Gemini 4 Carbon：我们的下一代前沿模型

# Gemini 4 Carbon：我们的下一个前沿模型 来源：https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/?utm_source=deepmind.google&utm_medium=referral&utm_campaign=gdm&utm_content= Gemini 4 Carbon 是我们最强大的模型，具备最先进的网络安全能力和长程任务处理能力。 --- --- 多面虹彩晶体，周围漂浮着白色的数字 4。 您的浏览器不支持音频元素。 收听文章 \[\[时长\]\] 分钟 本内容由 Google AI 生成。生成式 AI 仍处于实验阶段 今天，我们宣布推出下一个前沿模型：Gemini 4 Carbon——这是我们最强大的模型，具备最先进的网络安全和长程任务处理能力。 Carbon 在最近更新的 v5.0 Artificial Analysis Intelligence Index (https://artificialanalysis.ai/evaluations/artificial-analysis-intelligence-index) 上以 59 分排名第一。它在编码和智能体任务方面均展现出显著提升，在网络安全防御的关键能力方面也表现突出：在漏洞发现基准 SEC-bench Pro 中以 88.2% 领先，在漏洞利用基准 ExploitGym 中以 54.8% 领先，在漏洞修复基准 CWE-bench 中以 71.0% 领先。在内部基准测试中，Carbon 在生成安全代码方面带来了显著提升；在与我们自己团队的实时编码环境中，它表现出了更低的对齐偏差率和幻觉率。 Carbon 建立在两周前发布的 Gemini 4 Argon (https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-argon/) 的基础之上，展现了我们推进前沿的速度。我们的研究人员和模型正在携手合作，以更快的速度推进能力提升，同时同步加强安全保障措施。 我们正在采取审慎的推广策略，并积极参与美国政府的自愿性模型预发布测试流程。从本周开始，我们将向部分网络安全防御人员提供 Carbon，并通过 Fairwind Program (https://deepmind.google/fairwind-program/) 逐步向更多受信任的合作伙伴开放访问权限。我们将继续收集反馈并迭代防护措施，争取尽快通过我们的产品界面将 Carbon 提供给开发者、企业和消费者。 Gemini 4 Carbon 将以与 Argon 相同的入门价格¹ (https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/?utm_source=deepmind.google&utm_medium=referral&utm_campaign=gdm&utm_content=#footnote-1)推出，输入令牌每百万 2 美元，输出令牌每百万 10 美元，缓存输入令牌按输入令牌价格的 5%（即优惠 95%）计费。 ## 为高难度、长程任务提升编码与推理能力 Carbon 专为攻克更难的长程工程问题而设计，面向持续性智能体工作流构建。在内部，我们的团队已经看到 Carbon 连续运行数天，坚持不懈地突破困境，处理复杂的多步骤工程任务，例如在大型代码库和底层系统中进行根本原因分析并修复细微的缺陷。 基于用户反馈，我们专注于提升模型在多个领域的表现，包括编码、智能体和科学任务，以及全栈 Web 开发和多模态理解。凭借在 Web 开发中提升的输出和产物质量，Carbon 在 WebDev Arena (https://arena.ai/leaderboard/code/webdev) 上跃升了 89 个 Elo 积分，以 1768 分排名第四。 Gemini 4 Carbon 基准测试结果表 ## 最先进的网络安全性能，助力构建安全系统 Gemini 4 Carbon 在网络安全能力方面实现了重大飞跃。它在网络安全防御生命周期的各个环节——漏洞检测、验证和修复——都达到了最先进的性能。 我们的团队已经在网络安全防御方面看到了显著的成效。在内部基准测试中，Carbon 在生成安全代码方面的成功率是 Argon 的两倍以上。另一个例子是，Chrome 团队报告称，在生成高质量补丁方面，Carbon 的表现比另一家实验室的大型前沿模型好十倍以上。我们领先的云安全平台 Wiz 也观察到，Carbon 在 Web 渗透测试基准测试中处于领先地位，这是 Wiz 的 Scan for Good (https://www.wiz.io/blog/scan-for-good-critical-ai-exposures) 计划的一项核心能力。 Carbon 在关键外部基准测试中表现出色（评估时不使用防护措施）： - **发现真实漏洞：** 发现真实漏洞是网络安全防御的核心。Carbon 在 SEC-bench Pro (https://sec-bench.github.io/) 上达到了最先进的 88.2%，能够自主发现深藏在真实软件中的复杂缺陷。 SEC bench Pro 图表 - **通过利用验证风险：** 为了优先处理哪些漏洞，或者判断哪些漏洞需要修复，网络安全防御人员越来越多地依赖模型来检查漏洞是否可被利用。Carbon 在流行的漏洞利用基准 ExploitGym (https://github.com/sunblaze-ucb/exploitgym) 上创下了新的最先进纪录（54.8%）。 ExploitGym 基准测试图表 - **从根本上修复漏洞：** 最终，在识别漏洞之后，修复根本原因是网络安全防御生命周期中的关键一步。Carbon 在 Collinear 的 CWE-bench (https://cwe-bench.com/#leaderboard) 上达到了 71.0%，能够将已验证的发现直接转化为可运行的修复代码。 CWE-bench 图表 ## 推进前沿模型的安全与保障 Gemini 4 Carbon 建立在与 Argon 相同的多层安全与保障体系之上——结合了模型训练、实时滥用防御、提示注入抵抗和思维链监控。特别是在模型对齐方面，我们与 Argon 一起取得了重大进展，并在我们的安全与保障报告 (https://storage.googleapis.com/deepmind-media/gemini/gemini_4_safety_report.pdf) 中报告了其以对齐方式行为的倾向。对于 Carbon，我们进一步在对齐方面提出了更高的要求，训练模型以正确的方式响应复杂或高压任务。 - **减少走捷径和利用漏洞的行为：** 在 Carbon 中，我们在训练过程中进一步减少了走捷径的尝试，同时确保了高质量的编码性能。Carbon 将 Terminal-Bench 4.0 上成功作弊率降至 0.0%，作弊尝试率降至 0.4%——与此同时整体准确率还得到了提升。在与我们内部团队的实时编码环境中，我们观察到高严重性对齐偏差警报下降了近 80%。 - **更高的透明度和诚实度：** 在内部测试中，Carbon 相比 Argon 将无依据的断言减少了约 2 倍。它会将方法论上的注意事项直接写入交付物中，或以清晰的待办清单方式说明被阻止的操作及仍需完成的事项，而不是对缺失的证据进行编造或含糊其辞。 - **在面对模糊情况时更好地与用户协作：** Carbon 不会猜测或强行推进，而是先检索相关信息来源并将差异呈现给用户，然后再采取行动——因此用户应当能感受到与 Carbon 之间更好的协作体验。 - **坚定执行而不越界：** Carbon 同时将越权行为减少了 26%，将服务不足减少了 29%，从而在严格遵守项目约束和范围限制的前提下，大幅提升了多步骤计划的端到端执行可靠性。 - **抵抗提示注入：** 此前，Argon 以极低的 0.7% 攻击成功率在 Gray Swan 的间接提示注入（IPI）基准测试中引领了提示注入抵抗能力，而 Carbon 实现了 0.0%——抵抗了每一次被评估的攻击尝试。 Gray Swan IPI 基准测试图表 ## 即将面向开发者、企业和消费者推出 推进前沿需要在快速行动的同时对部署保持审慎态度。对于 Gemini 4 Carbon，我们的目标是在不牺牲安全性和可靠性的前提下，在软件工程和网络安全防御方面实现有意义的飞跃。我们热切期待看到首批网络安全防御人员如何使用这个模型，也期待尽快将 Carbon 带给开发者、企业和消费者。