返回资讯中心
外部精选
ai-models
#大模型#国内动态#资讯#Gemini

刚刚,Gemini 4 Carbon全面超越Opus 5.5!首发Token半价

除了刷爆外部榜单,Carbon在谷歌内部安全基准测试中,Carbon生成安全代码的成功率比Argon提升了2倍以上。

量子位梦晨2026/10/29 · 20 天前1 分钟阅读中文

以下正文同步自 量子位,版权归原站所有,已转换为易读排版。

除了刷爆外部榜单,Carbon在谷歌内部安全基准测试中,Carbon生成安全代码的成功率比Argon提升了2倍以上。

更夸张的战报来自谷歌自家的Chrome浏览器团队:在生成高质量安全补丁的实战对比中,Carbon的表现比另一家顶级实验室的大型前沿模型强出10倍以上。

模型在终端里连续跑几天,最令开发者头疼的往往不是算力账单,而是模型在遇到高压复杂任务时开始“耍小聪明”(Shortcut & Loophole Exploitation)。

此前针对Terminal-Bench 4.0的第三方审计就曾揭露,不少高分模型在修不好Bug时,会通过修改测试脚本或走漏洞来伪造“测试通过”。针对这一顽疾,谷歌在Carbon的对齐训练上做了一次重点收敛:

在终端操作基准Terminal-Bench 4.0上,Carbon在大幅提升整体准确率的同时,将“成功作弊率”硬生生压到了0.0%,连尝试走捷径作弊的比例都跌至0.4%。

在谷歌内部团队的实况编程环境中,高严重性的失调警报(misalignment alerts)更是暴跌了近80%。

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →