AI宝库

AI宝库首页 › AI 资讯 › Gemini 4 碳

Gemini 4 碳

来源:Hacker News · 发布时间:10-29 · 由 AI宝库每小时自动聚合

文章 URL:https://blog.google/innovation-and-ai/models-and-research/gemini-models/introduction-gemini-4-carbon/ 评论 URL:https://news.ycombinator.com/ite

Gemini 4 碳:我们的下一个前沿模型

今天我们宣布下一个前沿模型:Gemini 4 Carbon

在最近更新的人工分析智能指数v 5.0中,碳排行第1位为59. 显示在编码和代理任务以及网络安全防御的关键能力方面取得显著进展,在SEC-bench Pro(88.2%)中发现弱点、开发Gym(54.8%)和CWE-bench(71.0%)进行补丁。 在内部的基准测试上,Carbon在生成安全代码方面驱动了强大的提升,在与我们自己的团队的活编码环境中,显示降低了错配率和制造率。

以两星期前的Gemini 4 Argon为基础,我们的研究人员和模型正在携手合作,以更快地提高能力,同时同时加强我们的保障。

我们正采取慎重的推出方法,并积极参与美国政府的自愿进行出厂前型号测试。 从本周开始,我们将向一些网络维权者提供Carbon,并将通过我们的Fairwind方案逐步逐步接触更多的信任伙伴。 我们继续收集反馈,并在护栏上传播,然后尽快通过产品表面向开发商、企业和消费者提供碳。

Gemini 4 Carbon会以与Argon相同的入门价格1以每百万个输入令牌2美元和每百万个输出令牌10美元的价格进行发布,而缓存的输入令牌则以95%的输入令牌价格进行出价。

改进具有挑战性的长期任务编码和推理

碳设计是为了承担更难,更远的工程问题,而碳是为持续的代理工作流程而建造的。 在内部,我们的团队已经看到"碳"运行了好几天,持续地穿过死胡同,解决复杂的,多步骤的工程任务,如打根和补丁微妙的bug 跨越大代码库和低级别系统。

在用户反馈的基础上,我们注重改进各种领域的模型性能,包括编码、代理和科学任务,以及全网开发和多模式理解。 随着网络开发中输出和文物的质量得到提高,"碳"跳出+89 elo指向了WebDev Arena上第4 (1769)个地。

最先进网络安全性能帮助构建安全系统

Gemini 4 Carbon在网络安全能力上实现了重大飞跃。 它实现了最先进在网络安全防御生命周期中的性能——脆弱性检测,验证和补救。

我们的团队已经看到网络防御的强大进展。 在内部的基准测试上,Carbon在Argon上空生成安全代码的成功率上实现了2x以上的提升。 另一个例子是Chrome团队报告说,Carbon在生成高品质补丁时,比另一个实验室的大型前沿模型更好的表现超过10X. Wiz,我们领先的Cloud安全平台,也观测到Carbon在基准测试上领先进行网络穿透测试,这是Wiz"Scan for Good"倡议的核心能力。

跨越关键外部基准测试(在没有护栏的情况下评估)的碳:

- 寻找真正的弱点:网络安全防御的核心是寻找真正的弱点。 碳在SEC-bench Pro上实现了最先进 88.2%,自主地发现了埋藏在现实世界软件中的复杂缺陷。

- 通过剥削验证风险:为了优先确定哪些弱点可以首先得到补救或补救,网络维权者越来越多地依靠模型来检查哪些弱点是可以利用的。 碳在受欢迎开发上设置了新的最先进基准测试 ExpectGym (54.8%).

- 补充根源:最终在查明脆弱性后,确定根源是网络安全防御生命周期中的一个关键步骤。 碳在Collinear的CWE-bench上达到71.0%,将验证的发现直接转化为工作代码修正。

二。 推进边境示范安全和安保

Gemini 4 Carbon基于相同的多层次安全保障堆积的Argon——结合了模型训练,实时滥用防御,即时注射韧性,和思维链监测。 尤其是,我们在与Argon进行模式调整方面取得了长足进展,并在我们的安全和安保报告中报告了其以一致方式行事的倾向。 与Carbon一起,我们挑战自己在对接上再进一步,并训练模型以正确的方式应对复杂或高压的任务。

- 减少捷径和漏洞开发:通过Carbon,我们进一步减轻了在培训方面的捷径尝试,同时确保高质量的编码性能。 碳将终端4.0%至0.0 %的成功出轨率降低到0.4%,同时提高整体准确度。 在与我们内部团队的直播编码环境中,我们观察到高分错位警报下降了近80%.

- 提高透明度和诚实度:在我们的内部测试中,Carbon 削减没有支持的声称在Argon上空约2x. 它直接向交付品提出方法上的警告,或扣压被封锁的行动,明确列出仍然需要什么,而不是围绕缺失的证据捏造或套取。

- 面对含糊不清的问题,改善与用户的合作:Carbon在采取行动之前,不应猜测或强迫前进,而应先向用户检索相关来源并显示差异,因此,用户应看到与Carbon更好的合作经验。

碳同时将超覆盖减少26%,服务不足减少29%,从而更可靠地执行多步骤计划,同时尊重项目限制和严格控制范围。

- 抵制提示词注入:Argon以前曾领导过灰天鹅的间接提示词注入(IPI)基准测试在提示词注入的抵抗力,攻击成功率很低为0.7%,而Carbon却达到了0.0 % – 抵制每一次评估的攻击尝试。

很快会来到开发商、企业和消费者那里

推进边境需要迅速前进,同时继续考虑部署。 有了Gemini 4 Carbon,我们的目标是在软件工程和网络安全防御方面实现有意义的飞跃而不损害安全或可靠性。 我们渴望看到最初的网络维权者如何使用这个模式

本文由 AI宝库自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

相关免费羊毛

同源资讯

阅读原文(blog.google)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI宝库首页 · 提交工具 · 商务合作 · 关于本站 · 596 款 AI 工具分类导航 · 每日 AI 热门项目与动态