Google lance Gemini 4 Carbon, axé sur la cybersécurité et les agents de longue durée

Deux semaines après Gemini 4 Argon arrive Gemini 4 Carbon, que Google présente comme son modèle le plus puissant. Selon Google, il domine l’indice d’Artificial Analysis et obtient un taux de réussite des attaques de 0 % lors d’un test d’injection indirecte d’instructions. Google affirme également que ses agents internes ont travaillé plusieurs jours d’affilée sur des tâches en plusieurs étapes.

Le déploiement est progressif : d’abord un groupe de défenseurs en cybersécurité, puis des partenaires de confiance, avec des tests préalables du gouvernement américain. Prix de lancement : 2 $/10 $ par million de tokens d’entrée/sortie, qui passera à 4 $/20 $.

Carbon occupe la première place de la version 5.0 de l’Artificial Analysis Intelligence Index, récemment mise à jour , avec un score de 59. Il affiche des progrès significatifs dans les tâches de codage et d’agents, ainsi que dans des capacités clés pour la défense en cybersécurité, en prenant une nette avance sur SEC-bench Pro (88,2 %) pour la détection de vulnérabilités, ExploitGym (54,8 %) pour l’exploitation et CWE-bench (71,0 %) pour l’application de correctifs. Lors des tests internes, Carbon apporte une amélioration considérable dans la génération de code sécurisé et, dans des environnements de codage réels avec nos propres équipes, il présente des taux réduits d’erreurs et de falsification.

S’appuyant sur Gemini 4 Argon , lancé il y a deux semaines, Carbon illustre le rythme effréné auquel nous repoussons les frontières de la science. Nos chercheurs et nos modèles travaillent main dans la main pour accélérer le développement des capacités, tout en renforçant nos mesures de sécurité.

Nous adoptons une approche méticuleuse pour le lancement et participons activement au processus volontaire du gouvernement américain de tests des modèles avant leur lancement. À partir de cette semaine, nous mettrons Carbon à la disposition d’un sous-ensemble d’experts en cybersécurité et élargirons progressivement l’accès à d’autres partenaires de confiance via notre programme Fairwind . Nous continuons à recueillir des retours et à perfectionner les mesures de sécurité avant que Carbon ne soit disponible pour les développeurs, les entreprises et les consommateurs via nos plateformes produits dès que possible.

Gemini 4 Carbon sera lancé au même prix de lancement ¹ qu’Argon, soit 2 dollars par million de tokens d’entrée et 10 dollars par million de tokens de sortie, les tokens d’entrée mis en cache bénéficiant d’une remise de 95 % sur le prix des tokens d’entrée.

Améliorer le codage et le raisonnement pour des tâches exigeantes de longue haleine.

Conçu pour s’attaquer à des problèmes d’ingénierie bien plus complexes et de longue haleine, Carbon est pensé pour des flux de travail automatisés et soutenus. En interne, nos équipes ont vu Carbon fonctionner pendant des jours pour surmonter des obstacles et mener à bien des tâches d’ingénierie complexes en plusieurs étapes, comme l’identification de la cause racine et la correction de bugs subtils dans de grandes bases de code et des systèmes de bas niveau.

Sur la base des retours des utilisateurs, nous nous sommes concentrés sur l’amélioration des performances du modèle dans divers domaines, comme le codage, les tâches automatisées et scientifiques, ainsi que le développement web full-stack et la compréhension multimodale. Grâce à l’amélioration de la qualité des résultats et des artefacts en développement web, Carbon a gagné 89 points Elo et s’est hissé à la 4e place (1768) du WebDev Arena .

Des performances de pointe en cybersécurité pour aider à construire des systèmes sécurisés.

Gemini 4 Carbon représente un saut qualitatif en matière de capacités de cybersécurité. Il atteint des performances de pointe sur l’ensemble du cycle de vie de la cyberdéfense : détection, validation et correction des vulnérabilités.

Nos équipes constatent déjà des avancées importantes en cyberdéfense. Lors de tests internes, Carbon obtient un taux de réussite plus de deux fois supérieur à celui d’Argon dans la génération de code sécurisé. Autre exemple, l’équipe de Chrome a indiqué que Carbon s’est montré plus de 10 fois plus performant que le modèle de pointe d’un autre laboratoire pour générer des correctifs de haute qualité. Wiz, notre plateforme leader de sécurité cloud, observe également que Carbon domine les tests d’intrusion web, une capacité essentielle pour l’initiative Scan for Good de Wiz .

Carbon se distingue sur les principaux benchmarks externes (évalués sans restrictions) :

• Détection de vulnérabilités réelles : La clé de la cybersécurité réside dans la détection de vulnérabilités réelles. Carbon atteint un excellent résultat de 88,2 % sur SEC-bench Pro , en découvrant de manière autonome des failles complexes cachées dans des logiciels réels.

• Validation des risques par l’exploitation : Pour déterminer quelles vulnérabilités corriger en priorité, voire s’il faut les corriger, les cyberdéfenseurs ont de plus en plus recours à des modèles qui vérifient quelles vulnérabilités sont exploitables. Carbon établit un nouveau record sur le benchmark d’exploitation populaire ExploitGym (54,8 %).

• Correction de la cause racine : Après l’identification des vulnérabilités, la résolution de la cause racine est une étape fondamentale du cycle de vie de la cybersécurité. Carbon atteint 71,0 % sur la plateforme CWE-bench de Collinear , en transformant directement les découvertes validées en correctifs de code fonctionnels.

Des avancées dans la sûreté et la sécurité des modèles de pointe

Gemini 4 Carbon repose sur la même architecture de sécurité multicouche qu’Argon, qui combine entraînement des modèles, défenses contre les usages abusifs en temps réel, résistance à l’injection de prompts et surveillance de la chaîne de pensée. Nous avons notamment réalisé des progrès significatifs dans l’alignement du modèle avec Argon et, dans notre rapport de sécurité, nous avons fait état de sa tendance à se comporter de manière cohérente . Avec Carbon, nous avons voulu aller plus loin en matière d’alignement et avons entraîné le modèle à répondre correctement à des tâches complexes ou sous forte pression.

• Réduire les raccourcis et l’exploitation de failles : Avec Carbon, nous avons encore réduit les tentatives de raccourcis pendant l’entraînement, tout en garantissant des performances de codage de haute qualité. Carbon a réduit les tricheries réussies sur Terminal-Bench 4.0 à 0,0 %, et les tentatives de triche sont tombées à 0,4 %, améliorant la précision globale. Dans des environnements de codage réels avec nos équipes internes, nous avons constaté que les alertes de désalignement de haute gravité ont diminué de près de 80 %.
• Plus de transparence et d’honnêteté : Lors de nos tests internes, Carbon divise environ par deux les affirmations infondées par rapport à Argon. Il inclut des avertissements méthodologiques directement dans le livrable final ou suspend les actions bloquées avec une liste claire de ce qui reste nécessaire, au lieu d’inventer des informations ou de contourner les éléments manquants.
• Meilleure collaboration avec l’utilisateur face à l’ambiguïté : au lieu de deviner ou de forcer une voie à suivre, Carbon récupère les sources pertinentes et signale les divergences à l’utilisateur avant d’agir ; les utilisateurs devraient ainsi bénéficier d’une expérience de collaboration bien meilleure avec Carbon.
• Tenir ses promesses sans outrepasser son rôle : Carbon a réduit simultanément l’excès d’engagement de 26 % et le défaut d’exécution de 29 %, ce qui s’est traduit par une exécution beaucoup plus fiable des plans en plusieurs étapes de bout en bout, dans le respect des contraintes du projet et en restant strictement dans le périmètre défini.
• Résistance à l’injection de prompts : Alors qu’Argon dominait auparavant le benchmark d’injection indirecte de prompts (IPI) de Gray Swan en matière de résistance, avec un taux de réussite des attaques très faible de 0,7 %, Carbon atteint 0,0 %, résistant à toutes les tentatives d’attaque évaluées.

Bientôt disponible pour les développeurs, les entreprises et les consommateurs.

Pour faire progresser le secteur, il faut agir rapidement tout en planifiant minutieusement. Avec Gemini 4 Carbon, notre objectif est de réaliser des avancées significatives en ingénierie logicielle et en cybersécurité sans compromettre la sécurité ni la fiabilité. Nous avons hâte de voir comment les premiers professionnels de la cybersécurité utiliseront ce modèle et espérons proposer prochainement Carbon aux développeurs, aux entreprises et aux consommateurs.