Google заявляет, что её новая модель Gemini 4 Carbon заняла первое место в Artificial Analysis Intelligence Index 5.0, набрав 59 баллов. При этом на первом этапе компания предоставляет модель лишь узкому кругу компаний, занимающихся киберзащитой, а не всем желающим её попробовать.
Carbon предназначена для программирования, длительных многоэтапных задач и кибербезопасности. Всё изложенное ниже основано на заявлениях самой Google; независимых подтверждений в материале не приводится.
Заявление о лидерстве в рейтинге
По данным Google, 59 баллов вывели Carbon вперёд двух названных конкурентов: Claude Opus 5.5 от Anthropic и GPT-6 Astra от OpenAI. В материале не приводятся результаты этих двух моделей, поэтому величина отрыва неизвестна. Первое место с отрывом в один балл и первое место с отрывом в десять в кратком сообщении для прессы выглядят одинаково.
Стоит прояснить одну деталь. Речь идёт об индексе общего интеллекта. В материале не сказано, что конкурентов обошли именно в тестах безопасности, — только что Carbon возглавила общий рейтинг.
Показатели безопасности
Google опубликовала результаты Carbon в трёх бенчмарках безопасности:
| Бенчмарк | Что измеряет | Результат Carbon |
|---|---|---|
| SEC-bench Pro | Поиск уязвимостей в реальном ПО | 88.2% |
| ExploitGym | Эксплуатация найденных ошибок | 54.8% |
| CWE-bench | Устранение уязвимостей | 71% |
Это три разных теста разной сложности, так что считать их этапами одной воронки было бы большой натяжкой. Тем не менее общая картина выглядит правдоподобно. Найти уязвимость — самая простая часть, превратить её в работающий эксплойт сложнее, и на этом этапе, согласно материалу, Carbon набрала меньше баллов, чем на этапе обнаружения.
Модель, которая умеет находить, эксплуатировать и исправлять ошибки, полезна специалистам по защите и не менее интересна всем остальным. В материале не сказано, именно ли поэтому доступ ограничен, но список приглашённых намекает, что Google это заметила.
Улучшения по сравнению с Gemini 4 Argon
Google сравнивает Carbon с её предшественницей Gemini 4 Argon и заявляет о нескольких улучшениях:
- Безопасный код. Доля успешных попыток генерации безопасного кода выросла более чем вдвое. Исходное значение не приведено, так что за формулировкой «более чем вдвое» не стоит ни исходного, ни итогового числа.
- Длительные инженерные задачи. Carbon лучше справляется с продолжительными инженерными задачами.
- Меньше неподтверждённых утверждений. Модель реже делает заявления, которые не может обосновать, — это вежливый способ описать знакомую привычку языковых моделей.
- Промпт-инъекции. Модель противостоит атакам, при которых вредоносные инструкции прячут в поступающих к ней запросах.
Последний пункт важен для любой модели, которая в ходе работы читает текст из недоверенных источников. Здесь Google не приводит ни теста, ни оценки — только само заявление.
Доступ и цены
На первом этапе Carbon доступна только избранным компаниям, специализирующимся на киберзащите. Затем Google планирует расширить круг партнёров через программу Fairwind. В материале не указаны ни даты, ни критерии отбора следующих участников.
На старте цена составляет $2 за миллион входных токенов и $10 за миллион выходных токенов. Для модели, ориентированной на длительные инженерные задачи, где ответы могут быть длинными, именно вторая цифра, вероятно, сильнее отразится на счетах. В материале не уточняется, действуют ли эти цены для первых партнёров или только для последующего, более широкого доступа.
О чём не сказано в материале
Не хватает нескольких вещей — именно тех, о которых скептически настроенный читатель спросил бы в первую очередь:
- Результатов Claude Opus 5.5 и GPT-6 Astra на тех же бенчмарках безопасности.
- Какого-либо независимого воспроизведения результатов Google.
- Сроков выхода в общий доступ.
- Подробностей о том, как работает Fairwind и кто может присоединиться.
- Исходных показателей, на которых основано заявление о росте «более чем вдвое».
Пока эти сведения не появятся, Carbon остаётся моделью с высокими заявленными показателями и контролируемым запуском. Пока что список приглашённых короче таблицы бенчмарков.