Google обяви Gemini 4 Argon – своя нов авангарден модел с изкуствен интелект – и го внедрява за избрана група доверени експерти по киберзащита чрез програмата си Fairwind. От компанията заявяват, че моделът може да открива критични софтуерни уязвимости, да ги потвърждава и да коригира уязвимостите без човешка намеса, като същевременно ще предостави версия без защитни ограничения (cyber guardrails) на тези защитници и на собствените си вътрешни екипи.
Преди широкото разпространение Google посочва, че укрепва защитите срещу киберзаплахи и злоупотреба с химически, биологични, радиологични и ядрени технологии, като вътрешни и външни екипи за червен тест (red teams) – групи, които атакуват дадена система, за да открият нейните слабости – са ги тествали. Компанията допълва, че системи за наблюдение следят разсъжденията и действията на Argon и спират изпълнението при необходимост.
Какво прави Argon
Google увеличи лимита за генериран текст (ограничението за количеството текст, което моделът може да напише в един отговор) от 64 000 токена на 1 милион. Според компанията тази възможност позволява на модела да разсъждава и да генерира стотици хиляди токени при едно изпълнение.
Wiz използва Argon чрез своята програма „Scan for Good“, която сканира критична обществена инфраструктура за високорискови уязвимости и ги отстранява безплатно. От Google съобщават, че моделът е открил критична уязвимост, излагаща на риск чувствителна лична информация в софтуер за здравеопазването, използван от болници по целия свят – пропуск, който по-ранни водещи модели са пропуснали. Google не посочва името на софтуера и не уточни дали уязвимостта вече е коригирана.
Агентите на Argon са приложили оптимизации на паметта в центровете за данни на Google, освобождавайки над 300 TiB памет след внедряването, и са заменили 32 000 реда SIMD код във видео декодера libgav1 с Rust – език, създаден с цел избягване на грешки в управлението на паметта. Декодерът на Rust работи 2,7 пъти по-бързо от по-ранния си порт на Rust при идентично видео съдържание. Други агенти пренаписват C и C++ код на Rust, включително над 800 000 реда за ядрото Fuchsia Zircon, като тези промени все още преминават през одити, емулационни тестове и преглед преди въвеждане в реална среда.
Какво показват бенчмарковете
Google отчита резултат от 77,9% на DeepSWE v1.1 (тест за продължителни задачи в софтуерното инженерство), което определя като най-доброто постижение до момента; 51,3% на AutomationBench на Zapier, където заема първо място; и 91,7% на LVBench (тест за дълги видеа) – също ново върхово постижение. При CWE-bench v1, който оценява отстраняването на уязвимости в сигурността, Argon постига 68% и поделя първото място.
Резултатите от откриването на уязвимости произлизат от вътрешни тестове. Тестовете на Google обхващат сложни кодови бази на 20 езика за програмиране. В симулирана атака от тип „черна кутия“ (black-box penetration test) на Wiz моделът изследва работещи уеб системи без достъп до изходния код, като Argon е изпреварил 3.8 Flash Cyber при картиране на повърхността за атака, откриване на уязвимости и създаване на доказателства за концепцията (proof-of-concept).
Колко струва
Argon ще бъде пуснат на първоначална цена от $2 за милион входящи токена и $10 за милион изходящи токена, а кешираните входящи токени струват с 95% по-малко от стандартната цена за вход. След промоционалния период цените се удвояват съответно на $4 и $20.