- Google推出Gemini 4 Carbon模型,专注于识别软件漏洞及生成安全补丁。
- Carbon在SEC-bench Pro测试中获得88.2%的识别能力分数。
- 该模型在生成安全代码的成功率上超过Argon的两倍。
- Google计划扩大Carbon的可用性,并引入额外的安全措施。
Google宣布推出新的人工智能模型Gemini 4 Carbon,旨在识别软件漏洞、生成安全补丁,以及处理需要数天才能完成的复杂工程任务。该模型在SEC-bench Pro上获得了88.2%的分数,这是一个测试人工智能系统识别现实软件漏洞能力的网络安全基准。此外,Carbon在CWE-bench上的修复安全缺陷得分为71%,而在ExploitGym上则为54.8%,这表明其验证漏洞是否可被利用的能力。
Google指出,这些结果使Carbon在所有三个网络安全基准中超越了竞争对手的模型。这一宣布距离Gemini 4 Argon的推出仅两周,后者是Google之前的前沿模型。Carbon在该发布的基础上,在编码、推理、网络安全及自主任务执行方面进行了改进。
Carbon模型的性能优势
与传统的人工智能助手不同,Carbon是设计用于执行涉及多个步骤、工具和决策的扩展工作流程。Google表示,其内部团队观察到该模型在复杂的工程问题上运行了数天,包括识别软件错误的原因以及在大型代码库中开发补丁。然而,这些扩展操作的报告由Google提供,尚未经过独立验证。
Carbon的网络安全能力涵盖三个主要阶段:查找漏洞、确定这些漏洞是否构成真正的风险,以及开发修复方案。在SEC-bench Pro上,该模型的得分达到88.2%,而其54.8%的ExploitGym得分反映了其通过控制性利用测试验证安全漏洞的能力。Carbon在CWE-bench上的71%结果则衡量了其生成可用补丁以解决基础软件弱点的表现。
Google亦报告Carbon在内部测试中生成安全代码的成功率是Argon的两倍以上。
Chrome团队发现,Carbon在生成高质量安全补丁方面的表现超过了一个竞争前沿模型的十倍,Google并未具体指出该竞争模型的名称。除了网络安全外,Carbon在版本5.0的人工分析智能指数上排名第一,得分为59。它的WebDev Arena得分也提高了89 Elo分,达到1,768,并在排行榜上位列第四。Google表示,这些改进延伸至科学任务、多模态理解和全栈网页开发。
安全措施与可用性计划
Google还引入了额外的安全措施,旨在减少在长期人工智能工作流程中出现的不可靠行为。在内部测试中,Carbon的不支持声明减少了约一半,与Argon相比,高严重性不对齐警报在涉及Google团队的实时编码环境中减少了近80%。该公司还报告,在Gray Swan的间接提示注入基准中,Carbon的攻击成功率为0%,而Argon则为0.7%。
这些结果反映了在特定测试条件下的性能,并不证明该模型对操控免疫。
Google最初将Carbon限制在一小部分网络安全防御者中,其他值得信赖的合作伙伴将通过其Fairwind计划获得访问权。该公司还参与了美国政府自愿的预发布模型测试过程。尽管Google尚未宣布具体的发布日期,但计划为开发者、企业和消费者提供更广泛的可用性。Carbon将与Argon一样,采用每百万个输入标记US$2(约HK$15)和每百万个输出标记US$10(约HK$78)的入门定价。
快取的输入标记将获得95%的折扣。分阶段的推出反映了先进网络安全人工智能的双重用途特性,该技术可以帮助防御者识别弱点,但也可能提供可能被滥用的能力。
项目 规格 SEC-bench Pro得分 88.2% CWE-bench得分 71% ExploitGym得分 54.8% WebDev Arena得分 1,768
Carbon模型的市场潜力与挑战
Google的Gemini 4 Carbon模型在网络安全领域的推出,显示出其在识别漏洞和生成补丁方面的强大能力,这对于提升软件安全性至关重要。随着人工智能技术的发展,Carbon的高效性能可能会吸引更多企业和开发者的关注。然而,该模型的性能数据尚未经过独立验证,这可能影响其市场接受度。此外,Google针对潜在的滥用风险,实施了额外的安全措施,这反映出对于负责任使用人工智能的重视。

