Google DeepMind, 28 Ekim’de yeni öncü (frontier) modeli Gemini 4 Carbon’u tanıttı. Şirket, Carbon’u “siber güvenlik ve uzun soluklu görevlerde en güçlü modelimiz” olarak tanımlıyor. Model, yalnızca iki hafta önce duyurulan Gemini 4 Argon’un üzerine inşa edildi. Ancak duyurunun en dikkat çekici yanı performans tabloları değil, dağıtım biçimi: Carbon şimdilik geliştiricilere, şirketlere ya da sıradan kullanıcılara açık değil. İlk erişim, Google’ın Fairwind programındaki seçili siber savunma ekiplerine veriliyor.
Google DeepMind’dan Koray Kavukçuoğlu imzalı duyuruda, şirketin ABD hükümetinin gönüllü “yayın öncesi model testi” sürecine katıldığı ve modeli geniş kitlelere açmadan önce güvenlik önlemlerini geri bildirimlerle geliştirmeyi sürdürdüğü belirtiliyor.
Gemini 4 Carbon neler yapabiliyor?
Şirkete göre Carbon, bağımsız bir değerlendirme kuruluşu olan Artificial Analysis’in yakın zamanda güncellenen genel zekâ endeksinin 5.0 sürümünde 59 puanla ilk sıraya yerleşti. Aynı endekste Claude Opus 5.5’in 58, GPT-6 Astra’nın 57 puan aldığı görülüyor. Yani fark, iddia edildiği kadar büyük değil; öncü modeller arasındaki yarış birkaç puanlık farklarla sürüyor.
Carbon’un asıl iddiası uzun soluklu mühendislik işlerinde. Google, kendi ekiplerinin modeli günlerce çalıştırarak büyük kod tabanlarındaki ve düşük seviyeli sistemlerdeki ince hataların kök nedenini bulup düzelttirdiğini söylüyor. Model, web geliştirme kalitesini ölçen WebDev Arena sıralamasında da 89 puanlık sıçramayla dördüncü sıraya yükseldi.
Siber güvenlikte üç aşamada rekor iddiası
Google, siber savunmayı üç aşamalı bir döngü olarak ele alıyor: açığı bulmak, gerçekten istismar edilebilir olup olmadığını doğrulamak ve kök nedenini düzeltmek. Şirketin paylaştığı ve güvenlik önlemleri kapalıyken ölçüldüğünü belirttiği sonuçlar şöyle:
- Açık bulma: Gerçek yazılımlardaki güvenlik açıklarını bulma becerisini ölçen SEC-bench Pro testinde yüzde 88,2. Aynı testte GPT-6 Astra yüzde 85,4, Argon yüzde 83,4 aldı.
- İstismarı doğrulama: Bir açığın saldırıya dönüştürülüp dönüştürülemeyeceğini ölçen ExploitGym testinde yüzde 54,8.
- Yama üretme: Güvenlik zaafiyeti kategorileri için çalışan düzeltmeler üretmeyi ölçen CWE-bench testinde yüzde 71.
Şirket içi testlerde Carbon’un güvenli kod üretmedeki başarı oranının Argon’un iki katından fazla olduğu, Chrome ekibinin ise modelin yüksek kaliteli yama üretmede “başka bir laboratuvarın büyük öncü modelinden” 10 kat daha iyi sonuç verdiğini raporladığı belirtiliyor. Google, karşılaştırılan modelin hangisi olduğunu açıklamadı.
Neden önce savunmacılar?
Bir modelin açık bulma ve istismar etme becerisi, savunma ekipleri için büyük bir kazanım. Ama aynı beceri kötü niyetli kişilerin elinde ciddi bir tehdide dönüşebilir. Buna yapay zekâda çift kullanım sorunu deniyor. Google’ın Fairwind programı tam da bu riski yönetmek için tasarlandı: Hükümetler, sağlık kuruluşları, telekomünikasyon şirketleri ve kritik altyapı işletmecileri gibi öncelikli savunmacılara, yeni tehditler ortaya çıkmadan önce gelişmiş modellere erken erişim sağlanıyor.
Programın sayfasına göre 650’den fazla ortak bulunuyor. Başvuran kurumlar geçmiş güvenlik kayıtları açısından inceleniyor; erişimi yalnızca iç siber güvenlik, olay müdahale ve sızma testi ekiplerine verebiliyor, oltalamaya dayanıklı çok faktörlü kimlik doğrulama kullanmak zorunda kalıyor ve modele erişimi başkalarıyla paylaşamıyor ya da satamıyor.
Güvenlik ve dürüstlük iddiaları
Google, Carbon’un yalnızca daha yetenekli değil, daha “hizalı” olduğunu da öne sürüyor. Şirketin iç değerlendirmelerine göre:
- Terminal-Bench 4.0 testinde başarılı hile oranı yüzde 0’a, hile girişimi oranı yüzde 0,4’e indi.
- Gerçek kodlama ortamlarında yüksek önem dereceli “uyumsuz davranış” uyarıları yaklaşık yüzde 80 azaldı.
- Desteklenmeyen iddialar Argon’a göre yaklaşık yarıya düştü; model eksik kanıt karşısında uydurmak yerine eksikleri açıkça listeliyor.
- Kapsam dışına taşma yüzde 26, eksik hizmet yüzde 29 azaldı.
- Dolaylı istem enjeksiyonu (prompt injection) saldırılarını ölçen testte saldırı başarı oranı yüzde 0 olarak raporlandı.
Bu rakamların neredeyse tamamı şirketin kendi ölçümleri. Bağımsız araştırmacıların aynı sonuçlara ulaşıp ulaşmayacağı, model geniş kitlelere açıldığında netleşecek.
Fiyat ve erişim takvimi
Carbon, tanıtım döneminde Argon ile aynı fiyattan sunulacak: milyon girdi token’ı için 2 dolar, milyon çıktı token’ı için 10 dolar. Tanıtım dönemi bittikten sonra fiyat girdi için 4, çıktı için 20 dolara çıkacak. Google, modelin geliştiricilere, işletmelere ve tüketicilere “mümkün olan en kısa sürede” açılacağını söylüyor, ancak kesin bir tarih vermiyor.
Yapay zekâ okuryazarlığı açısından: Neyi sorgulamalıyız?
- Bir modelin “en güçlü” olduğu iddiası hangi testlere dayanıyor ve bu testleri kim yürütüyor?
- Açık bulabilen bir yapay zekâ, kurumumuzun yazılımlarını kimden önce tarıyor: bizden mi, saldırganlardan mı?
- Bir şirketin modeli “önce güvenilir ortaklara” açması, bu modelin ne kadar riskli görüldüğü hakkında bize ne söylüyor?
- Siber savunma ekiplerimiz, yapay zekâ destekli saldırıların hızına hazır mı?
Gemini 4 Carbon, öncü modellerin artık yalnızca sohbet eden asistanlar olmadığını, günlerce çalışan ve güvenlik açıklarını avlayan sistemlere dönüştüğünü gösteriyor. Asıl soru, bu gücün kimin elinde ve hangi kurallarla kullanılacağı.
Kaynak: Google DeepMind, The Verge
