Google ha anunciado Gemini 4 Carbon, su último modelo de frontera, y ha destacado sus capacidades en ciberseguridad, programación y tareas sostenidas de varios pasos. La empresa afirma que Carbon ocupa el primer puesto en la versión actualizada 5.0 del Artificial Analysis Intelligence Index, con una puntuación de 59.
En pruebas de referencia externas de ciberseguridad, Carbon obtuvo un 88,2 % en SEC-bench Pro para encontrar vulnerabilidades, un 54,8 % en ExploitGym para probar la posibilidad de explotación y un 71,0 % en CWE-bench para corregir vulnerabilidades. Google afirma que estas evaluaciones se realizaron sin barreras de seguridad. La empresa también informa que, en pruebas internas, Carbon más que duplicó la tasa de éxito de Argon al generar código seguro.
El modelo está diseñado para flujos de trabajo de ingeniería de larga duración. Google afirma que sus equipos internos lo han utilizado en tareas que duran días, como rastrear y corregir errores sutiles en grandes bases de código y sistemas de bajo nivel. También informa de mejores resultados en desarrollo web: Carbon sumó 89 puntos Elo para alcanzar el cuarto puesto en WebDev Arena, con una puntuación de 1.768.
Google afirma que ha introducido cambios en las medidas de alineación y seguridad de Carbon, entre ellos reducir las afirmaciones sin respaldo y los intentos de aprovechar atajos. En las pruebas internas, el porcentaje de trampas exitosas en Terminal-Bench 4.0 cayó al 0,0 %, mientras que los intentos descendieron al 0,4 %. La empresa también informa de una reducción de casi el 80 % en las alertas de desalineación de alta gravedad en entornos de programación en vivo, y de una tasa de éxito de ataques del 0,0 % en la prueba de referencia Gray Swan Indirect Prompt Injection.
Carbon utiliza el mismo enfoque de seguridad y protección por capas que Gemini 4 Argon, que, según Google, incluye entrenamiento del modelo, defensas contra el uso indebido en tiempo real, resistencia a la inyección de instrucciones y supervisión de la cadena de pensamiento. Google participa en el proceso voluntario de pruebas de modelos antes de su lanzamiento del Gobierno de Estados Unidos y comenzará a dar acceso esta semana a un subconjunto de defensores cibernéticos. Se espera que el acceso se amplíe gradualmente a socios de confianza mediante el programa Fairwind; la disponibilidad más amplia para desarrolladores, empresas y consumidores está prevista para más adelante.
Gemini 4 Carbon tendrá los mismos precios introductorios de API que Argon: 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida. Los tokens de entrada almacenados en caché costarán un 95 % menos que el precio estándar de entrada.
Fuentes: Google DeepMind Blog.