Gemini 4 Carbon Đang hoạt động

Gemini 4 Carbon là mô hình AI hàng đầu mới nhất do Google DeepMind phát triển, là thế hệ mô hình tiên phong tiếp theo sau Gemini 4 Argon. Gemini 4 Carbon đứng đầu Artificial Analysis Intelligence Index 5.0 với 59 điểm, vượt qua Claude Opus 5.5 và GPT-6 Astra, đồng thời đạt SOTA mới trong toàn bộ vòng đời phòng thủ an ninh mạng, gồm phát hiện lỗ hổng, kiểm chứng khả năng khai thác, sửa bản vá và các tác vụ lập trình tự chủ có phạm vi cực dài.

Lập trình tự chủ trong thời gian cực dài: Có thể hoạt động liên tục trong nhiều ngày, tự xác định nguyên nhân gốc và viết bản vá cho các lỗi ẩn trong những kho mã lớn.
Phát hiện lỗ hổng: Đạt SOTA với 88.2% trên SEC-bench Pro, có thể tự phát hiện các lỗ hổng phức tạp, nghiêm trọng trong phần mềm thực tế như công cụ V8 và nhân Linux.
Kiểm chứng khả năng khai thác lỗ hổng: Lập kỷ lục ExploitGym mới với 54.8%, xác minh liệu lỗ hổng có thể bị khai thác trong thực tế như một kẻ tấn công, giúp bên phòng thủ ưu tiên việc sửa chữa.
Tự động vá ở cấp nguyên nhân gốc: Đạt 71.0% trên CWE-bench, có thể chuyển trực tiếp phát hiện lỗ hổng đã được xác minh thành mã sửa lỗi có thể chạy mà không phá vỡ chức năng hiện có.
Phát triển full-stack và xây dựng frontend: Điểm Elo trên WebDev Arena tăng 89 điểm lên 1769, chất lượng thành phần và sản phẩm hoàn chỉnh được cải thiện rõ rệt, trong khi chi phí tác vụ trung bình thấp hơn.
Ra quyết định nhiều bước với ngữ cảnh cực dài: Dẫn trước đáng kể các đối thủ với 96.2% trong bài kiểm tra GraphWalks sử dụng ngữ cảnh 256k–1M; số dư tài khoản cuối cùng trong mô phỏng vận hành kinh doanh dài hạn (Vending-Bench 2) gần gấp 1.8 lần Opus 5.5.

Kiến trúc tác tử tự chủ dài hạn: Carbon được thiết kế riêng cho “các tác vụ kỹ thuật có horizon kéo dài nhiều ngày”, với cơ chế khám phá bền bỉ khi xử lý các kho mã lớn và hệ thống cấp thấp. Ngay cả khi nhiều lần đi vào ngõ cụt, mô hình vẫn có thể quay lại, đổi hướng và tiếp tục kiên trì, tự hoàn thành chu trình nhiều bước từ xác định nguyên nhân gốc đến bàn giao bản vá.
Năng lực phòng thủ an ninh mạng trong toàn bộ vòng đời: Năng lực bảo mật được xây dựng theo ba giai đoạn “tìm lỗ hổng—kiểm chứng—sửa chữa”, tất cả đều được huấn luyện và đánh giá trong trạng thái đầy đủ, tách biệt khỏi các rào chắn sản phẩm. Khâu phát hiện đạt 88.2% trên SEC-bench Pro, khâu kiểm chứng lập kỷ lục ExploitGym với 54.8%, còn khâu sửa chữa dẫn đầu CWE-bench với 71.0%; cả ba tạo thành chuỗi hoàn chỉnh từ phát hiện đến khép kín quy trình. Theo dữ liệu chính thức, tỷ lệ tạo mã bảo mật thành công nội bộ cao hơn Argon hơn 2 lần. Trong so sánh thực tế của đội ngũ Chrome, chất lượng bản vá dẫn trước hơn 10 lần so với mô hình tiên phong của một phòng thí nghiệm hàng đầu khác.
Huấn luyện căn chỉnh và hội tụ chống gian lận: Để xử lý vấn đề các mô hình điểm cao “sửa kịch bản kiểm thử để giả mạo việc vượt qua”, Carbon trực tiếp hạn chế xu hướng đi đường tắt và khai thác lỗ hổng trong giai đoạn huấn luyện. Kết quả là tỷ lệ gian lận thành công trên Terminal-Bench 4.0 giảm xuống 0.0%, tỷ lệ cố gắng gian lận giảm xuống 0.4%; đồng thời, trong môi trường lập trình thực tế nội bộ, số cảnh báo lệch chuẩn mức độ nghiêm trọng cao giảm gần 80% trong khi độ chính xác vẫn được nâng cao.

Hiện tại, Carbon chỉ được cung cấp cho một số nhân sự phòng thủ an ninh mạng đã vượt qua Fairwind Program. Các nhà phát triển, doanh nghiệp và người tiêu dùng thông thường cần chờ thông báo tiếp theo từ Google.

Dẫn đầu về trí tuệ tổng hợp: Đứng đầu thế giới trên Artificial Analysis Intelligence Index 5.0 với 59 điểm, trực tiếp vượt qua Claude Opus 5.5 và GPT-6 Astra.
Lập trình tự chủ trong thời gian cực dài: Có thể hoạt động liên tục nhiều ngày, vượt qua các ngõ cụt, tự xác định nguyên nhân gốc và hoàn thành bản vá cho các lỗi ẩn trong những kho mã lớn; đạt 65.2% trên Terminal-Bench 4.0, dẫn trước các đối thủ.
SOTA trong toàn bộ vòng đời an ninh mạng: Bao phủ toàn bộ quy trình “tìm lỗ hổng (SEC-bench Pro 88.2%)—kiểm chứng (ExploitGym 54.8%)—vá lỗi (CWE-bench 71.0%)”, cả ba đều là kỷ lục mới nhất.
Vượt trội về ngữ cảnh cực dài: Đạt 96.2% trong bài kiểm tra GraphWalks với ngữ cảnh 256k–1M, bỏ xa Opus 5.5 (66.8%) và Astra (71.8%).
Gần như không gian lận và không ảo giác (ở cấp độ căn chỉnh): Tỷ lệ gian lận thành công trên Terminal-Bench giảm xuống 0.0%, đạt khả năng miễn nhiễm 100% trước tấn công chèn prompt gián tiếp, còn các khẳng định không có căn cứ giảm khoảng 2 lần so với Argon.

Trang web dự án: https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/

Phòng thủ an ninh mạng: Tự động hóa toàn bộ vòng đời “phát hiện—kiểm chứng—vá lỗ hổng” với 88.2% trên SEC-bench Pro, 54.8% trên ExploitGym và 71.0% trên CWE-bench.
Lập trình tự chủ trong thời gian cực dài: Có thể hoạt động liên tục nhiều ngày, vượt qua các ngõ cụt, tự xác định nguyên nhân gốc và sửa các lỗi ẩn trong những kho mã lớn.
Quy trình tác tử cấp doanh nghiệp: Với 70.4% trên Vals Index và mức giảm giá 95% cho đầu vào được lưu trong bộ nhớ đệm, hỗ trợ các tác vụ Agent tần suất cao với chi phí thấp.
Phân tích ngữ cảnh cực dài: Cửa sổ ngữ cảnh 1M và kết quả 96.2% trên GraphWalks, phù hợp để hiểu kho mã và suy luận nhiều bước trên tài liệu dài.
Phát triển Web full-stack: Với chất lượng đầu ra đạt 1769 điểm trên WebDev Arena và chi phí tác vụ thấp hơn, nhanh chóng tạo các thành phần frontend và ứng dụng hoàn chỉnh.