Google tutvustas Gemini 4 Carboni küberturvamudelit

Google tutvustas Gemini 4 Carbonit, suure jõudlusega tehisintellektimudelit, mis on mõeldud programmeerimiseks, pika kestusega agendiülesanneteks ja küberturbeks. Google nimetab Carbonit oma seni võimsaimaks mudeliks, kuid see pole veel avalikult kättesaadav: esialgu saavad sellele ligi vaid vähesed turvaspetsialistid.

Carbon on loodud mitmepäevaste agendiülesannete täitmiseks, keerukates projektides töö järjepidevuse hoidmiseks ja kasutuskõlblike tarkvaralahenduste loomiseks. Google'i sisemiste näidete järgi töötas mudel ülesannetega mitu päeva, leidis väljapääsu tupikutest ning tuvastas suurtes koodibaasides ja madala taseme süsteemides raskesti märgatavate vigade algpõhjuseid.

Mudel suudab jagada probleeme väiksemateks etappideks, hinnata iga tegevuse tulemust, ebaõnnestumise korral valida teise lähenemise ning koostada parandusi, mis arvestavad projekti piirangutega.

Google'i sõnul on Carbon paranenud teaduslikus arutluses, multimodaalses mõistmises, täismahulises veebiarenduses ja kasutatavate tulemuste loomises. Artificial Analysis Intelligence'i indeksi versioonis 5.0 kogus Gemini 4 Carbon 59 punkti ning tõusis esikohale.

WebDev Arenas paranes Carboni tulemus 89 punkti võrra, 1769 punktini, millega mudel saavutas neljanda koha. Google märkis, et see näitaja võrdleb otseste vastuste väljundkvaliteeti ega taga samaväärset tulemust kõigis pärisprojektides.

Küberturbe töövood ja testitulemused

Google kirjeldab Carboni küberturbevõimekust kolmeastmelise töövoona: tegeliku haavatavuse leidmine suurest koodibaasist, selle ärakasutatavuse hindamine ja algpõhjuse kõrvaldamiseks vajaliku paranduse loomine.

Haavatavuste leidmisel saavutas Carbon SEC-bench Pro testis 88,2 protsenti ning tuvastas päristarkvarast automaatselt keerukaid varjatud vigu. ExploitGymis, mis hindab mudeli võimet otsustada haavatavuse ärakasutatavuse üle, oli tulemus 54,8 protsenti.

Collineari CWE-benchis sai Carbon 71 protsenti, muutes kinnitatud leiud rakendatavateks paikadeks. Google'i sõnul tehti need välised testid ilma turvakihte rakendamata, et mõõta mudeli toorvõimekust. Tootmiskeskkondades lisatakse piirangud ja kuritarvituste tuvastamise süsteemid.

Google'i andmetel oli Carboni edukus turvalise koodi loomisel sisemistes hindamistes enam kui kaks korda suurem kui Argonil. Chrome'i meeskond teatas, et Carbon koostas kvaliteetseid parandusi üle kümne korra sagedamini kui ühe teise labori nimetamata suur mudel, kuid Google ei avaldanud konkurendi nime ega testimise täielikku metoodikat.

Turvaplatvorm Wiz täheldas Carboni eelist ka oma Scan for Goodi programmi veebirünnete mõõdikutes.

Turvakihid ja järkjärguline kasutuselevõtt

Google rakendas Carbonile sama mitmekihilist kaitsearhitektuuri nagu Argonile. See ühendab mudeli treenimise juhtimismehhanismid, reaalajas kuritarvituste tõrje, prompt injection'i ehk sisestusviipade süstimise vastased kaitsed ning arutlusahela seire.

Treenimise eesmärk oli vältida olukorda, kus mudel leiab kõrge tulemuse saavutamiseks otsetee, lahendamata tegelikku ülesannet. Google'i sisemistes turvatestides oli Carboni edukate petmiste määr Terminal-Bench 4.0 testis null protsenti ja petmiskatsete määr 0,4 protsenti, samal ajal kui üldine täpsus kasvas.

Reaalajas kasutatavates sisemistes programmeerimiskeskkondades vähenes raskete käitumise kõrvalekallete hoiatuste arv ligikaudu 80 protsenti. Tõenditeta väidete määr langes umbes poolele Argoni tasemest. Carbon suudab enne tegutsemist otsida asjakohaseid allikaid ning tuua välja leitud andmetes esinevaid vastuolusid.

Google teatas ka ulatusest väljapoole jääva käitumise 26-protsendilisest ja ebapiisavate teenusevastuste 29-protsendilisest vähenemisest. Gray Swani võrdlustestis oli Carboni edukuse määr kaudsete prompt injection'i rünnete vastu null protsenti, Argonil oli samas testis tulemus 0,7 protsenti.

Google võtab mudelit kasutusele etapiviisiliselt ja osaleb USA vabatahtlikus riiklikus testimisprotsessis. Esmalt saavad ligipääsu küberturbe kaitsjad, seejärel laiendatakse seda Fairwind Programmi kaudu usaldusväärsetele partneritele. Testijate tagasisidet kasutatakse turvameetmete täiustamiseks, kuid üldise kättesaadavuse ajakava Google ei avaldanud.

Hinnastus

Google'i teatel on Carboni sissejuhatav hind sama mis Argonil. Esialgsel perioodil maksab ühe miljoni sisendtokeni töötlemine 2 USA dollarit ja ühe miljoni väljundtokeni genereerimine 10 USA dollarit.

Vahemällu salvestatud sisendtokenitele kehtib sisendhinnast 95-protsendiline allahindlus. Pärast sissejuhatavat perioodi tõuseb sisendtokenite hind 4 USA dollarini ja väljundtokenite hind 20 USA dollarini miljoni tokeni kohta. Google rõhutas, et pikaajaliste agendiprojektide lõpphind sõltub lisaks tokenihinnale sammude arvust, tööriistade kasutuskordadest, konteksti mahust ja vahemälu kasutusest.