Gemini 4 Carbon, Model AI Google yang Unggul di Keamanan Siber

Google memperkenalkan Gemini 4 Carbon, model kecerdasan buatan (AI) terbaru yang dirancang untuk menangani tugas rekayasa perangkat lunak kompleks sekaligus memperkuat pertahanan keamanan siber. Model ini diklaim mampu mendeteksi kerentanan, menguji potensi eksploitasi, hingga memperbaiki celah keamanan secara mandiri. Peluncurannya dilakukan secara bertahap dengan melibatkan pakar keamanan siber dan mitra tepercaya sebelum tersedia bagi publik.

Gemini 4 Carbon menjadi model AI terbaru yang dikembangkan untuk menghadapi tantangan teknis dengan tingkat kesulitan tinggi. Selain meningkatkan kemampuan pemrograman dan penalaran, model ini dirancang untuk menjalankan tugas dalam jangka panjang tanpa kehilangan arah atau mengabaikan batasan yang telah ditentukan.

Dalam pengumuman resminya, pengembang menyebut Carbon sebagai model terkuat mereka dengan kemampuan keamanan siber mutakhir. Model ini juga mencatatkan hasil yang menonjol dalam sejumlah pengujian kecerdasan buatan, terutama yang berkaitan dengan pengembangan perangkat lunak dan pertahanan sistem digital.

Pada Artificial Analysis Intelligence Index versi 5.0 yang baru diperbarui, Carbon menempati peringkat pertama dengan skor 59. Model ini juga menunjukkan peningkatan kemampuan dalam menjalankan tugas berbasis agen AI atau agentic tasks, yakni tugas yang memungkinkan AI merencanakan dan melakukan serangkaian tindakan untuk mencapai tujuan tertentu.

Peningkatan tersebut menjadi salah satu alasan Carbon dikembangkan untuk menangani pekerjaan rekayasa perangkat lunak yang membutuhkan waktu panjang dan melibatkan banyak tahapan.

Mampu Mengerjakan Tugas Kompleks Selama Berhari-Hari

Salah satu kemampuan yang menjadi perhatian dalam pengembangan Gemini 4 Carbon adalah kemampuannya mempertahankan pekerjaan dalam jangka panjang.

Dalam pengujian internal, tim pengembang melaporkan bahwa Carbon mampu bekerja selama berhari-hari untuk menyelesaikan tugas rekayasa perangkat lunak yang kompleks. Model ini dapat terus mencari solusi meskipun menghadapi jalan buntu.

Kemampuan tersebut dibutuhkan ketika AI menangani pekerjaan seperti menemukan akar penyebab bug tersembunyi dan memperbaikinya dalam basis kode berukuran besar. Tugas serupa juga dapat ditemukan pada sistem tingkat rendah yang memiliki kompleksitas teknis tinggi.

Berbeda dari pekerjaan pemrograman sederhana yang dapat diselesaikan dalam satu tahap, tugas semacam ini membutuhkan proses analisis, pengujian, dan perbaikan berulang. Carbon dirancang untuk menjalankan seluruh tahapan tersebut secara berkelanjutan.

Pengembang juga meningkatkan kemampuan Carbon dalam berbagai bidang, termasuk pemrograman, penelitian ilmiah, pengembangan web full-stack, serta pemahaman multimodal yang memungkinkan model memproses berbagai jenis informasi.

Pada WebDev Arena, Carbon mencatatkan peningkatan 89 poin Elo hingga mencapai skor 1.768 dan menempati peringkat keempat. Hasil tersebut menunjukkan peningkatan kualitas model dalam menghasilkan keluaran dan artefak untuk pengembangan web.

Kemampuan Keamanan Siber Meningkat Signifikan

Di bidang keamanan siber, Gemini 4 Carbon dirancang untuk membantu proses pertahanan sistem digital secara menyeluruh. Kemampuannya mencakup tiga tahapan penting, yakni menemukan kerentanan, memvalidasi risiko, dan memperbaiki celah keamanan.

Berdasarkan pengujian internal, Carbon mampu meningkatkan tingkat keberhasilan dalam menghasilkan kode yang aman hingga lebih dari dua kali lipat dibandingkan Gemini 4 Argon, model pendahulunya. Tim Chrome juga melaporkan bahwa Carbon memiliki kinerja lebih dari 10 kali lebih baik dibandingkan model AI canggih dari laboratorium lain dalam menghasilkan kode perbaikan berkualitas tinggi.

Sementara itu, Wiz, platform keamanan cloud, mengamati bahwa Carbon unggul dalam pengujian penetrasi web. Kemampuan ini menjadi salah satu bagian penting dari inisiatif Scan for Good milik Wiz.

Dalam pengujian eksternal, Carbon menunjukkan hasil yang menonjol pada tiga tolok ukur keamanan siber.

• Pertama, SEC-bench Pro digunakan untuk mengukur kemampuan model dalam menemukan kerentanan perangkat lunak. Carbon meraih skor 88,2% dengan kemampuan menemukan kelemahan kompleks yang tersembunyi dalam perangkat lunak dunia nyata.
• Kedua, ExploitGym menguji kemampuan model dalam mengeksploitasi kerentanan. Carbon memperoleh skor 54,8%, yang menunjukkan kemampuannya membantu pakar keamanan siber menilai apakah suatu celah dapat dimanfaatkan untuk melakukan serangan.
• Ketiga, Carbon mencapai skor 71,0% pada CWE-bench milik Collinear. Pengujian ini menilai kemampuan model dalam memperbaiki kerentanan berdasarkan akar penyebabnya, termasuk menghasilkan kode perbaikan yang dapat digunakan.
• Ketiga kemampuan tersebut memiliki peran penting dalam proses pertahanan keamanan siber. Menemukan celah saja tidak cukup apabila risiko yang ditimbulkan belum diketahui atau perbaikannya belum dilakukan.

Dengan kemampuan tersebut, Carbon diharapkan dapat membantu tim keamanan siber mempercepat proses identifikasi dan penanganan kerentanan.

Mengurangi Kesalahan dan Meningkatkan Kejujuran AI

Selain meningkatkan kemampuan teknis, pengembang juga berupaya memperkuat keamanan dan keandalan Gemini 4 Carbon.

Model ini menggunakan sistem keamanan berlapis yang sama seperti Argon, mencakup pelatihan model, perlindungan terhadap penyalahgunaan secara langsung, ketahanan terhadap serangan injeksi prompt, serta pemantauan proses penalaran.

Salah satu fokus pengembangan adalah mengurangi kecenderungan model mengambil jalan pintas atau mengeksploitasi celah dalam proses pelatihan. Pada Terminal-Bench 4.0, tingkat keberhasilan kecurangan Carbon tercatat 0,0%, sedangkan upaya untuk melakukan kecurangan turun menjadi 0,4%. Hasil tersebut dicapai bersamaan dengan peningkatan akurasi secara keseluruhan.

Dalam pengujian pemrograman langsung bersama tim internal, peringatan ketidakselarasan dengan tingkat keparahan tinggi juga turun hampir 80%. Carbon turut menunjukkan peningkatan dalam hal transparansi. Pengujian internal memperlihatkan bahwa model ini mengurangi klaim yang tidak didukung bukti sekitar dua kali lipat dibandingkan Argon.

Ketika menghadapi keterbatasan informasi atau tidak dapat menyelesaikan suatu tindakan, Carbon dirancang untuk menjelaskan kendala tersebut secara terbuka. Model ini juga dapat mencantumkan informasi yang masih diperlukan agar pekerjaan dapat diselesaikan.

Pendekatan tersebut bertujuan mengurangi risiko munculnya informasi yang dibuat-buat atau jawaban yang tampak meyakinkan tetapi tidak memiliki dasar yang memadai.

Dalam menghadapi instruksi yang ambigu, Carbon juga diharapkan mampu bekerja sama dengan pengguna secara lebih baik. Model ini akan mencari sumber informasi yang relevan dan menunjukkan ketidaksesuaian sebelum mengambil tindakan, alih-alih menebak atau memaksakan keputusan.

Lebih Tahan Terhadap Serangan Injeksi Prompt

Salah satu tantangan dalam penggunaan AI adalah serangan injeksi prompt, yaitu upaya menyisipkan instruksi berbahaya melalui masukan yang diproses model. Serangan ini dapat memengaruhi perilaku AI, terutama ketika model berinteraksi dengan dokumen, situs web, atau sumber informasi eksternal.

Pada Gray Swan Indirect Prompt Injection Benchmark, Argon sebelumnya mencatatkan tingkat keberhasilan serangan sebesar 0,7%. Carbon mencatatkan hasil yang lebih baik dengan tingkat keberhasilan serangan 0,0%. Artinya, model ini berhasil menahan seluruh upaya serangan yang dievaluasi dalam pengujian tersebut.

Carbon juga dikembangkan agar lebih mampu menyelesaikan tugas tanpa melampaui batas yang ditentukan. Model ini mengurangi tindakan yang melampaui cakupan tugas sebesar 26% dan pekerjaan yang tidak diselesaikan secara memadai sebesar 29%.

Peningkatan tersebut diharapkan membuat Carbon lebih andal dalam menjalankan rencana yang terdiri dari banyak tahapan, sekaligus tetap menghormati batasan proyek.

Peluncuran Dilakukan Secara Bertahap

Meski memiliki kemampuan yang menjanjikan, Gemini 4 Carbon belum langsung tersedia bagi seluruh pengguna. Pengembang menerapkan peluncuran secara bertahap dengan melibatkan sebagian pakar pertahanan siber mulai pekan ini. Akses selanjutnya akan diperluas kepada mitra tepercaya melalui Program Fairwind.

Langkah tersebut dilakukan untuk mengumpulkan masukan dan menyempurnakan mekanisme pengamanan sebelum model tersedia bagi pengembang, perusahaan, dan konsumen. Pengembang juga menyatakan sedang berpartisipasi dalam proses pengujian model sebelum dirilis secara sukarela yang diselenggarakan pemerintah Amerika Serikat.

Dari sisi harga, Carbon akan menggunakan harga perkenalan yang sama seperti Argon, yakni US$2 per satu juta token input dan US$10 per satu juta token output. Token input yang disimpan dalam cache mendapatkan potongan harga sebesar 95% dari harga token input.

Melalui Gemini 4 Carbon, pengembang berupaya menghadirkan AI yang tidak hanya mampu menyelesaikan pekerjaan teknis yang kompleks, tetapi juga dapat digunakan secara lebih aman dan bertanggung jawab.

Kemampuan menemukan kerentanan, memperbaiki kode, serta menjalankan tugas jangka panjang menjadi keunggulan yang ditawarkan model ini. Namun, efektivitasnya dalam penggunaan nyata masih akan bergantung pada hasil evaluasi lebih lanjut dan pengalaman para pakar keamanan siber yang memperoleh akses awal.

Pengembang berharap Carbon dapat segera digunakan secara lebih luas untuk membantu meningkatkan kualitas rekayasa perangkat lunak dan memperkuat pertahanan keamanan siber tanpa mengorbankan keselamatan maupun keandalan.