Google anuncia Gemini 4 Carbon, que se lanza primero a un grupo selecto de ciberdefensores
Google afirmó que su nuevo modelo de frontera lidera varias pruebas de referencia de ciberseguridad y que esta semana llegará a un grupo selecto de ciberdefensores, antes que a desarrolladores, empresas y consumidores.
Ilustración generada con IAGoogle ha anunciado Gemini 4 Carbon, que describe como su modelo más potente, con capacidades de ciberseguridad y de largo plazo de vanguardia. El modelo se basa en Gemini 4 Argon, que según Google se lanzó hace dos semanas.
El acceso será escalonado. Google indicó que, a partir de esta semana, pondrá Carbon a disposición de un grupo selecto de ciberdefensores y ampliará gradualmente el acceso a otros socios de confianza a través de su Fairwind Program. La empresa señaló que participa en el proceso voluntario del gobierno de EE. UU. para las pruebas de modelos previas al lanzamiento y que seguirá recopilando comentarios y perfeccionando las salvaguardas antes de ofrecer el modelo a desarrolladores, empresas y consumidores a través de sus superficies de producto lo antes posible.
Google afirmó que Carbon ocupa el puesto n.º 1 con 59 puntos en la versión 5.0, recientemente actualizada, del Artificial Analysis Intelligence Index. En pruebas de referencia externas de ciberseguridad, evaluadas sin salvaguardas, obtuvo un 88.2% en SEC-bench Pro para la detección de vulnerabilidades, un 54.8% en ExploitGym para la explotación y un 71.0% en CWE-bench para la aplicación de parches. En desarrollo web, Google indicó que el modelo ganó 89 puntos Elo y alcanzó el puesto n.º 4 (1769) en WebDev Arena.
En pruebas de rendimiento internas, Google afirmó que Carbon logra una mejora de más de 2x en la tasa de éxito al generar código seguro respecto a Argon. Su equipo de Chrome informó de que Carbon rindió más de 10X mejor que el gran modelo de frontera de otro laboratorio al generar parches de alta calidad. Google también indicó que sus equipos han visto a Carbon trabajar durante días en tareas de ingeniería complejas y de varios pasos, como identificar la causa raíz y corregir errores sutiles en grandes bases de código.
En cuanto a la alineación, Google afirmó que las trampas exitosas en Terminal-Bench 4.0 bajaron al 0.0%, con intentos de trampa que descendieron al 0.4%, y que las alertas de desalineación de gravedad alta disminuyeron casi un 80% en entornos de programación en vivo con sus equipos internos. En pruebas internas, Google indicó que Carbon reduce las afirmaciones sin respaldo en aproximadamente 2x respecto a Argon y redujo el exceso de alcance en un 26% y la prestación insuficiente en un 29%. En el Gray Swan Indirect Prompt Injection Benchmark, Google afirmó que Carbon logra una tasa de éxito de ataques del 0.0%, frente al 0.7% de Argon.
Google afirmó que Carbon se lanzará al mismo precio introductorio que Argon: 2 $ por millón de tokens de entrada y 10 $ por millón de tokens de salida, con los tokens de entrada en caché con un 95% de descuento sobre el precio de los tokens de entrada.