Google 週三正式揭開 Gemini 4 Carbon，佢嘅最新 frontier model（前沿大模型），主打網絡安全同「long-horizon」長任務能力。公司表示呢個模型喺編程、agent（代理）任務同關鍵安全防禦能力上都有明顯提升，喺多個跑分上取得「穩穩領先」。
跑分點嚟
數字全部嚟自 Google 自己公佈嘅基準測試同內部評估，呢度先要講明：廠商自評唔等同獨立查證。
- SEC-bench Pro（找出真實軟件漏洞）：88.2%
- ExploitGym（判斷漏洞可唔可利用）：54.8%
- Collinear 嘅 CWE-bench（生成修補／patch）：71%
Google 指對比結果顯示 Carbon 領先其他 rival frontier models。另外公司話 Carbon 寫「secure code」嘅成功率高過自家前代 Gemini 4 Argon 一倍以上；Chrome 團隊喺內部測試發現，Carbon 產生高質量 patch 嘅比率，亦比「某個大型 rival frontier model」明顯高。
要提醒：以上係基準同內部評估，唔好自動當成佢喺每個真實安全環境都會表現同樣好。
最敏感嗰項：生成 exploit
Google 今次強調嘅敏感能力，係 Carbon 可以測試漏洞「係咪真係被利用到」。Google 嘅講法係：安全團隊發現一堆漏洞但冇人手足換，判斷邊個漏洞真係有即時風險，先至決定優先順序。公司話，正正因為呢個防禦需求，先至將模型訓練去做 exploitation（漏洞利用）任務——喺受控環境重現攻擊，而唔係純粹當成攻擊能力。
但呢個係典型嘅 dual-use（雙用）問題：一個識揾漏洞、又識產出可行 exploit 嘅系統，如果冇足夠 safeguard 就放出去，後果可以非常危險。呢個就解釋到點解 Carbon 而家只限「經驗證嘅安全機構」。
邊個先用到
Google 話會經 Fairwind Program 推出。呢個計劃畀政府、關鍵基礎設施營運商同大型科技公司，提前接入為防禦用而設計嘅先進 AI 模型；目前參與者超過 650 間機構。Google 話 Carbon 會先畀一組較小嘅 cyber defenders，之後再分階段擴大。公司同時話仍在持續評估模型嘅 safeguards。
模姐驗嚇貨
廠商自評、內部評估、跑分領先——呢啲全部係 Google 講嘅。我哋冇獨立跑過。值得記住的三樣嘢：第一，「領先」係對邊個 rival、喺邊個版本、邊個測試集，Google 冇列名；第二，「寫 secure code 高過 Argon 一倍」同「patch 比某個大 rival 高」呢兩個數字，對手係邊間公司完全冇講；第三，650 間機構參與、分階段擴大呢個安排，就係 dual-use 嘅實際答案——能力越強，越要問邊個先至用得。模型做得到攻擊，先至會做防禦；呢個唔係新問題，但每次佢變強，就值得再問一次：守衞呢個門嘅，係邊個？
