← 2026-10-29 の一覧へ戻るホーム
Gemini 4 カーボン

2026/10/29 2:01

Gemini 4 カーボン

RSS: https://news.ycombinator.com/rss

元のHacker News記事へ ↗
要約▶

Japanese Translation:

Google から、サイバーセキュリティおよび安全なコード生成を目的とした最先端の機能を持つ最新のモデル「Gemini 4 Carbon」が発表されました。同モデルは、v5.0 Artificial Analysis Intelligence インデックス（スコア：59）において上位 1 位にランクインし、脆弱性の検出・利用・パッチ適用におけるベンチマークである SEC-bench Pro（88.2%）、ExploitGym（54.8%）、CWE-bench（71.0%）でも首位を維持しています。内部では、前代モデルである Argon と比較して安全なコード生成能力が 2 倍以上向上しており、ハルシネーション、アライメントエラー、根拠のない主張、セキュリティベンチマークにおける不正行為の発生を大幅に抑制しました。Carbon は持続可能なエージェント型ワークフロー向けに最適化されており、数日間にわたる複雑な多段階のエンジニアリング課題の解決が可能であるとともに、全スタック Web 開発（WebDev Arena）においては Elo ポイントで +89 点向上し、4 位にランクインしました。また、Terminal-Bench 4.0 および Gray Swan の間接プロンプト注入ベンチマークにおいて不正行為を効果的に防止し、成功率を 0% にまで引き下げました。さらに、リアル環境では過剰な権限行使が 26% 減少、提供不足が 29% 減少、および高深刻度のアライメント警告が約 80% 減少しました。当初、アクセスは米国政府によるテストの後に「Fairwind プログラム」を通じてサイバー防衛者に限定され、その後一般公開予定となっています。Argon と同じ導入価格（入力/出力トークン当たり $2/$10）で設定され、キャッシュされた入力については 95% の割引が適用されることで、産業全体における高深刻度の安全性エラーの削減と安全な AI 開発の促進を新たな基準に定めています。

本文

Gemini 4 Carbon：最先端の AI モデル発表と機能概要

本日、Google は新しい境界線モデル**「Gemini 4 Carbon」**を正式に発表しました。同モデルは、最高性能を備えつつ長期視点（long horizon）能力や高度なサイバーセキュリティ機能を搭載しています。

🏆 主要な実績とスコア

  • AI Index リンキング: Artificial Intelligence Index バージョン 5.0 で59 点を獲得し、世界で1 位にランクインしました。
  • コーディング・エージェント能力: コーディングおよびエージェント型タスクにおいて顕著な成果を上げました。
  • セキュリティベンチマーク結果:
    • SEC-bench Pro（脆弱性情報検出）: **88.2％**のスコア
    • ExploitGym（エクスプロイトシミュレーション）: **54.8％**のスコア
    • CWE-bench（パッチ適用）: **71.0％**のスコア
  • 実環境での成果: 安全なコード生成能力が大幅に向上し、実コーディング作業における整合性の低下や虚偽生成発生率が削減されました。

💰 プライシングプラン

Carbon は Argon と同等の introductory pricing で提供されます。

  • 入力トークン: 2 ドル（キャッシュされた入力は 95% オフ、通常料金の 5 割引き）
  • 出力トークン: 10 ドル

🚀 コーディングと推論能力の向上

困難で長期にわたるタスクやエンジニアリング課題への対応を目的とし、持続的なエージェント型ワークフローをサポートする設計がなされています。

  • 複雑タスクの実行: 数日間の稼働により、大規模コードベースや低レベルシステムにおける根本原因特定と微細なバグパッチ適用を完了させる事例を確認。
  • Web 開発性能の躍進: WebDev Arena で +89 エロポイントの上昇を果たし、第 4 位（1,768 ポイント）にランクインしました。
    • 出力品質とアーティファクトの質が大幅に向上しています。

🛡️ サイバーセキュリティ防衛支援

脆弱性の検出、検証、是正を含む「サイバーセキュリティ防衛ライフサイクル」全体で最先端レベルのパフォーマンスを発揮します。

  • 社内ベンチマーク: 安全なコード生成成功率が Argon より2 倍以上向上。
  • Chrome チームの評価: 高品質パッチ生成において他ラボの frontier モデルと比較し10 倍も優れている。
  • Wiz プラットフォーム: Web ペネトレーションテスト（「Scan for Good」イニシアチブ）において上位を占める。

主要外部ベンチマーク（ガードレール適用前）の卓越した性能

  1. 本物の脆弱性の発見:
    • SEC-bench Pro で**88.2％**という最先端スコア達成。
    • 実世界ソフトウェアに埋め込まれた複雑な欠陥を自律的に特定可能。
  2. エクスプロイトによるリスク検証:
    • ExploitGym で**54.8％**の新たな最先端スコア樹立。
    • 「利用可能な脆弱性」の確認をサポートし、優先是正判断に貢献。
  3. 根本原因へのパッチ適用:
    • Collinear の CWE-bench で**71.0％**のスコア獲得。
    • 検証された発見事項を直接動作するコード修正へ変換可能。

🔒 モデル安全性とセキュリティの強化

Argon と同一の多層的な安全・セキュリティスタックを継承し、さらに整合性（alignment）を向上させました。

  • ショートカットと抜け穴の悪用軽減:
    • Terminal-Bench 4.0 で成功したチート行為**0.0％に低下、試み自体も0.4％**まで削減。
    • 実環境コーディングで重大度の高い整合性アラートを約80％削減。
  • より高い透明性と誠実さ:
    • unsupported claims（根拠のない主張）を Argon より約2 倍削減。
    • 証拠不足時は、強引な説明ではなく「必要な項目のリスト」を示して保留し、透明性を確保。
  • 曖昧さへの対応におけるユーザー協働:
    • 推測や一方的な行動を避け、関連ソース取得と齟齬点提示を行い、ユーザー体験を向上。
  • 範囲を超えずに任務遂行:
    • オーバーリーチ（過剰拡張）を26％、アンダーサービス（未対応）を**29％**削減。
    • プロジェクト制約を厳守し、多段階計画のエンドツーエンド実行を信頼性高く実現。
  • プロンプトインジェクションへの耐性:
    • 間接的プロンプトインジェクション攻撃成功率を Argon の 0.7％から**0.0％**まで引き下げ。
    • 評価されたすべての攻撃試みをブロックすることに成功。

📅 提供スケジュールと方針

技術の進歩を慎重かつ計画的に導入し、安全性や信頼性を犠牲にしたものではありません。

  • 近日提供開始:
    • まずサイバーセキュリティ防衛専門家への提供を開始。
    • その後、「Fairwind プログラム」を通じて信頼できるパートナーへ順次アクセス権を提供。
    • 一般開発者、企業、および消費者に向けた製品展開を準備中。
  • フィードバック収集: ユーザーからのフィードバックを踏まえ、ガードレールのさらなる精査・改善を実施します。

同じ日のほかのニュース

一覧に戻る →

2026/10/29 2:13

なぜこの指紋付与スクリプトが生物兵器を生み出しているのか？

## Japanese Translation: ## 日本語訳： 元のサマリーは、キーポイントリストと完全に整合しており、品質基準を満たしています。大幅な改善の必要性はありません。

2026/10/28 23:38

CNC 石材彫刻

## 日本語訳： ## サマリー： 核心的なメッセージは、数値制御（CNC）技術がカルメル会修道士に、伝統的に数ヶ月の人手を要した複雑なゴシック建築の詳細部を迅速に彫刻することを可能にすることである。先進的な機械装置を古代の芸術的目標と統合することによって、これらの修道士は、遺産の精神を損なうことなく高い効率性を達成する。具体的には、イタリアの Prussiani Engineering 社から供給される石用 CNC 機は、誤作動時に数百ポンド分の石が衝突しても損傷しなかったことによりその不壊性が実証されており、特に有名である。これらの機械は水やレーザーを用いない代わりにダイヤモンドチップ付のブレードやフライスビットを使用し、水の役割は単に工具を冷却しくずを除去することのみである。一部の機種は 5 軸で多方向的な移動が可能であり、特別なバージョンには高い尖塔や彫像の彫刻に対応するための第 6 軸（旋盤/ターンテーブル）が含まれる。プロセスは、アーティストが「やり直し」ボタンを提供するプログラムでデジタル 3D モデルを彫刻することから始まる。その後、CNC プログラマーは CAM ソフトウェアを使用してこれらのモデルを工具経路に変換し、工具選択、石の安定性、衝突回避、G コードプログラミングなど複雑な事項を取り扱い、プログラマと鋸使いの間での明確なコミュニケーションを確保する。このワークフローにより、機械は無監督で長時間稼働することが可能となり（例：2 日以内で 40 時間の作業を完了）、建設期間を大幅に短縮する。さらに、この運用には鋸使いがワイヤー/ブリッジソーを使用して石ブロックを断面形状に切断することを伴い、時には一枚の板から 20〜30 個の部材を生み出すことがある。このイノベーションは高階層建築を民主化しており、コンピュータスキルを有する個人も現在、何年もハンマーと鑿の訓練を必要とせずに主要プロジェクトに貢献できるようになり、現代のデジタルツールを通じて歴史的な概念を実体の現実に変容させている。

2026/10/29 0:46

デイジョブ：税金分野での AI エージェント評価～専門的な税務案件 50 件の分析を通じて～

## Japanese Translation: SURGE AI が、専門知識と職業的見 judgment を必要とする複雑な実世界の税務アサインメントにおける AI エージェントの評価基準として、その DAYJOB ファイミリー内の新たなベンチマーク「DAYJOB: Tax」を発表した。このベンチマークは、PwC、Deloitte、EY、Baker Tilly、Moss Adams といった主要企業の洞察を背景とし、個人・家庭税務、小企業税務、パートナーシップ、不動産・投資、遺産・贈与・信託、国際税務、企業取引、税務レビュー・紛争という 8 つの専門分野にわたる計 50 の環境を備えている。各環境は、PDF、Excel、Word ドキュメント、メールなど多様なファイル形式で構成され、合計 1,789 ファイルの未検証且不鮮明な記録を用いてシミュレーションしている。 DAYJOB は、モデルが明示的な指示なしにクライアントの見落としを回避した重要な問題を特定し、矛盾する証拠を解決し、不足または不十分な情報を認識できるかという「エンドツーエンドの責任」を発揮できるかをテストする。すべてのタスクは採用前に、正確性、完全性、解決可能性について 3 つの層にわたる専門家レビューの対象となる。事例研究により、重要なギャップが浮き彫りになっている：移民関連の税務シナリオでは複数のモデルが、指示なしには見逃していた「2 カ国にわたり住居期間の期限」を見落としていた一方、あるモデルはこれを一貫して検知した。離婚シナリオでは、一部のモデルが夫婦を未婚であると仮定し資産分割を誤って処理したのに対し、別のモデルはテキサス州の事実上の結婚状態を確認する必要性を正しく指摘していた。 95% の rubric しきり値における pass@1 を使用したリーダーボードでは、Claude Sonnet 5.5 が 10.8% のパス率で首位に立ち、その後に Claude Fable 5.1（9.6%）と Claude Opus 5.5（9.2%）が続く。以前のベンチマークが定義された質問や計算に焦点を当てていたのに対し、DAYJOB: Tax は高リスクドメインに対する業界標準を設定し、企業に自社の税務に特化した AI システムが最小限の人間による監視下でも未検証シナリオで安全に稼働できることを確認するのを支援する。