Google, yeni frontier modeli Gemini 4 Carbon‘u duyurdu. Google DeepMind SVP’si ve Google Baş Yapay Zekâ Mimarı Koray Kavukçuoğlu’nun yazısına göre Carbon, şirketin şimdiye kadarki en güçlü modeli ve siber güvenlik ile uzun soluklu (long-horizon) görevlerde en ileri seviyede performans sunuyor.
Carbon, yakın zamanda güncellenen Artificial Analysis Intelligence Index v5.0‘da 59 puanla birinci sırada. Kodlama ve ajan görevlerinde ve siber savunma için kritik yeteneklerde önemli kazanımlar gösteriyor: açık bulmada SEC-bench Pro’da %88,2, istismarda ExploitGym’de %54,8 ve yama üretmede CWE-bench’te %71,0. Google’ın iç testlerinde güvenli kod üretmede belirgin bir artış sağlıyor ve canlı kodlama ortamlarında daha düşük hizasızlık (misalignment) ve uydurma oranları gösteriyor.
Carbon, iki hafta önce yayımlanan Gemini 4 Argon‘un üzerine geliyor. Google, araştırmacılarının ve modellerinin yetenekleri daha hızlı ilerletmek için birlikte çalıştığını ve bunu yaparken güvenlik önlemlerini de güçlendirdiğini söylüyor.
Kademeli kullanıma açılış ve fiyat
Google, Carbon’u kullanıma açarken temkinli bir yaklaşım izliyor ve ABD hükümetinin gönüllü, yayın öncesi model testi sürecine aktif olarak katılıyor. Bu haftadan itibaren Carbon, siber savunmacılardan oluşan bir alt gruba açılacak; erişim Fairwind Programı üzerinden diğer güvenilir partnerlere kademeli olarak genişletilecek. Google, Carbon’u geliştiricilere, işletmelere ve tüketicilere ürünleri üzerinden mümkün olan en kısa sürede sunmadan önce geri bildirim toplamaya ve korumaları geliştirmeye devam ediyor.
Carbon, Argon ile aynı tanıtım fiyatıyla çıkacak: milyon girdi token başına 2 dolar, milyon çıktı token başına 10 dolar. Önbelleğe alınmış girdi token’ları girdi fiyatına göre %95 indirimli. Tanıtım dönemi bittikten sonra fiyat milyon girdi token başına 4 dolar, milyon çıktı token başına 20 dolar olacak.
Zorlu, uzun soluklu görevlerde kodlama ve akıl yürütme
Carbon çok daha zor, uzun soluklu mühendislik problemleri ve kesintisiz ajan iş akışları için tasarlanmış. Google ekipleri, Carbon’un büyük kod tabanlarında ve düşük seviyeli sistemlerde ince hataların kök nedenini bulup yamalamak gibi karmaşık, çok adımlı görevlerde çıkmaz sokaklara rağmen günlerce çalışmaya devam ettiğini görmüş.
Kullanıcı geri bildirimlerine dayanarak kodlama, ajan ve bilimsel görevlerin yanı sıra full-stack web geliştirme ve çok modlu anlama alanlarında performans iyileştirilmiş. Web geliştirmede çıktı kalitesindeki artışla Carbon, WebDev Arena‘da 89 Elo puanı yükselerek 1768 puanla dördüncü sıraya çıkmış.
Tabloya göre Carbon çoğu benchmark’ta önde. Öne çıkan bazı farklar:
| Benchmark | Gemini 4 Carbon | En yakın rakip |
|---|---|---|
| AA Index v5.0 | 59 | Claude Opus 5.5: 58 |
| Terminal-Bench 4.0 (AA) | %65,2 | Claude Opus 5.5: %59,6 |
| GraphWalks (256K-1M uzun bağlam) | %96,2 | Gemini 4 Argon: %84,2 |
| AutomationBench (Zapier) | %53,9 | Gemini 4 Argon: %51,3 |
| FrontierSWE 2 | %61,2 | GPT-6 Astra önde: %65,5 |
| OSWorld-2.1 (offline alt küme) | %81,5 | Claude Opus 5.5 önde: %87,2 |
Siber güvenlikte en ileri performans
Google’a göre Carbon, siber savunma yaşam döngüsünün tamamında, yani açık tespiti, doğrulama ve düzeltmede en ileri performansı sunuyor. İç testlerde güvenli kod üretme başarı oranında Argon’a göre 2 kattan fazla artış görülmüş. Chrome ekibi, Carbon’un yüksek kaliteli yama üretmede başka bir laboratuvarın büyük frontier modelinden 10 kattan fazla daha iyi performans gösterdiğini bildirmiş. Wiz de Carbon’un, Scan for Good girişiminin temel yeteneği olan web sızma testi benchmark’larında önde olduğunu gözlemlemiş.
Carbon’un dış benchmark sonuçları (korumalar devre dışıyken değerlendirildi):
Gerçek açıkları bulmak: Carbon, SEC-bench Pro‘da %88,2 ile en ileri sonuca ulaşıyor ve gerçek yazılımlardaki karmaşık açıkları otonom olarak ortaya çıkarıyor.
Riski istismarla doğrulamak: Hangi açıkların önce düzeltileceğine ya da düzeltilip düzeltilmeyeceğine karar vermek için siber savunmacılar giderek daha çok modellerle hangi açıkların istismar edilebilir olduğunu kontrol ediyor. Carbon, popüler istismar benchmark’ı ExploitGym‘da %54,8 ile yeni bir zirve belirliyor.
Kök nedende yama: Açıkları bulduktan sonra kök nedeni düzeltmek siber savunmanın kritik adımı. Carbon, Collinear’ın CWE-bench‘inde %71,0’a ulaşıyor ve doğrulanmış bulguları doğrudan çalışan kod düzeltmelerine dönüştürüyor.
Güvenlik ve hizalama
Carbon, Argon’un çok katmanlı güvenlik yapısının üzerine kurulu: model eğitimi, gerçek zamanlı kötüye kullanım savunmaları, prompt injection direnci ve düşünce zinciri (chain-of-thought) izleme. Google, Argon’da hizalama tarafında önemli adımlar attığını ve bunu Güvenlik raporunda paylaştığını hatırlatıyor. Carbon’da ise modeli karmaşık ya da yüksek baskı altındaki görevlere doğru şekilde yanıt verecek biçimde eğitmeyi hedeflemiş:
- Kestirme ve açık arama davranışını azaltmak: Carbon, Terminal-Bench 4.0’da başarılı hileyi %0,0’a, hile girişimlerini %0,4’e indirirken genel doğruluğu da artırmış. İç ekiplerle canlı kodlama ortamlarında yüksek önem dereceli hizasızlık uyarıları yaklaşık %80 düşmüş.
- Daha fazla şeffaflık ve dürüstlük: İç testlerde Carbon, desteklenmeyen iddiaları Argon’a göre yaklaşık yarıya indirmiş. Eksik kanıtın etrafından dolaşmak ya da uydurmak yerine metodolojik çekinceleri doğrudan çıktıya yazıyor ya da engellenen eylemleri, nelerin gerektiğini açıkça listeleyerek askıya alıyor.
- Belirsizlikte kullanıcıyla iş birliği: Tahmin yürütmek ya da zorla ilerlemek yerine ilgili kaynakları getirip tutarsızlıkları harekete geçmeden önce kullanıcıya gösteriyor.
- Sınırı aşmadan işi bitirmek: Carbon aşırı müdahaleyi %26, eksik hizmeti %29 azaltmış; çok adımlı planları proje kısıtlarına uyarak ve kapsam içinde kalarak çok daha güvenilir şekilde uçtan uca yürütüyor.
- Prompt injection direnci: Argon, Gray Swan’ın Indirect Prompt Injection (IPI) Benchmark’ında %0,7 saldırı başarı oranıyla zaten öndeydi; Carbon %0,0’a ulaşarak değerlendirilen tüm saldırı girişimlerine direnmiş.
Geliştiricilere, işletmelere ve tüketicilere yakında
Google’ın hedefi, güvenlik ve güvenilirlikten ödün vermeden yazılım mühendisliği ve siber savunmada anlamlı sıçramalar sağlamak. Şirket, ilk siber savunmacı grubunun modeli nasıl kullanacağını görmeyi beklediğini ve Carbon’u yakında geliştiricilere, işletmelere ve tüketicilere sunmayı planladığını söylüyor.
Carbon şimdilik herkese açık değil; yalnızca seçili siber savunmacılara ve Fairwind Programı üzerinden güvenilir partnerlere veriliyor. Benchmark sonuçlarının tamamı Google’ın kendi açıklaması ve siber güvenlik sonuçlarının korumalar kapalıyken ölçüldüğü belirtiliyor. Fiyat tarafında tanıtım fiyatının Argon’la aynı olması, dönem bittikten sonra ise iki katına çıkması dikkat edilmesi gereken bir nokta.
Kaynak: https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/
