Google’ın en güçlü modeli olarak tanıttığı Gemini 4 Carbon, siber güvenlik ve uzun soluklu yazılım işlerinde öne çıkıyor. Model önce uzmanlara açılıyor.
Google, Gemini 4 Carbon’u tanıttı: Zirveye yerleşti
Google, yapay zekâ yarışındaki yeni hamlesi Gemini 4 Carbon’u duyurdu. Şirketin bugüne kadarki en güçlü modeli olarak tanıttığı Carbon, özellikle siber güvenlik ve uzun süre devam eden yazılım görevlerinde öne çıkıyor. Bağımsız değerlendirme kuruluşu Artificial Analysis’in güncellenen Intelligence Index v5.0 sıralamasında 59 puanla birinci sıraya yerleşen model, ilk aşamada yalnızca seçilmiş siber güvenlik uzmanlarının kullanımına sunulacak.
Carbon, Google’ın yalnızca iki hafta önce kullanıma açtığı Gemini 4 Argon’un üzerine geliştirildi. İki model arasındaki bu kısa süre, büyük teknoloji şirketlerinin yeni model çıkarma temposunun ne kadar hızlandığını da gösteriyor.
Günlerce süren görevleri tek başına yürütebiliyor
Google DeepMind Kıdemli Başkan Yardımcısı ve Google Baş Yapay Zekâ Mimarı Koray Kavukçuoğlu’nun duyurusuna göre Carbon, tek bir soruyu yanıtlamaktan çok, çok adımlı ve uzun soluklu işler için tasarlandı. Google, şirket içi denemelerde modelin çıkmaza girdiği noktalarda vazgeçmeden günlerce çalıştığını, büyük kod tabanlarındaki ve alt seviye sistemlerdeki gizli hataların kaynağını bulup düzelttiğini belirtiyor.
Şirket, Carbon’da kodlama, bilimsel görevler, web geliştirme ve görsel içerikleri anlama alanlarında da iyileştirmeler yaptığını açıkladı. Model, web geliştirme becerilerini ölçen WebDev Arena sıralamasında 89 puanlık artışla dördüncü sıraya yükseldi.
Siber güvenlik testlerinde lider
Google’ın en çok vurguladığı alan siber güvenlik. Şirkete göre Carbon; güvenlik açığını bulma, bu açığın gerçekten istismar edilip edilemeyeceğini doğrulama ve kalıcı bir yama yazma aşamalarının tamamında en iyi sonuçları veriyor. Model, gerçek yazılımlardaki açıkları bulmayı ölçen SEC-bench Pro’da yüzde 88,2, istismar edilebilirliği ölçen ExploitGym’de yüzde 54,8, açıkları kökünden düzeltmeyi ölçen CWE-bench’te ise yüzde 71,0 skor aldı. Google, bu dış testlerin modelin güvenlik filtreleri kapalıyken yapıldığını belirtiyor.
Şirket içi ölçümlere göre Carbon, güvenli kod üretiminde Argon’a göre iki kattan fazla başarı sağlıyor. Chrome ekibi ise yüksek kaliteli yama üretiminde Carbon’un, adı açıklanmayan başka bir laboratuvarın büyük modelinden 10 kattan fazla iyi sonuç verdiğini bildirdi.
Daha az kestirme, daha az kanıtsız iddia
Google, Carbon’un güvenlik ve güvenilirlik tarafında da ilerleme kaydettiğini söylüyor. Kodlama testi Terminal-Bench 4.0'da modelin görevi hileyle geçmeye çalışma oranı yüzde 0,4'e, başarılı hile oranı ise sıfıra indi. Şirket içi testlerde ciddi uyumsuzluk uyarıları yaklaşık yüzde 80 azaldı, kanıtı olmayan iddialar ise Argon’a göre yaklaşık yarıya düştü. Web sayfalarına ya da belgelere gizlenmiş kötü niyetli talimatlarla yapılan saldırıları ölçen Gray Swan testinde ise hiçbir saldırı başarılı olmadı.
Erişim kademeli olarak açılacak
Carbon, bu hafta Google’ın Fairwind Programı kapsamındaki bir grup siber güvenlik uzmanına açılıyor. Erişim zamanla güvenilir iş ortaklarına genişletilecek. Google, güvenlik önlemlerini kullanıcı geri bildirimleriyle geliştirdikten sonra modeli geliştiricilere, şirketlere ve son kullanıcılara mümkün olan en kısa sürede sunmayı planladığını açıkladı, ancak bir tarih vermedi. Şirket ayrıca ABD hükümetinin yayın öncesi gönüllü model testi sürecine katıldığını belirtti.
Carbon’un geliştirici fiyatı, Argon’un tanıtım fiyatıyla aynı belirlendi: milyon girdi tokeni başına 2 dolar, milyon çıktı tokeni başına 10 dolar. Önbellekteki girdiler için yüzde 95 indirim uygulanıyor.
Rakiplerle fark çok az
Artificial Analysis sıralamasında ilk üç model arasındaki fark yalnızca iki puan: Gemini 4 Carbon 59, Anthropic’in Claude Opus 5.5'i 58, OpenAI’ın GPT-6 Astra’sı 57 puanda bulunuyor. Kuruluşun kodlama ajanı sıralamasında ise liderliği Claude Opus 5.5 koruyor. Carbon’un asıl dezavantajı şimdilik erişim: Rakip modeller geliştiricilere açıkken Carbon’u yalnızca seçilmiş uzmanlar kullanabiliyor. Modelin gerçek performansı, geniş kitlelere açıldığında netleşecek.