Dalawang linggo lamang matapos ilunsad ang Gemini 4 Argon, inanunsyo ng Google ang Gemini 4 Carbon, na tinatawag nitong pinakamalakas na modelo nito sa kasalukuyan, na binuo para sa cybersecurity at mahabang panahon ng engineering na trabaho. Sa anunsyo ni Koray Kavukcuoglu ng Google DeepMind noong Oktubre 28, inaangkin na nangunguna ito sa Artificial Analysis Intelligence Index na may 59 na puntos.
Ipinapaliwanag ng mga numero ng benchmark ang kumpiyansang ito. Nakakuha ang Carbon ng 88.2 porsiyento sa SEC-bench Pro, na sumusubok kung ang isang modelo ay awtonomong nakakahanap ng mga tunay na kahinaang nakatago sa production software. Umabot ito sa 71 porsiyento sa CWE-bench, na sumusukat sa kakayahang gumawa ng mga gumaganang pag-aayos para sa mga kilalang kategorya ng kahinaan, at 54.8 porsiyento sa ExploitGym, na sumusubok sa pagsasamantala. Umakyat din ito sa ikaapat na pwesto sa WebDev Arena para sa full-stack web development.
Ang nagtatangi sa Carbon sa karaniwang model release ay ang layunin nito. Hindi ito pag-upgrade ng chatbot. Inilalarawan ng Google ang mga koponan na pinapatakbo ito nang magkakasunod na araw, na nananatili sa mga dead end para hanapin ang ugat at ayusin ang mga banayad na bug sa malalaking codebase at low-level na sistema. Dinisenyo ito bilang isang engineering agent, hindi isang kausap.
Kahanga-hanga ang mga panloob na resultang binanggit ng Google. Ayon sa ulat, higit na nadoble ng Carbon ang tagumpay ng Argon sa pagbuo ng secure code. Sabi ng Chrome team, nakagawa ito ng mga de-kalidad na patch nang higit sa sampung beses na mas mabilis kaysa sa frontier model ng ibang laboratoryo. Ang Wiz, ang cloud security platform ng Google, ay napansin na nangunguna ang Carbon sa mga benchmark ng web penetration testing, isang kakayahang ginagamit din ng Wiz sa sarili nitong programa ng pag-scan.
Gayunman, halos walang makakagamit nito. Simula ngayong linggo, ang access ay mapupunta lamang sa isang subset ng mga cyber defender, at ang mga karagdagang pinagkakatiwalaang kasosyo ay unti-unting idadagdag sa pamamagitan ng Fairwind Program ng Google. Lumalahok ang Google sa boluntaryong pre-release testing process ng pamahalaan ng Estados Unidos. Ang mga developer, negosyo, at mamimili ay kailangang maghintay.
Ang pagpipigil mismo ang balita. Ang isang modelo na nakakahanap at nakakapagpapatunay ng mga kahinaan sa antas na ito ay mahalaga sa mga tagapagtanggol at sa mga umaatake nang pantay. Sinusubukan ng Google nang hayagan ang tradeoff na iyon bago buksan ang mga pinto, at ang mga desisyon sa access ay maaaring magbunyag ng higit pa tungkol sa tunay na kakayahan ng modelo kaysa sa mga scoreboard.
Sinasabi ng pagpepresyo ang kabilang kalahati ng kuwento. Ilulunsad ang Carbon sa parehong panimulang presyo ng Argon: dalawang dolyar bawat milyong input token at sampung dolyar bawat milyong output token, na may 95 porsiyentong diskuwento sa cached input. Ito ay production economics, hindi research pricing. Inaasahan ng Google na ang modelong ito ay tunay na magtatrabaho kapag na-release.
Para sa mga lider, may dalawang aral. Una, ang pamumuno sa kakayahan ay kasama na ngayon ang paghusga sa deployment: ang pinakamakabuluhang senyas tungkol sa isang frontier model ay unti-unting nagiging kung sino ang pinapayagang humawak nito at kailan. Pangalawa, dapat maghanda ang mga security team sa isang mundo kung saan mas mabilis na nakakahanap ang AI ng mga depekto kaysa ma-patch ng mga organisasyon, dahil ang panlabang bersyon ng kakayahang ito ay magiging standard na kagamitan sa lalong madaling panahon.
Ang frontier ay hindi na lamang isang leaderboard. Ito ay isang tarangkahan. Ang mga organisasyong nagtatayo ng kanilang mga security workflow at governance ngayon, bago lumawak ang access, ang magiging pinaka-handang mga organisasyon kapag bumukas ang tarangkahan.
Mag-isip nang matematikal. Mag-engineer nang matalino. Mamuno nang may estratehiya. Bumuo nang may responsibilidad. Lumago nang pandaigdigan. Lumikha ng tunay na halagang pangnegosyo sa pamamagitan ng artificial intelligence.
