Acaba de ser lançado oficialmente o Gemini 4 Carbon, e a Hakimi recuperou o primeiro lugar no ranking mundial
Será que Gemini finalmente recuperou o fôlego?
Enquanto a atenção do mundo está voltada para o primeiro MacBook Pro com tela sensível ao toque da Apple, o Google DeepMind acaba de anunciar oficialmente o lançamento de seu novo modelo principal, o Gemini 4 Carbon.
Segundo dados oficiais, o Gemini 4 Carbon obteve 59 pontos no mais recente ranking do Índice de Inteligência Artificial de Análise v5.0, superando Claude Opus 5.5 e o GPT-6 Astra para se tornar o melhor modelo de grande porte do mundo.
Mais impressionante ainda, o Gemini 4 Carbon foi capaz de lidar com tarefas complexas de engenharia por vários dias consecutivos, encontrando, verificando e corrigindo vulnerabilidades de segurança de software de forma autônoma, além de estabelecer novos recordes em diversos testes de referência de cibersegurança.
No entanto, um modelo tão poderoso ainda não está disponível para usuários comuns: o Google decidiu priorizar sua disponibilização para um pequeno número de profissionais de segurança cibernética, e ainda não há um cronograma definido para quando outros usuários poderão experimentá-lo.
Após recuperar o primeiro lugar no ranking mundial, Gemini agora está testando seus limites.
Analisando a competição de modelos em larga escala deste ano, o ritmo de atualizações do Google demonstra claramente que a empresa está "aprendendo com seus erros e buscando melhorias".
Após o lançamento sucessivo das séries Gemini Flash 3.5 a 3.8, o Google demorou a atender às expectativas para uma nova geração de modelos Pro de ponta. Por outro lado, Anthropic e OpenAI continuam a expandir os limites de capacidade, e os modelos nacionais também estão alcançando o mesmo nível de forma constante. O Google precisa urgentemente de um produto substancial para reafirmar sua força.
O Gemini 4 Argon finalmente fez sua estreia há apenas duas semanas.
O Argon, cujo nome significa "argônio", é um gás inerte estável comumente usado para proteção ambiental em soldagem e na fabricação de semicondutores. Embora o Argon tenha apresentado melhorias significativas no estilo de escrita e na qualidade da expressão, ele ainda fica atrás dos modelos de ponta em termos de desempenho geral.
Agora, o Google apresentou o Carbono. Como elemento essencial na formação da vida e de compostos orgânicos, o carbono pode formar tanto grafite macio quanto diamante duro.
: https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/O que realmente chamou a atenção para o Gemini 4 Carbon foi a sua série de resultados de desempenho publicados.
Em 27 de outubro, a organização independente de avaliação de modelos Artificial Analysis atualizou seu Índice de Inteligência para a versão 5.0. Este índice abrangente cobre quatro áreas principais: trabalho intelectual, programação, ciência e raciocínio geral, cada uma representando 25% da avaliação. 60% do peso da avaliação utiliza dados de teste proprietários ou respostas ocultas, aumentando ainda mais a dificuldade do teste.
Quando a nova tabela de classificação foi divulgada ontem, Claude Opus 5.5 ficou em primeiro lugar com 58 pontos, seguido de perto pelo GPT-6 Astra com 57 pontos, e o GPT-6.1 Sol em terceiro lugar com 55 pontos. O Gemini 4 Carbon, no entanto, obteve 59 pontos, 9 pontos a mais que o Argon e 1 ponto à frente do líder anterior, Claude Opus 5.5.
Não apenas em Análise Artificial, mas os rankings mais recentes da Arena.ai também mostram que o Gemini 4 Carbon (High) liderou a lista na Arena de Texto, ficou em segundo lugar na Arena de Agentes e em quarto lugar na Arena de Código para Desenvolvimento Web.
Deslize para a esquerda para ver mais conteúdo.
Com o novo modelo alcançando o topo, o Google começou a promover ativamente o Gemini internamente. Shunyu Yao, um pesquisador chinês que anteriormente trabalhou na Anthropic e depois ingressou no Google DeepMind, também está apoiando a série Gemini.
Além da classificação geral, o Gemini 4 Carbon também apresentou mudanças significativas em seu desempenho em tarefas de engenharia do mundo real.
No passado, um modelo complexo podia ser programado em minutos, mas com a engenharia de software em larga escala, os problemas são muito mais complexos. Uma falha oculta em centenas de arquivos pode exigir que os desenvolvedores verifiquem repetidamente as dependências, localizem a anomalia, modifiquem o código e realizem várias rodadas de testes antes que o problema seja resolvido.
Para a IA, além das habilidades de programação, outro desafio é se ela consegue manter um objetivo consistente durante a execução de tarefas de longo prazo e continuar tentando após uma falha.
O Google afirma que o Gemini 4 Carbon tem sido capaz de funcionar continuamente por dias, lidando com problemas complexos de engenharia em grandes bases de código e sistemas subjacentes. Mesmo quando encontra obstáculos, ele consegue continuar buscando outras soluções e, por fim, localizar e corrigir alguns defeitos de software ocultos.
Em desenvolvimento web, o Gemini 4 Carbon melhorou sua pontuação Elo no WebDev Arena em 89 pontos, atingindo 1769 pontos e ficando em quarto lugar.
Em comparação com os assistentes de programação facilmente disponíveis no passado, o Google espera que o Gemini 4 Carbon possa se tornar um agente verdadeiramente autônomo, capaz de realizar tarefas complexas de engenharia.
A IA começa a encontrar, explorar e corrigir vulnerabilidades de forma autônoma.
Se a programação de longo alcance demonstra as capacidades de engenharia do Gemini 4 Carbon, então a cibersegurança é talvez o aspecto mais notável desta atualização do Google.
O trabalho tradicional de segurança de software envolve várias etapas: primeiro, encontrar vulnerabilidades em uma grande quantidade de código; em seguida, determinar se as vulnerabilidades podem ser exploradas; e, finalmente, escrever correções para resolver os problemas e verificar a eficácia das modificações.
As capacidades aprimoradas do Gemini 4 Carbon abrangem perfeitamente todo esse processo.
No teste SEC-bench Pro, o Gemini 4 Carbon alcançou uma pontuação de 88,2%, que avalia principalmente a capacidade do modelo de descobrir autonomamente vulnerabilidades complexas em softwares reais.
No teste ExploitGym, o Gemini 4 Carbon alcançou uma taxa de sucesso de 54,8%, que se concentra em verificar se a vulnerabilidade pode ser efetivamente explorada para confirmar o risco.
No teste CWE-bench da Collinear, o Gemini 4 Carbon alcançou uma pontuação de 71,0%, demonstrando sua capacidade de gerar correções de código eficazes para os problemas identificados.
De acordo com os resultados do Google, o Gemini 4 Carbon obteve desempenho superior nos três testes, sem a ativação de restrições de segurança.
Os testes internos do Google também produziram resultados semelhantes.
Na geração de código seguro, a taxa de sucesso do Gemini 4 Carbon é mais que o dobro da do Argon; a equipe do Chrome descobriu que ele gera patches de segurança de alta qualidade mais de dez vezes melhor do que um modelo de ponta de outro laboratório, mas não divulgou a comparação. A plataforma de segurança em nuvem do Google, Wiz, também observou que o Carbon obteve resultados excelentes em testes de penetração de aplicações web.
Desde a descoberta de vulnerabilidades e verificação de riscos até a conclusão da correção, a IA está gradualmente dominando todo o fluxo de trabalho dos especialistas em cibersegurança. No entanto, as mesmas capacidades que podem ser usadas para corrigir sistemas também podem ser exploradas por atacantes. Portanto, o Google também se concentrou em aprimorar a confiabilidade do Carbon na execução autônoma de tarefas.
Nos testes do Terminal-Bench 4.0, a taxa de trapaças bem-sucedidas do Carbon caiu para 0,0%, e a taxa de tentativas de trapaça foi de apenas 0,4%, enquanto a precisão das tarefas melhorou. Em um ambiente de programação real, os alertas de inconsistência comportamental de alta gravidade diminuíram em quase 80%, as asserções sem evidências de suporte diminuíram em cerca de metade, e as instâncias de ações não autorizadas e conclusão incompleta de tarefas diminuíram em 26% e 29%, respectivamente.
Outro avanço vem da proteção contra injeção imediata.
Os atacantes podem injetar instruções maliciosas em páginas da web ou documentos para induzir a IA a desviar-se de sua tarefa original. No teste de injeção indireta de pistas do Gray Swan, o Carbon reduziu ainda mais a taxa de sucesso do ataque, de 0,7% para 0,0% (do Argon), resistindo a todas as tentativas de ataque abrangidas por este teste.
É claro que uma taxa de sucesso zero nos testes não significa que todos os ataques no mundo real possam ser evitados. Alguns usuários do Hacker News acreditam que reduzir a tendência da IA de usar truques ao executar tarefas pode ser um passo significativo para melhorar a praticidade dos modelos de ponta.
Afinal, quando a IA começar a lidar autonomamente com tarefas complexas de engenharia, as pessoas não devem se preocupar apenas se ela conseguirá concluir o trabalho, mas também se ela ultrapassará seus limites, fabricará resultados ou até mesmo agirá arbitrariamente ao encontrar obstáculos.
A tendência mais forte no marketing do mundo da IA são as apresentações sem adereços.
No entanto, a controvérsia que mais chamou a atenção após o lançamento do Gemini 4 Carbon teve pouco a ver com as capacidades do modelo.
De acordo com o cronograma oficial, o Gemini 4 Carbon será inicialmente disponibilizado a um grupo seleto de profissionais de cibersegurança esta semana, e posteriormente expandido gradualmente para parceiros confiáveis por meio do Programa Fairwind. O Google também está participando de um programa de testes pré-lançamento conduzido voluntariamente pelo governo dos EUA. Atualmente, não há previsão de quando o produto estará disponível para desenvolvedores e consumidores em geral.
Em relação aos preços, o Gemini 4 Carbon adotará o modelo de preços inicial da Argon, cobrando US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída, com um desconto de 95% em entradas armazenadas em cache. Após o período promocional, o preço padrão será ajustado para US$ 4 para entradas e US$ 20 para saídas.
Vale mencionar que, quando a notícia sobre o novo modelo do Google foi divulgada no Hacker News, a seção de comentários rapidamente se tornou bastante movimentada.
Muitos internautas expressaram sua crescente insatisfação com a prática do Google de anunciar novos modelos com antecedência, mas atrasar seu lançamento; outros disseram que tinham preguiça de clicar nos links de lançamento de modelos do Google porque sempre descobriam que o produto estava temporariamente indisponível.
Não está claro quando começou, mas as empresas de IA parecem ter se tornado cada vez mais hábeis em uma forma peculiar de lançar seus produtos.
O que originalmente era um modelo emblemático, pronto para ser lançado imediatamente após o polimento, agora está envolto em uma narrativa cautelosa de ser poderoso demais e potencialmente capaz de destruir o mundo. Comunicados de imprensa são emitidos de tempos em tempos para capturar a atenção de todos, mas, no fim, nunca são utilizados.
Esse método de lançar "performances sem adereços" realmente levou Anthropic ao erro.
Em última análise, a competição pelo título de IA número um do mundo está se assemelhando cada vez mais a um jogo de marketing. Numa era em que os modelos são atualizados quase a cada poucos dias, lançar novos está se tornando mais fácil, mas convencer os usuários de suas capacidades está se tornando cada vez mais difícil.
Afinal, os benchmarks podem nos dizer o quão bem um modelo se comporta em testes, mas se ele pode ser aplicado em ambientes de trabalho reais e gerar valor sustentável, só o tempo dirá quando os usuários de fato o utilizarem.
Para a Gemini, talvez mais importante do que se anunciar novamente como número um do mundo seja disponibilizar esse produto, o número um do mundo, para mais pessoas o mais rápido possível.
