Gemini 4 Carbon má posilniť kyberobranu. Čo skutočne dokazujú jeho rekordné výsledky?

Google predstavil Gemini 4 Carbon s dôrazom na kyberbezpečnosť. Nezávislé testy potvrdzujú časť jeho výkonu, pri ďalších tvrdeniach však zostávajú dôležité otázky.

Google predstavil 28. októbra 2026 model Gemini 4 Carbon. Namiesto všeobecného prísľubu lepšieho chatovania vyzdvihuje schopnosť vyhľadávať bezpečnostné chyby, skúmať ich zneužiteľnosť a pripravovať opravy. Takéto schopnosti môžu pomôcť tímom, ktoré zabezpečujú rozsiahly softvér. Zároveň však vyvolávajú otázku, kto dostane prístup k nástroju schopnému pracovať aj s postupmi používanými pri útokoch.

Carbon nadväzuje na Gemini 4 Argon, ktorý Google sprístupnil širšiemu okruhu používateľov a vývojárov 13. októbra. Pri novinke zvolil opäť postupné uvedenie: ako prví ju majú používať vybraní kybernetickí obrancovia. Pre bežného používateľa preto nejde o aktualizáciu, ktorú si môže okamžite zapnúť v aplikácii Gemini. Podstatnejšie než označenie nového modelu je zatiaľ rozlíšiť nezávisle overené výsledky od údajov, ktoré zverejnil samotný Google.

Prvé miesto v indexe neznamená prvenstvo vo všetkom

Najsilnejšie nezávislé potvrdenie výkonu prichádza od Artificial Analysis. Hodnotiteľ pridelil Gemini 4 Carbon v piatej verzii svojho Intelligence Indexu 59 bodov, čo mu pri zverejnení výsledkov stačilo na prvé miesto. Index spája deväť hodnotení z oblastí práce so znalosťami, programovania, vedy a všeobecných schopností. Je to užitočný obraz o širokom výkone modelu, nie priama skúška jeho pripravenosti chrániť konkrétnu firemnú sieť.

Rozdiel medzi celkovým víťazstvom a výkonom v jednotlivých disciplínach je dôležitý. Artificial Analysis uvádza, že Carbon vedie v štyroch z deviatich čiastkových hodnotení, no pri programovacích agentoch je druhý za Claude Opus 5.5. V teste agentnej práce s odbornými dokumentmi sa zlepšil oproti Argonu, ale niektorí konkurenti dosiahli vyššie skóre. Hodnotiteľ navyše upozorňuje, že jeho hlavný index je prevažne anglickojazyčný a textový. Z prvého miesta preto nemožno vyvodzovať rovnaký náskok pri slovenčine, pri každej forme programovania ani pri prevádzke bezpečnostného centra.

Kyberbezpečnosť sa skladá z troch odlišných úloh

Google opiera predstavenie Carbonu o celý postup bezpečnostnej práce. Prvým krokom je odhaliť chybu v zdrojovom kóde. Druhým je preveriť, či ju možno v testovacom prostredí skutočne zneužiť; bez toho sa ťažko určuje priorita opravy. Tretím je vytvoriť úpravu, ktorá odstráni príčinu problému a nenaruší pôvodnú funkčnosť. Úspech v jednej fáze však automaticky neznamená úspech v ďalších dvoch.

Pri hľadaní zraniteľností uvádza Google pre SEC-bench Pro úspešnosť 88,2 %. Pri ExploitGym, ktorý skúša premeniť známu zraniteľnosť na fungujúci exploit, uvádza 54,8 %. V CWE-bench, zameranom na audit a opravu, dosiahol podľa firmy 71 %. Poslednú hodnotu zobrazuje aj rebríček tvorcov CWE-bench, kde je Carbon pred Argonom so 68 %. Ide o výsledky troch rôznych testov s odlišnými úlohami a pravidlami; rozdiel medzi ich percentami nie je mierou toho, o koľko je model lepší v obrane než v útoku.

Rovnako treba oddeliť verejné benchmarky od interných meraní. Google tvrdí, že pri generovaní bezpečného kódu dosiahol Carbon vo vlastných testoch viac než dvojnásobnú úspešnosť oproti Argonu. Spomína aj výrazné zlepšenie pri príprave kvalitných opráv pre Chrome. Bez podrobností o testovaných prípadoch, porovnávacom modeli a podmienkach však tieto tvrdenia nemožno prepočítať na očakávanú úspešnosť v ľubovoľnom projekte.

Odporúčame

Software 27. októbra 2026

Apple Creator Studio dostáva AI asistentov a nové nástroje pre video aj hudbu

Apple rozširuje Creator Studio o nové AI funkcie, nástroje pre video a hudbu aj prepojené pracovné postupy medzi Final Cut Pro a Pixelmator Pro.

4 min 0

Dôležité Biznis 27. októbra 2026

IPO Anthropicu pod lupou: ticker ANT, prudký rast tržieb a riziká za miliardy

Anthropic podal prospekt k plánovanému IPO akcií ANT. Tržby prudko rastú, no investorov čaká zložité čítanie čistých strát, záväzkov a hlasovacích práv.

9 min 0

Otvorené rebríčky ukazujú hranice porovnania

Pri interpretácii rekordov je dôležité pozrieť sa aj na stránky tvorcov testov. Verejne dostupný rebríček SEC-bench Pro pri redakčnej kontrole Carbon nezobrazoval. Stránka tvorcov ExploitGym ho takisto neuvádzala; jej otvorený rebríček navyše pracuje s počtom úspešných exploitov a upozorňuje, že nie všetky príspevky pokrývajú celý súbor úloh. Google naproti tomu zverejnil percentuálnu hodnotu svojho hodnotenia Carbonu.

To samo osebe nevyvracia výsledky Google. Znamená to však, že verejný čitateľ zatiaľ nemôže jeho tvrdenie o prvenstve v týchto dvoch testoch jednoducho potvrdiť pohľadom na rebríčky ich autorov. SEC-bench Pro navyše ponúka rôzne výbery úloh a hodnotiace nastavenia. Pri ExploitGym môžu poradie ovplyvniť rozsah skúšaných prípadov aj čas poskytnutý agentovi. Kým nie sú pri Carbonu porovnateľné podmienky a výsledky verejne dohľadateľné, presnejšie je hovoriť o výsledkoch deklarovaných Googlom, nie o bezvýhradne potvrdených rekordoch.

Model má pracovať dlhšie, ale aj pod dohľadom

Google opisuje Carbon ako model určený na dlhé, viacstupňové inžinierske úlohy. Jeho interné tímy podľa firmy pozorovali behy trvajúce aj niekoľko dní pri pátraní po príčine chyby a jej oprave. To je iný typ práce než jednorazová odpoveď v chatovacom okne: agent postupne číta súbory, skúša riešenia, vyhodnocuje neúspechy a pokračuje. Pre veľký softvérový projekt môže byť vytrvalosť užitočná, ak je priebežný postup kontrolovateľný.

Dĺžka práce však násobí aj praktické riziká. Nesprávne pochopený cieľ môže viesť k sérii chybných krokov a navrhnutá oprava môže neúmyselne zmeniť správanie programu. To je redakčný záver vyplývajúci z povahy agentnej práce, nie nameraný počet zlyhaní Carbonu. Pri nasadení preto záleží nielen na schopnosti nájsť chybu, ale aj na rozsahu povolených zásahov, testovaní zmien a možnosti človeka odmietnuť výsledný návrh.

Bezpečnostné záruky treba čítať presne

Google uvádza, že Carbon je odolnejší voči podvrhnutým pokynom v materiáloch, ktoré spracúva. V ním citovanom teste nepriameho prompt injection dosiahol nulovú úspešnosť skúšaných útokov, zatiaľ čo Argon mal hodnotu 0,7 %. Nula v konkrétnom súbore pokusov však nie je dôkaz, že sa model nedá oklamať novou technikou alebo v inom pracovnom postupe. Pre bezpečnostný tím je rozumné považovať tento výsledok za signál z testu, nie za záruku.

Firma tiež tvrdí, že jej interné merania zaznamenali približne polovičný počet nepodložených tvrdení oproti Argonu. Nezávislý obraz je zložitejší: Artificial Analysis pri vlastnej skúške faktickej spoľahlivosti uvádza, že Carbon dosiahol vyššiu presnosť, no miera halucinácií v tomto teste stúpla zo 4 % pri Argone na 11 % pri Carbone. Merania používajú odlišné úlohy aj definície, takže jedno automaticky nevyvracia druhé. Spolu však pripomínajú, že tvrdenie o väčšej poctivosti modelu nemožno zovšeobecniť na každú odpoveď.

Prečo prístup dostávajú najprv obrancovia

Schopnosť zostaviť exploit má pri autorizovanom bezpečnostnom teste jasný účel: pomáha zistiť, ktoré chyby predstavujú reálne riziko. Rovnaká technická schopnosť môže byť nebezpečná pri neoprávnenom použití. Preto Google plánuje sprístupniť Carbon najskôr vybraným obranným tímom a potom postupne ďalším dôveryhodným partnerom cez program Fairwind. Zapojil sa tiež do dobrovoľného procesu americkej vlády na testovanie modelov pred širším uvedením. Tento krok nie je potvrdením, že model získal úradné schválenie.

Web programu Fairwind opisuje preverovanie záujemcov a podmienky používania na obranný či výskumný účel. Uvádza napríklad riadený prístup a zákaz ďalšieho poskytovania prístupu tretím stranám. Je však potrebné čítať ho s časovým kontextom: podrobnosti na stránke sa pri redakčnej kontrole vzťahovali predovšetkým na Gemini 4 Argon. Google zatiaľ nepredstavil úplný samostatný zoznam pravidiel pre Carbon. Bolo by preto predčasné tvrdiť, že každá podmienka opísaná pri Argone bude v nezmenenej podobe platiť aj pre nový model.

Cena je známa, dátum širokého uvedenia nie

Google oznámil úvodnú cenu dva doláre za milión vstupných tokenov a desať dolárov za milión výstupných tokenov. Pri využití vyrovnávacej pamäte uvádza 95-percentnú zľavu z ceny vstupných tokenov. Po skončení úvodného obdobia má cena stúpnuť na štyri, respektíve dvadsať dolárov za milión tokenov. Firma však pri Carbone neurčila dátum konca zvýhodnenia. Zverejnený cenník preto nemožno zamieňať za oznámenie, že k modelu už má prístup každý vývojár.

Aj ekonomika prevádzky má viac vrstiev než cenu za milión tokenov. Agent, ktorý opakovane skúma rozsiahly projekt a niekoľkokrát preveruje návrh opravy, môže spotrebovať výrazne viac výstupov než bežná otázka v chate. Artificial Analysis pri svojej zostave úloh odhaduje náklady Carbonu na jednu hodnotenú úlohu približne na 7,76 dolára pri štandardnej, nie zľavnenej cene. Je to porovnávacia hodnota z konkrétnej metodiky, nie univerzálna cena auditu alebo opravy chyby.

Čo by mali firmy sledovať ďalej

Pred prípadným nasadením bude rozhodujúce, či Carbon dokáže opakovateľne pracovať na kóde podobnom tomu, ktorý organizácia skutočne používa. Zmysluplné skúšanie by malo oddeliť správne nálezy od falošných poplachov, overiť, či opravy prejdú existujúcimi testami, a sledovať náklady na celý dokončený prípad. Pri bezpečnostných úlohách je navyše podstatné, aké oprávnenia agent dostane a či výsledky pred použitím posúdi odborník. Sú to kritériá hodnotenia, nie vlastnosti, ktoré by už Google pri každom nasadení preukázal.

Carbon má silný štart: nezávislý hodnotiteľ potvrdzuje jeho prvenstvo v širokom indexe a tvorcovia CWE-bench zobrazujú jeho náskok pri opravách. Najodvážnejšie tvrdenia o vyhľadávaní a zneužiteľnosti chýb si však zatiaľ vyžadujú opatrnejšie čítanie, pretože otvorené rebríčky príslušných testov model neukazujú. Skutočná hodnota novinky sa ukáže až pri kontrolovateľnom používaní mimo vybranej skupiny partnerov. Dovtedy je Gemini 4 Carbon predovšetkým prísľubom výkonnejšieho nástroja pre obrancov, nie hotovou náhradou ich úsudku.