Google lanza el modelo de inteligencia artificial Gemini 4 Carbon con una capacidad de identificación de vulnerabilidades de software del 88.2%

·por Henderson·Engineering
Google lanza el modelo de inteligencia artificial Gemini 4 Carbon con una capacidad de identificación de vulnerabilidades de software del 88.2%
Puntos clave
  • Google lanza el modelo Gemini 4 Carbon, enfocado en identificar vulnerabilidades de software y generar parches de seguridad.
  • Carbon obtuvo una puntuación de capacidad de identificación del 88.2% en la prueba SEC-bench Pro.
  • El modelo supera a Argon en más del doble en la tasa de éxito para generar código seguro.
  • Google planea expandir la disponibilidad de Carbon e introducir medidas de seguridad adicionales.

Google ha anunciado el lanzamiento de su nuevo modelo de inteligencia artificial Gemini 4 Carbon, diseñado para identificar vulnerabilidades de software, generar parches de seguridad y abordar tareas complejas que normalmente requieren días para completarse. El modelo obtuvo una puntuación del 88.2% en SEC-bench Pro, una prueba de referencia de ciberseguridad que mide la capacidad de los sistemas de inteligencia artificial para identificar vulnerabilidades de software en la vida real. Además, Carbon logró un 71% en la reparación de defectos de seguridad en CWE-bench y un 54.8% en ExploitGym, lo que indica su capacidad para validar si las vulnerabilidades son explotables.

Google señala que estos resultados colocan a Carbon por encima de los modelos competidores en las tres pruebas de ciberseguridad. Este anuncio se produce apenas dos semanas después del lanzamiento de Gemini 4 Argon, el modelo anterior de vanguardia de Google. Carbon ha mejorado en codificación, razonamiento, ciberseguridad y ejecución de tareas autónomas.

Ventajas de rendimiento del modelo Carbon

A diferencia de los asistentes de inteligencia artificial tradicionales, Carbon está diseñado para ejecutar flujos de trabajo ampliados que implican múltiples pasos, herramientas y decisiones. Google informa que su equipo interno ha observado que el modelo ha estado funcionando durante días en problemas de ingeniería complejos, incluyendo la identificación de las causas de errores de software y el desarrollo de parches en grandes bases de código. Sin embargo, estos informes sobre operaciones ampliadas son proporcionados por Google y no han sido verificados de manera independiente.

Las capacidades de ciberseguridad de Carbon abarcan tres etapas principales: encontrar vulnerabilidades, determinar si estas representan un riesgo real y desarrollar soluciones de reparación. En SEC-bench Pro, el modelo alcanzó una puntuación del 88.2%, mientras que su puntuación del 54.8% en ExploitGym refleja su capacidad para validar vulnerabilidades de seguridad a través de pruebas de explotación controladas. El resultado del 71% en CWE-bench mide su desempeño en la generación de parches utilizables para abordar debilidades en el software subyacente.

Google también reporta que la tasa de éxito de Carbon en la generación de código seguro en pruebas internas es más del doble que la de Argon.

El equipo de Chrome ha descubierto que Carbon supera en más de diez veces el rendimiento en la generación de parches de seguridad de un modelo competitivo de vanguardia, aunque Google no ha especificado el nombre de dicho modelo. Además de la ciberseguridad, Carbon ocupa el primer lugar en el índice de inteligencia analítica artificial de la versión 5.0, con una puntuación de 59. Su puntuación en WebDev Arena también ha aumentado en 89 puntos Elo, alcanzando 1,768, y se posiciona en el cuarto lugar en la tabla de clasificación. Google indica que estas mejoras se extienden a tareas científicas, comprensión multimodal y desarrollo web de pila completa.

Medidas de seguridad y planes de disponibilidad

Google también ha introducido medidas de seguridad adicionales para reducir comportamientos poco confiables en flujos de trabajo de inteligencia artificial a largo plazo. En pruebas internas, las declaraciones de no soporte de Carbon se redujeron aproximadamente a la mitad, y las alertas de alta gravedad no alineadas se redujeron en casi un 80% en entornos de codificación en tiempo real que involucraban al equipo de Google. La compañía también informa que, en la prueba de inyección de indicios indirectos de Gray Swan, la tasa de éxito de ataques de Carbon fue del 0%, mientras que Argon fue del 0.7%.

Estos resultados reflejan el rendimiento bajo condiciones de prueba específicas y no demuestran que el modelo sea inmune a manipulaciones.

Google inicialmente limitará el acceso a Carbon a un pequeño grupo de defensores de ciberseguridad, mientras que otros socios de confianza obtendrán acceso a través de su programa Fairwind. La compañía también está participando en el proceso de pruebas de modelos pre-lanzamiento voluntarias del gobierno de los Estados Unidos. Aunque Google no ha anunciado una fecha de lanzamiento específica, planea ofrecer una disponibilidad más amplia para desarrolladores, empresas y consumidores. Carbon tendrá una estructura de precios de entrada similar a la de Argon, con US$2 (aproximadamente HK$15) por cada millón de entradas y US$10 (aproximadamente HK$78) por cada millón de salidas.

Las entradas en caché recibirán un descuento del 95%. El lanzamiento por fases refleja la naturaleza de doble uso de la inteligencia artificial avanzada en ciberseguridad, ya que esta tecnología puede ayudar a los defensores a identificar vulnerabilidades, pero también puede proporcionar capacidades que podrían ser mal utilizadas.

ÍtemEspecificaciones
Puntuación SEC-bench Pro88.2%
Puntuación CWE-bench71%
Puntuación ExploitGym54.8%
Puntuación WebDev Arena1,768

Potencial de mercado y desafíos del modelo Carbon

El lanzamiento del modelo Gemini 4 Carbon de Google en el ámbito de la ciberseguridad demuestra su poderosa capacidad para identificar vulnerabilidades y generar parches, lo cual es crucial para mejorar la seguridad del software. A medida que la tecnología de inteligencia artificial avanza, el rendimiento eficiente de Carbon podría atraer la atención de más empresas y desarrolladores. Sin embargo, los datos de rendimiento del modelo aún no han sido verificados de manera independiente, lo que podría afectar su aceptación en el mercado. Además, Google ha implementado medidas de seguridad adicionales en respuesta a los riesgos potenciales de abuso, lo que refleja su compromiso con el uso responsable de la inteligencia artificial.

H
Sobre el autor
Henderson