Google представила Gemini 4 Carbon: первое место в индексе Artificial Analysis

Google 28 октября представила Gemini 4 Carbon - новую флагманскую модель, которая вышла через две недели после Gemini 4 Argon. Carbon занял первое место в обновленном Artificial Analysis Intelligence Index v5.0 с результатом 59 баллов. Главный акцент компания делает на кибербезопасности и задачах с длинным горизонтом, то есть на работе, растянутой на часы и дни.
Что показывают цифры
На внешних тестах по защите кода Carbon оценивали без защитных ограничений. Результаты такие:
- SEC-bench Pro (поиск уязвимостей): 88,2% - ExploitGym (эксплуатация): 54,8% - CWE-bench (исправление): 71,0%
Google называет это уверенным отрывом. В веб-разработке модель прибавила 89 пунктов Elo и заняла 4 место на WebDev Arena с рейтингом 1768.
Есть и внутренние сравнения, и их надо читать с поправкой на источник: их приводит сама Google. По ее данным, Carbon более чем вдвое чаще Argon пишет безопасный код. Команда Chrome сообщила, что при генерации качественных патчей модель оказалась более чем в 10 раз лучше большой модели другой лаборатории. Какой именно, не уточняется. Платформа Wiz отметила лидерство Carbon в тестах веб-пентеста.
Работа на дистанции
Google подчеркивает: Carbon создавали для затяжных агентных сценариев. Внутри компании модель, по ее словам, работала днями, не останавливаясь на тупиках, и искала первопричины тонких багов в больших кодовых базах и низкоуровневых системах. Здесь пересекается мысль из свежего выпуска рассылки The Sequence: на длинной задаче маленький прирост надежности каждого шага накапливается и дает большую разницу в итоге. Для агента, который ведет проект сутками, это важнее разовой точности ответа.
Закрытый запуск
Открытого релиза пока нет. Google подключила Carbon к добровольной процедуре предрелизной проверки моделей, которую ведет правительство США. На этой неделе доступ получил ограниченный круг специалистов по киберзащите, дальше компания будет расширять его на доверенных партнеров через программу Fairwind. Выход для разработчиков, бизнеса и обычных пользователей обещан "как можно скорее", после доработки защитных механизмов.
Решение логичное. Модель, которая в половине случаев справляется с эксплуатацией уязвимостей, полезна атакующим не меньше, чем защитникам. Поэтому показатель ExploitGym здесь важен не меньше рекордных 88,2% по поиску уязвимостей. Сначала защитники, потом остальные - разумный порядок, хотя сроков второго этапа Google не называет.
Цена
Вводная цена совпадает с Argon: 2 доллара за миллион входных токенов и 10 долларов за миллион выходных. Кэшированные входные токены дешевле на 95%. Для длинных агентных сессий, где контекст повторяется из шага в шаг, скидка на кэш сильно меняет итоговый счет.
Где Carbon и Argon, и при чем тут Mistral
Выпуск 965 рассылки The Sequence, опубликованный 4 ноября, ставит Carbon в один ряд с Argon и моделью Timestral от Mistral. Автор предлагает смотреть на них через подбор модели под задачу. Argon, по демонстрациям самой Google, превращает входные данные вроде фотографий в готовые артефакты через инструменты и субагентов. Carbon нацелен на долгую инженерную работу и безопасность. Timestral - предобученная модель прогнозирования числовых рядов без дообучения, с квантильными выходами, которые показывают неопределенность прогноза. Полный текст выпуска платный, поэтому деталей про Timestral мы здесь не приводим.
Итоговая идея автора: связать числового прогнозиста с универсальным агентом через понятные, проверяемые интерфейсы. Пока это предложение по архитектуре, а не продукт. Но направление понятно: универсальная модель не должна сама считать ряды спроса, когда рядом есть специализированная.
Что дальше
Ближайший вопрос - сколько из заявленного подтвердят независимые проверки, когда доступ откроется шире. Лидерство в индексе Artificial Analysis уже внешнее, а вот цифры про Chrome и рост безопасности кода пока опираются на данные Google. Две модели флагманского уровня за две недели показывают темп, и у конкурентов будет мало времени на ответ.
Источники
Похожие новости
OpenAI выпустила GPT-6.2 Astra и Sol: входные и выходные токены Astra в API на 20% дешевле, чем у GPT-6 Astra
OpenAI представила две модели: флагманскую GPT-6.2 Astra и экономичную GPT-6.2 Sol. Они доступны в ChatGPT Work, Codex и API и тратят меньше выходных токенов. В API Astra дешевле GPT-6 Astra: входные и выходные токены на 20% ниже, на кэшированные входные скидка 60%.
OpenAI показала агентов GPT-6 для клиник: Luna выполняет задачу за 8,5 цента
OpenAI предложила больницам и страховщикам GPT-6 Astra и Luna: агенты сами кликают по программам клиник и порталам страховых. Среди партнеров компании - CVS Health и Cigna Healthcare.
NVIDIA Vera Rubin NVL72 в MLPerf Endpoints: более 10x токенов на киловатт к GB300
В предварительных результатах MLPerf Endpoints v1.0 система Vera Rubin NVL72 выдала более чем в 10 раз больше токенов на киловатт, чем GB300 NVL72. Результаты еще не верифицированы MLCommons.