Chỉ hai tuần sau khi ra mắt Gemini 4 Argon, Google đã công bố Gemini 4 Carbon, mà hãng gọi là mô hình mạnh nhất từ trước đến nay, được xây dựng cho an ninh mạng và công việc kỹ thuật dài hạn. Thông báo do Koray Kavukcuoglu của Google DeepMind đưa ra ngày 28 tháng 10 khẳng định vị trí đầu bảng trên Artificial Analysis Intelligence Index với 59 điểm.
Các con số benchmark giải thích sự tự tin đó. Carbon đạt 88.2 phần trăm trên SEC-bench Pro, bài kiểm tra xem mô hình có tự động tìm ra các lỗ hổng thực sự ẩn trong phần mềm đang vận hành hay không. Nó đạt 71 phần trăm trên CWE-bench, đo khả năng tạo ra các bản sửa hoạt động cho các loại điểm yếu đã biết, và 54.8 phần trăm trên ExploitGym, kiểm tra khả năng khai thác. Nó cũng leo lên vị trí thứ tư trên WebDev Arena về phát triển web full-stack.
Điều tách Carbon khỏi một bản phát hành mô hình thông thường là mục đích của nó. Đây không phải nâng cấp chatbot. Google mô tả các đội chạy nó liên tục nhiều ngày, kiên trì vượt qua những ngõ cụt để tìm nguyên nhân gốc rễ và vá các lỗi tinh vi trong các codebase lớn và hệ thống cấp thấp. Nó được thiết kế như một tác tử kỹ thuật, không phải người trò chuyện.
Các kết quả nội bộ mà Google trích dẫn thật ấn tượng. Carbon được cho là nâng gấp hơn hai lần tỷ lệ thành công của Argon trong việc tạo mã an toàn. Đội Chrome cho biết nó tạo ra các bản vá chất lượng cao với tốc độ gấp hơn mười lần mô hình biên của phòng thí nghiệm khác. Wiz, nền tảng bảo mật đám mây của Google, nhận thấy nó dẫn đầu các benchmark kiểm thử xâm nhập web, năng lực mà Wiz dùng trong chương trình quét của chính mình.
Thế nhưng hầu như không ai được dùng nó. Kể từ tuần này, quyền truy cập chỉ dành cho một nhóm người phòng thủ mạng được chọn, các đối tác tin cậy khác sẽ được thêm dần qua Chương trình Fairwind của Google. Google đang tham gia quy trình kiểm thử tự nguyện trước khi phát hành của chính phủ Hoa Kỳ. Các nhà phát triển, doanh nghiệp và người tiêu dùng phải chờ.
Sự kiềm chế chính là tin tức. Một mô hình tìm và xác thực lỗ hổng ở cấp độ này có giá trị ngang nhau cho bên phòng thủ lẫn bên tấn công. Google đang công khai thử nghiệm sự đánh đổi đó trước khi mở cổng, và các quyết định về quyền truy cập có thể tiết lộ năng lực thật của mô hình hơn cả các bảng điểm.
Giá cả kể nửa còn lại của câu chuyện. Carbon sẽ ra mắt với cùng mức giá giới thiệu như Argon: hai đô la cho một triệu token đầu vào và mười đô la cho một triệu token đầu ra, giảm 95 phần trăm cho đầu vào đã cache. Đây là kinh tế sản xuất, không phải kinh tế nghiên cứu. Google kỳ vọng mô hình này sẽ tự kiếm sống ngay khi phát hành.
Với các nhà lãnh đạo, có hai bài học. Thứ nhất, dẫn đầu về năng lực giờ đây bao gồm cả phán đoán triển khai: tín hiệu đáng chú ý nhất về một mô hình biên ngày càng là ai được phép chạm vào nó và khi nào. Thứ hai, các đội an ninh nên chuẩn bị cho một thế giới nơi AI tìm ra lỗi nhanh hơn tốc độ các tổ chức vá chúng, vì phiên bản phòng thủ của năng lực này sẽ sớm trở thành trang bị tiêu chuẩn.
Biên giới công nghệ không còn chỉ là bảng xếp hạng. Nó là một cánh cổng. Các tổ chức xây dựng quy trình an ninh và quản trị ngay bây giờ, trước khi quyền truy cập mở rộng, sẽ là những tổ chức sẵn sàng khi cánh cổng mở ra.
Suy nghĩ toán học. Kỹ thuật thông minh. Lãnh đạo chiến lược. Xây dựng có trách nhiệm. Mở rộng toàn cầu. Tạo giá trị kinh doanh thực sự qua trí tuệ nhân tạo.
