Google Siber Güvenlik Modeli Carbon’u Tanıttı

Google DeepMind, Gemini 4 Carbon modelini sınırlı erişimle tanıttı.

Google DeepMind, uzun süreli ajan görevleri, yazılım geliştirme ve siber güvenlik çalışmalarına odaklanan yeni yapay zeka modeli Gemini 4 Carbon’u tanıttı. Google’ın açıkladığı benchmark sonuçlarına göre Carbon, güvenlik açığı bulma, açığın kullanılabilirliğini doğrulama ve kod seviyesinde düzeltme alanlarında önceki Gemini modellerine kıyasla daha yüksek performans gösteriyor. Model ilk aşamada genel kullanıma açılmak yerine seçili siber savunma ekipleriyle test edilecek.

Gemini 4 Carbon, iki hafta önce duyurulan Gemini 4 Argon’un ardından geliyor. Google modeli, uzun süre devam eden karmaşık mühendislik görevlerinde çalışabilecek şekilde geliştirdiğini belirtiyor. Şirket içindeki testlerde Carbon’un büyük kod tabanlarındaki sorunların kök nedenlerini araştırmak, düşük seviyeli sistemlerdeki hataları bulmak ve bunlara yönelik yamalar geliştirmek için günler süren ajan görevlerini sürdürebildiği aktarılıyor.

Siber güvenlikte üç güçlü benchmark sonucu

Google’ın açıkladığı verilere göre Gemini 4 Carbon, SEC-bench Pro’da yüzde 88,2 başarı oranına ulaştı. Bu test, gerçek yazılım sistemlerindeki güvenlik açıklarını bulma kapasitesini ölçüyor.

Model, güvenlik açığının gerçekten kullanılabilir olup olmadığını değerlendiren ExploitGym benchmark’ında yüzde 54,8, tespit edilen zafiyetin temel nedenini gidermeye yönelik kod düzeltmelerini ölçen CWE-bench’te ise yüzde 71 başarı elde etti. Google, üç sonucu da mevcut karşılaştırmalar içinde üst seviye performans olarak tanımlıyor.

Bu rakamların gerçek kurumların üretim ortamındaki başarı oranıyla aynı anlamı taşımadığını özellikle ayırmak gerekiyor. Google’ın verdiği sonuçlar standartlaştırılmış benchmark testlerine dayanıyor. Ayrıca şirket, SEC-bench Pro ve ExploitGym değerlendirmelerinin güvenlik korumaları kapatılarak gerçekleştirildiğini belirtiyor.

Carbon, Artificial Analysis Intelligence Index’in 5.0 sürümünde de 59 puanla ilk sıraya yerleşti. Google bu sonucu modelin yalnız siber güvenlikte değil, kodlama ve ajan tabanlı görevlerdeki daha geniş performansının göstergesi olarak sunuyor.

Güvenlik açığını bulup yamaya kadar ilerliyor

Gemini 4 Carbon’un siber güvenlik açısından dikkat çekici tarafı, yalnız güvenlik açığı aramaya odaklanmaması.

Google modeli üç aşamalı bir savunma zinciri üzerinden konumlandırıyor: güvenlik açığının bulunması, açığın gerçekten kullanılabilir olup olmadığının doğrulanması ve sorunun temel nedenini ortadan kaldıran kod düzeltmesinin hazırlanması.

Bu yapı özellikle güvenlik ekiplerinin karşılaştığı uyarı yoğunluğu açısından önem taşıyor. Bir güvenlik aracının binlerce olası zafiyet üretmesi tek başına yeterli sonuç sağlamıyor. Hangi açığın gerçekten istismar edilebildiğinin anlaşılması ve ardından düzeltmenin uygulanması gerekiyor.

Google’ın iddiasına göre Carbon bu sürecin farklı aşamalarını aynı ajan iş akışı içinde yönetebilecek kapasiteye sahip. Chrome ekibinin şirket içi testlerinde modelin kaliteli güvenlik yamaları üretirken başka bir büyük frontier modele kıyasla 10 kattan fazla performans gösterdiği de aktarılıyor. Bu karşılaştırma Google’ın kendi test sonuçlarına dayanıyor.

Model günler süren görevleri sürdürebiliyor

Carbon’un diğer önemli özelliği uzun süreli ajan görevlerine odaklanması.

Google DeepMind, modelin karmaşık mühendislik problemlerinde günler boyunca çalışabildiğini, başarısız yolları bırakıp yeni çözüm stratejileri geliştirebildiğini belirtiyor. Büyük kod depolarındaki hatanın kök nedenini bulmak veya birbiriyle bağlantılı birçok bileşeni kapsayan güvenlik sorununu çözmek bu kullanım alanları arasında.

Bu yaklaşım, yapay zeka ajanlarının yazılım geliştirme ve güvenlik ekiplerindeki rolünü de değiştiriyor. Tek bir soruya yanıt veren model yerine görev planlayan, araç kullanan, sonuçları kontrol eden ve gerektiğinde yaklaşımını değiştiren sistemler öne çıkıyor.

Google, Carbon’un web geliştirme performansında da ilerleme kaydettiğini ve WebDev Arena’da 1.768 puanla dördüncü sıraya yükseldiğini bildiriyor.

Güvenlik önlemleri de genişletildi

Siber güvenlik kapasitesinin artması modelin çift kullanımlı risklerini de beraberinde getiriyor. Güvenlik açığı bulabilen ve istismar yöntemini doğrulayabilen bir sistem, savunma amacı kadar kötüye kullanım açısından da hassasiyet taşıyor.

Google bu nedenle Carbon’un dağıtımını kademeli yürütüyor. Şirket, ABD hükümetinin gönüllü dağıtım öncesi model test sürecine katıldığını ve modelin ilk olarak sınırlı sayıdaki siber savunma ekibine açılacağını belirtiyor. Daha fazla güvenilir ortak Fairwind Programı kapsamında aşamalı biçimde sisteme alınacak.

Google’ın iç testlerine göre Carbon, prompt injection saldırılarına karşı Gray Swan Indirect Prompt Injection benchmark’ında yüzde 0 saldırı başarı oranı elde etti. Şirket ayrıca yüksek önem seviyesindeki hizalama uyarılarının yaklaşık yüzde 80 azaldığını ve desteklenmeyen iddiaların Argon’a kıyasla yaklaşık yarıya indiğini bildiriyor. Bu sonuçlar şirketin kendi güvenlik değerlendirmelerine dayanıyor.

Gemini 4 Carbon şu anda geliştiriciler, şirketler ve tüketiciler için genel kullanıma açık değil. Google bu gruplara erişimi ilk siber savunma testlerinden ve güvenlik geri bildirimlerinden sonra açmayı planlıyor.

Şirket fiyatlandırmayı da şimdiden açıkladı. Carbon’un başlangıç fiyatı bir milyon giriş tokenı için 2 dolar, bir milyon çıkış tokenı için 10 dolar olacak. Tanıtım döneminin ardından fiyatların sırasıyla 4 dolar ve 20 dolara yükselmesi planlanıyor.

Gemini 4 Carbon’un teknoloji sektörü açısından asıl önemi benchmark sıralamasının ötesinde. Siber güvenlik ekipleri uzun süredir yapay zekayı kod analizi ve uyarı sınıflandırmasında kullanıyor. Carbon gibi modeller ise güvenlik açığını bulmaktan istismar edilebilirliğini test etmeye, ardından kod düzeltmesi hazırlamaya kadar daha uzun bir zinciri ajan mantığıyla üstlenmeye başlıyor. Bankalar, fintekler ve kritik altyapı işletmecileri açısından bu kapasite güvenlik açıklarının daha hızlı kapatılmasını sağlayabilirken aynı teknolojinin kötüye kullanım riski güçlü erişim kontrolleri ve insan gözetimini zorunlu hale getiriyor. Carbon’un gerçek sınavı, kontrollü benchmark ortamlarından çıktıktan sonra kurumsal güvenlik ekiplerinde ne kadar güvenilir, denetlenebilir ve ölçülebilir sonuç üretebildiği olacak.