Article Detail

内容详情

围绕文章主旨、阅读节奏与信息层次进行优化,让读者进入正文前就能快速理解主题重心与阅读价值。

谷歌新模型拳打GPT脚踢Claude,却没打算让我们用详情展示图

谷歌新模型拳打GPT脚踢Claude,却没打算让我们用

PG电子试玩官方中心-PG游戏试玩指南 826 阅读 约 5.5 分钟

作者|黄晓彬 原创首发|蓝字计划 各位,先忘了Claude,也忘了 GPT 吧。曾经大模型的王,谷歌 Gemini,带着新旗舰回来屠榜了。 10 月 28 日,Gemini 4 Carbon 突然发布。在第三方机构 Artificial Analysis 的智能指数 v5.0 榜单上,它直接砍下 59 分,把 58 分的 Claude Opus 5.5 和 57 分的 GPT-6 Astra 双双按在身下,重回全球第一。 图源:Artificial Analysis 在谷歌晒出的17 项核心对比里,Carbon 更是一口气卷走了所列模型中的 15 项最高分。 曾经被网友戏谑为“美国豆包”的 Gemini,蛰伏一年,这次是真的要把王座抢回来了。 但就在无数开发者和吃瓜群众摩拳擦掌,准备第一时间上手把玩这位“新王”时,谷歌却兜头泼了一盆冷水:Sorry,模型是发了,但各位现在还用不上。 按照官方的说法,Carbon 目前只会塞给极少数精挑细选的“网络安全防御人员”,至于普通开发者、企业和大众,官方只轻飘飘地扔下两个字:「尽快」。 谷歌再一次故技重施。上一次Gemini 4 Argon 发布,谷歌也是“只给看、不给摸”,等了差不多半个月,才能让大家用上。连续两次把全网胃口吊到最高点又一脚踩空,谷歌也学会耍猴了? 但如果深深扒开谷歌丢出来的成绩单,就会发现: 谷歌貌似还真有不得不耍猴的理由。 图源:Google 官方发布公告截图 必须封印的新能力 看看Carbon 这次暴涨的能力,就知道谷歌为什么只敢把它先交给搞安全防御的人。 先看最基础的长文本。 在极其变态的GraphWalks 测试(256K 到 1M 超长上下文)里,Carbon 拿到了接近满分的 96.2% F1 得分。作为对比,同期的 GPT-6 Astra 是 71.8%,Claude Opus 5.5 只有 66.8%,连半个月前的自家兄弟 Argon 也只有 84.2%。 这项测试其实对我们的日常工作非常具有实际意义。 简单来说,这项测试就像是把几千页错综复杂的财务账本、上百份跨国合同或者一整座城市的交通网络丢给模型,然后问它“第十二页那个隐蔽的漏洞,和最后附录里的一笔交易到底有什么联系?” 这种在海量信息中找出相隔千里两处地方内容之间联系的能力,一些普通模型可能直接罢工了,但Carbon却能稳稳交卷。 甚至,Carbon在接下来的三项的成绩里,还秀了一把发现漏洞、利用漏洞、修复漏洞的完整闭环: 找漏洞的SEC-bench Pro,拿到 88.2%;在 ExploitGym 中编写漏洞利用代码、验证漏洞时,从上一代 Argon 的 42% 飙升到 54.8%,把只有 34.5% 的 Claude Opus 5.5 远远甩在身后;到了打补丁修漏洞的 CWE-bench,又拿下 71.0%。 图源:Google DeepMind 这就相当于Carbon 拥有了发现后门,验证后门,和修补后门的完整能力,把网安人员和黑客想做的事情都具备了。 而且据谷歌说,以上三项外部安全评测,全部是在“解除安全防护限制”的裸奔状态下跑出来的。这就意味着无防护状态下完全体的Carbon,完全有可能展现出非常强烈的攻击性,如果被有心人利用,也很有可能造成严重的网络安全威胁。 图源:Google DeepMind 因此,谷歌在收集够反馈、想好怎么给这头猛兽套上绝对可靠项圈之前,还不能直接放到公网上。 除此之外,Carbon 的“耐力”也是谷歌对它慎之又慎的重要原因。 据谷歌披露,在内部复杂任务中,工程师已经放手让Carbon 连续工作好几天了。面对堆积如山的烂账、错综复杂的系统死结,它能像个不知疲倦的牛马,哪怕撞了南墙也会自己退回来换条路继续查,直到揪出根因把问题彻底解决。 Chrome 团队晒出的内部战报显示,在生成高质量补丁这件事上,Carbon 的表现比另一家顶级实验室的大型前沿模型强出整整 10 倍。 一个能读透大型代码库、自己找漏洞写利用脚本,还能在后台不眠不休连轴转几天的AI,如果真的出现了失控,后果的确不堪设想。 所以谷歌也说了,在接下来的改进中,最终要的是避免它是不是真的能严格遵守用户的命令,不耍小聪明,更不会自作主张来捣乱。 让 AI 别瞎勤快,也别“糊弄事” 平时我们用AI 干活,最怕遇到两种让人崩溃的场景。 你让它修一个小Bug,它倒好,顺手把旁边八竿子打不着的三个核心文件也给改了,这叫“瞎勤快”(过度执行);你让它排查十个文件,它扫了一眼头两个,就拍着胸脯告诉你“老板,全没问题”,这就是“糊弄学”(服务不足)。 如果一个AI 比较笨,瞎勤快和耍小心眼顶多只会浪费一些时间;但谷歌认为,像 Carbon 这样厉害的 AI,如果也这样,就有可能出现严重的网安问题。 所以,按照谷歌

about image
觉得有用?分享给朋友

让更多人看到这篇内容

推荐阅读

Search
热点新闻
幸运!对手退赛给到中国金花资格,王欣瑜晋级WTA500东京站正赛
幸运!对手退赛给到中国金花资格,王欣瑜晋级WTA500东京站正赛

WTA500东京站的赛场称,在其他参赛选手的退赛基础上,中国的金花王欣瑜幸运递补进入正赛。这一次签表契机,给她的东京之旅迎来了全新的转机。 按照原本的赛程安排,王欣瑜是以资格赛头号种子的身份出战,原定将在当天的资格赛中对阵瓦伦托娃。如今免去了资格赛的考验,她不仅节省了体能消耗,也获得了更充裕的时间来适应场地和调整状态。正赛的抽签仪式预计将在24小时后开比,届时她首轮的对手才会揭晓。与此同时,本站比

[流言板]格拉斯纳坚信德拉普能成顶级中锋;若奥利塞离队拜仁有意MGW
[流言板]格拉斯纳坚信德拉普能成顶级中锋;若奥利塞离队拜仁有意MGW

虎扑10月23日讯 每日邮报著名记者Tom Collomosse撰写诺丁汉森林主教练格拉斯纳专栏。 格拉斯纳的处境如何? 诺丁汉森林的足球事务主管乔治-叙里亚诺斯是促成格拉斯纳上任的关键人物,他本人的前途也极有可能与格拉斯纳执教的成败紧密挂钩。 在近期与球迷团体的会面中,叙里亚诺斯强调,这是一项长期规划。根据诺丁汉森林内部的数据模型,格拉斯纳在“激发球员潜能、使其超水平发挥”这一能力上,位居英超教

C罗“历史第一金球”引热议:刷票狂欢还是荣誉贬值?
C罗“历史第一金球”引热议:刷票狂欢还是荣誉贬值?

我盯着手机屏幕上那条关于“历史第一金球奖”的新闻,手指悬在半空,愣了足足五秒钟。不是因为震惊,而是因为一种难以言喻的荒诞感。那个金色的奖杯,在2008年,属于C罗,这是事实。但在那一刻,它变成了一个被5009个人日夜不停、像刷单机一样点击出来的数字符号。官方明明说了,这不算奖项,只是个让球迷玩玩的投票,甚至有点圈钱的嫌疑,可为什么它现在的分量,在某些人眼里,比梅西手里那8个实打实的金球奖还要重?这

广东3消息!宏远获体育局重要支持,外援阵容正式敲定,徐杰已归队
广东3消息!宏远获体育局重要支持,外援阵容正式敲定,徐杰已归队

北京时间11月14日,广东宏远传来最新消息!就在最近,广东体育局局长、东阳光集团董事会、东莞银行东莞城投等国企领导一行人来到宏远俱乐部进行考察。宏远方面陈老板亲自陪同,已经高升为省篮协会长的杜锋也参与其中。据宏远主赞助商东阳光集团董事宋涛表示,体育局领导在参观考察俱乐部时,表达了对宏远的关心和支持!也希望宏远真的能争取到更多的人才和赞助资源。另一方面,宏远训练馆对挂上的球员照片进行调整,亚帅和博日

首钢和北控男篮4人将代表中国男篮出征世预赛
首钢和北控男篮4人将代表中国男篮出征世预赛

11月19日,中国篮球协会宣布了出征月底进行的世界杯预选赛的14人名单,其中北京首钢男篮、北控男篮各两人入选,分别是周琦、曾凡博、廖三宁、赵嘉义。 在本赛季CBA常规赛第一阶段结束后,中国篮球协会立即宣布了最新一期的中国男篮集训队名单,其中首钢男篮有周琦、赵睿、曾凡博入选,北控队为廖三宁、赵嘉义。 队伍在国家体育总局训练局进行了十余天的集训,最终确定了最终出征西亚的14人名单,分别为赵继伟、廖三宁