Google DeepMind công bố Gemini 4 Carbon, mô hình biên mới tập trung vào an ninh mạng và tác vụ dài hạn
Google DeepMind đã công bố Gemini 4 Carbon, mô hình biên mới mà công ty mô tả là hệ thống mạnh nhất của mình cho an ninh mạng và các tác vụ cần thực hiện trong thời gian dài. Carbon đứng đầu Artificial Analysis Intelligence Index phiên bản cập nhật với điểm 59, đồng thời dẫn đầu một số bài đánh giá an ninh mạng: 88,2% trên SEC-bench Pro về phát hiện lỗ hổng, 54,8% trên ExploitGym về xác định khả năng khai thác và 71,0% trên CWE-bench về tạo bản vá. Google cũng cho biết Carbon tiến bộ đáng kể so với Gemini 4 Argon trong việc tạo mã an toàn, quy trình tác vụ tự động, lập trình, nhiệm vụ khoa học, phát triển web và hiểu dữ liệu đa phương thức. Carbon được thiết kế để xử lý các bài toán kỹ thuật phức tạp trong thời gian dài, chẳng hạn truy tìm và sửa những lỗi khó phát hiện trong các kho mã lớn và hệ thống cấp thấp. Google cho biết điểm Elo của model tăng 89 điểm trên WebDev Arena, lên vị trí thứ tư; tỷ lệ gian lận thành công trên Terminal-Bench 4.0 giảm xuống 0%; còn cảnh báo lệch hướng nghiêm trọng trong môi trường lập trình nội bộ giảm gần 80%. Carbon cũng được cho là giảm khoảng hai lần số tuyên bố không có căn cứ so với Argon, tức có xu hướng thừa nhận sự không chắc chắn thay vì bịa ra bằng chứng. Đợt triển khai đầu tiên sẽ dành cho một nhóm chuyên gia phòng thủ mạng, sau đó mở rộng qua Fairwind Program của Google trước khi đến với nhà phát triển, doanh nghiệp và người dùng. Giá khởi điểm là 2 USD cho mỗi một triệu token đầu vào và 10 USD cho mỗi một triệu token đầu ra; token đầu vào được lưu trong bộ nhớ đệm được giảm 95% giá. Nếu các kết quả này được duy trì trong những đợt đánh giá rộng hơn, Carbon có thể giúp các tác nhân AI hữu ích hơn trong phát triển phần mềm an toàn, đồng thời khiến việc kiểm soát quyền truy cập vào các khả năng an ninh mạng mạnh trở nên quan trọng hơn.
Gemini 4 Carbon trước mắt dành cho một nhóm chuyên gia phòng thủ mạng và đối tác được Google tin cậy, chưa mở rộng cho mọi nhà phát triển hay người dùng. Các đội phát triển phần mềm và an ninh mạng nên theo dõi kết quả triển khai thực tế, còn doanh nghiệp có thể chờ thông tin mở quyền truy cập trước khi đánh giá chi phí và khả năng dùng cho việc tìm, kiểm chứng và vá lỗ hổng.
Đọc bài gốc