SEC‑bench Pro 88.2%、ExploitGym 54.8%、CWE‑bench 71.0% 取得領先。

AI 伴隨問答

自備 Key 深度分析

針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:

正文

Google DeepMind:Blog·2026-10-29 01:00· 3 天前精選AI 評分68

Gemini 4 Carbon: Our next frontier model

AI 導讀

Google DeepMind 釋出 Gemini 4 Carbon,定位為最強前沿模型,主打網路安全與長程AI 助理能力,在 SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0% 取得領先,並以 59 分登頂 Artificial Analysis Intelligence Index v5.0。

推薦理由

官方公佈 Gemini 4 Carbon 的安全編碼與長程任務成績和定價,可據此外推其在網路安全防禦場景的實際定位。

2026年10月28日

|

Gemini 4 Carbon 是我們最強的模型,具備最先進的網路安全能力和長程任務能力。



Faceted iridescent crystal surrounded by floating white number 4s.

您的瀏覽器不支援音訊元素。

收聽文章

[[duration]] 分鐘

本內容由 Google AI 生成。生成式 AI 仍處於實驗階段

今天,我們釋出下一代前沿模型:Gemini 4 Carbon,這是我們最強的模型,具備最先進的網路安全能力和長程任務能力。

在近期更新的 v5.0 Artificial Analysis Intelligence Index 上,Carbon 以 59 分排名第一。它在程式設計和AI 助理任務上均有顯著提升,在網路安全防禦的關鍵能力上也全面進步:在漏洞發現基準 SEC-bench Pro 上以 88.2% 穩居領先,在漏洞利用基準 ExploitGym 上達到 54.8%,在補丁修復基準 CWE-bench 上達到 71.0%。在內部基準測試中,Carbon 在生成安全程式碼方面提升明顯;在我們自己團隊的即時程式碼環境中,它的行為偏差和編造率也有所下降。

Carbon 建立在兩週前釋出的 Gemini 4 Argon 之上,體現了我們推進前沿的速度。我們的研究人員與模型協同工作,加快能力提升,同時同步強化安全防護措施。

我們在釋出上採取審慎策略,正積極參與美國政府自願性的釋出前模型測試流程。從本週開始,我們將向部分網路安全防禦人員開放 Carbon,並通過 Fairwind 計劃逐步向更多可信合作伙伴開放。我們會持續收集反饋、迭代防護措施,隨後儘快通過各產品渠道向開發者、企業和消費者提供 Carbon。

Gemini 4 Carbon 的釋出採用與 Argon 相同的 introductory price 1 :每百萬輸入 token 2 美元,每百萬輸出 token 10 美元,快取輸入 token 按輸入 token 價格的 95% 折扣計費。

提升程式設計與推理能力,應對高難度長程任務

Carbon 專為攻克更困難、長程的工程問題而設計,面向持續執行的AI 助理工作流。在我們的內部團隊中,Carbon 已能連續執行數天,在遇到死衚衕時堅持推進,完成複雜的多步驟工程任務,例如在大型程式碼庫和底層系統中定位並修復隱蔽缺陷。

基於使用者反饋,我們重點提升了模型在程式設計、AI 助理、科學任務以及全棧 Web 開發和多模態理解等多個領域的表現。隨著 Web 開發中輸出質量和產物的改善,Carbon 在 WebDev Arena 上提升 89 個 elo 分,以 1769 分位列第 4。

Gemini 4 Carbon benchmark table

最先進的網路安全能力,助力構建安全系統

Gemini 4 Carbon 在網路安全能力上實現重大躍升,在網路安全防禦全生命週期——漏洞檢測、驗證和修復——均達到最先進水平。

我們的團隊已經在網路防禦方面看到了顯著收益。在內部基準測試中,Carbon 生成安全程式碼的成功率相比 Argon 提升了一倍以上。再舉一個例子,Chrome 團隊報告稱,在生成高質量補丁時,Carbon 的表現比另一家實驗室的大型前沿模型好 10 倍以上。我們領先的雲安全平臺 Wiz 也觀察到,Carbon 在 Web 滲透測試基準上處於領先地位,而這是 Wiz 的 Scan for Good 計劃的核心能力。

Carbon 在多項關鍵外部基準測試中表現出色(評估時未啟用防護措施):

  • 發現真實漏洞: 網路安全防禦的核心是發現真實漏洞。Carbon 在 SEC-bench Pro 上取得了 88.2% 的最先進水平,能夠自主發現深藏於真實世界軟體中的複雜缺陷。

SEC bench Pro chart

  • 通過漏洞利用驗證風險: 為了確定哪些漏洞應優先修復,或者是否值得修復,網路防禦人員越來越依賴模型來判斷哪些漏洞可被利用。Carbon 在流行的漏洞利用基準 ExploitGym 上創下新的最先進水平(54.8%)。

chart showing ExploitGym benchmark

  • 從根源修復: 在識別出漏洞之後,修復根本原因是網路安全防禦生命週期中的關鍵一步。Carbon 在 Collinear 的 CWE-bench 上達到 71.0%,能夠將已驗證的發現直接轉化為可用的程式碼修復。

chart showing CWE-bench

推進前沿模型的安全與保障

Gemini 4 Carbon 沿用了與 Argon 相同的多層安全與保障體系——融合了模型訓練、即時濫用防禦、提示詞注入抵禦能力以及思維鏈監控。特別是在模型對齊方面,我們藉助 Argon 取得了重大進展,並在安全與保障報告中說明了其表現出對齊行為的傾向。在 Carbon 上,我們挑戰自我,在對齊方面更進一步,訓練模型以正確的方式應對複雜或高壓任務。

  • 減少走捷徑和鑽漏洞: 在 Carbon 上,我們進一步減少了訓練中的走捷徑嘗試,同時確保高質量的編碼表現。Carbon 將 Terminal-Bench 4.0 上的成功作弊率降至 0.0%,作弊嘗試降至 0.4%——同時整體準確率還有所提升。在與內部團隊合作的即時程式碼環境中,我們觀察到高嚴重性失準警報減少了近 80%。
  • 更高的透明度和誠實度: 在內部測試中,Carbon 將缺乏依據的斷言相比 Argon 減少了約一半。它會把方法上的注意事項直接寫入交付成果,或者在拒絕執行某項操作時明確列出仍需滿足的條件,而不是編造證據或對缺失的證據含糊其辭。
  • 面對歧義時更好地與使用者協作: Carbon 不會靠猜測或強行推進,而是先檢索相關來源並向用戶指出不一致之處,然後再採取行動——因此,使用者應當能感受到與 Carbon 協作的體驗明顯更好。
  • 有始有終而不越界: Carbon 同時將越界行為減少了 26%,將服務不足減少了 29%,從而能夠更可靠地端到端執行多步驟計劃,同時遵守專案約束並嚴格保持在範圍內。
  • 抵禦提示詞注入:此前,Argon 在 Gray Swan 的間接提示詞注入(IPI)基準測試中,以僅 0.7% 的攻擊成功率在抵禦提示詞注入方面領先;而 Carbon 的攻擊成功率為 0.0%,抵禦住了所有受測攻擊嘗試。

chart showing Gray Swan IPI benchmarks

即將面向開發者、企業和消費者推出

要推動前沿向前發展,既要快速行動,也要在部署上保持審慎。藉助 Gemini 4 Carbon,我們的目標是在軟體工程和網路安全防禦領域實現有意義的跨越,同時不犧牲安全性或可靠性。我們期待看到首批網路安全防禦者如何使用這一模型,也期待很快將 Carbon 帶給開發者、企業和消費者。

來源:Google DeepMind:Blog · deepmind.google

來源: aihot (aihot.news)
開啟原文

讀者討論

理性交流 · 即時討論