Gemini 4 Carbon：漏洞偵測 88.2% 但只開放給防守方

十月二十八日，Google 發表了 Gemini 4 Carbon。它不是又一個「更聰明、更便宜」的通用模型，而是第一個把資訊安全當成主要賣點推出的前沿模型——官方的宣傳重點不是寫程式多快、考試分數多高，而是它能找出軟體漏洞、驗證漏洞真的可以被利用，然後把漏洞補起來。

Photo by A Chosen Soul on Unsplash

更值得注意的是另一件事：這個模型目前沒有開放給所有人。Google 把它限定給一部分資安防禦工作者，以及透過名為 Fairwind Program 的計畫提供給受信任的合作夥伴，廣泛開放的時間還沒有公布。一個模型強到要分配著給，這個決定本身比分數更有話題。

Photo by Spencer Liao on Unsplash

三個數字，三件不同的事

Google 公布了三項資安專用評測的成績，分別對應資安工作的三個環節：

• SEC-bench Pro：88.2%——找出程式碼裡的漏洞。
• ExploitGym：54.8%——驗證找到的漏洞是否真的能被利用。
• CWE-bench：71%——產生可用的修補程式。

這三個數字要分開看。88.2% 是「看出哪裡可能有問題」，難度最低，因為可疑的寫法本來就有固定幾種樣貌；54.8% 是「證明這個問題真的打得穿」，難度最高，因為必須實際建構一次攻擊流程；71% 則是「補起來而且不弄壞別的東西」。

外界討論時常把 88.2% 直接講成「八成以上的漏洞被 AI 抓到了」，這是誤讀。評測題庫是人為整理過的樣本，與真實世界一套跑了十年、改過七手的系統不是同一回事。真實系統的漏洞往往不在單一函式裡，而藏在兩個模組的互動、一個沒人記得為什麼要保留的設定、或一段為了配合舊客戶而留下的相容邏輯。這些東西不會出現在評測題庫裡。

另外一組數字反而更能說明進展。在 Gray Swan 的間接提示注入（Indirect Prompt Injection）測試中，Carbon 的攻擊成功率是 0%，前一代 Argon 是 0.7%。間接提示注入指的是：攻擊者把指令藏在模型會讀到的文件、網頁或郵件裡，讓模型在執行任務時把那段文字當成使用者的命令。隨著 AI 代理開始替人讀信、瀏覽網頁、呼叫工具，這類攻擊的實際威脅比傳統漏洞更迫切。Google 另外表示，內部測試中模型產出安全程式碼的成功率是前一代的兩倍以上，而在即時編碼環境裡高嚴重性的誤判警示下降了接近八成。

為什麼是資安

把資安當成旗艦模型的主打方向，背後有幾個現實因素。

第一，資安是少數「正確答案可以被驗證」的領域。模型說某段程式有漏洞，可以實際跑一次攻擊看打不打得穿；模型寫了修補程式，可以跑測試看有沒有修好、有沒有弄壞別的功能。這種可驗證性在大多數知識工作裡是沒有的——模型寫的行銷文案好不好，沒有自動化方式判斷。有明確的對錯訊號，模型才有辦法被大量訓練到真的變強。

第二，資安人力長期短缺，而漏洞數量只增不減。這是一個「需求遠大於供給、而且願意付錢」的市場。相較於通用對話助理的價格戰，資安工具的付費意願高出一個量級。

第三，也是最直接的：找漏洞的能力本來就會長出來。模型能讀懂大型程式庫、能推理控制流程，找漏洞是這些能力的自然副產品。既然藏不住，不如主動做好、主動界定誰能用。

Photo by Bogdan Radu on Unsplash

限量開放解決不了的事

Google 選擇先給防禦方，用意不難理解：同一套能力，找得到漏洞的人可以去補，也可以去打。先讓防守方拿到，理論上可以爭取一段修補的時間差。

但這個做法有結構上的限制。

一方面，同等級的能力不只這一家在做。開源陣營的程式碼模型持續在追，一年前被視為前沿的能力，今天已經有可以自行部署的版本。限量開放能拖延的是這一代的時間差，不是能力本身的擴散。

另一方面，攻防的成本結構本來就不對稱。防守方要把所有洞補完才算安全，攻擊方只要找到一個就夠。同樣一套工具同時交給雙方，獲益較多的那一邊，通常是任務比較單純的那一邊。這不是在指責 Google 的決定——在能力已經存在的前提下，先給防守方確實比先給所有人合理——只是提醒：限量開放是緩衝，不是解答。

至於「連續工作數天」這個說法，目前只有 Google 內部團隊的觀察，沒有外部可重現的驗證，值得保留。

對一般企業的實際影響

Gemini 4 Carbon 這類工具在可預見的時間內不會直接進到中小企業的日常，它的使用者是資安團隊與大型軟體供應商。但它會從兩個方向影響其他人。

第一個方向是修補速度的期待值會改變。當防守方開始用自動化工具大量掃描自家程式碼，修補版本的發布頻率會上升。對使用這些軟體的企業來說，壓力就轉移到「有沒有即時更新」。過去一套系統上線後三年不動還能勉強說得過去，當上游的修補週期從幾個月縮短到幾週，長期不更新的風險就會明顯放大。官網的 CMS、外掛、函式庫、伺服器套件，都在這個範圍內。

第二個方向是攻擊的門檻會下降。掃描網路上公開服務、比對已知漏洞這類工作，原本需要一定技術能力，現在逐步變成可以自動化的流程。這意味著「我們公司很小，不會有人來打」這個假設會愈來愈站不住腳——自動化掃描不挑對象，它只挑有沒有洞。

值得一提的是，台灣的中小企業官網與內部系統，有相當比例建在多年前的架構上，維護往往停在「不壞就不動」。在修補週期加速的環境下，這種狀態的成本會慢慢浮現。常見的實務做法通常不複雜：確認系統用到哪些第三方元件、確認誰負責更新、確認更新後有沒有人驗證功能正常。這三件事不需要用到任何 AI 工具，但沒有它們，再強的模型也幫不上忙。

幾點觀察

Gemini 4 Carbon 的意義，不只是分數又往上推了一截。它顯示前沿模型的競爭正在從「什麼都會一點」轉向「在特定領域做到可以賣錢」。資安之所以成為第一個被挑中的領域，是因為它同時具備可驗證、缺人、願意付錢三個條件。可以預期接下來會有更多模型往這類方向走，而不是繼續堆通用評測分數。

同時，這也是前沿實驗室第一次這麼明確地用「分配」而不是「發布」的方式處理一個模型。這個決定會不會成為慣例，值得往後觀察——如果會，那麼「誰拿得到能力最前沿的工具」就會變成一個與技術同樣重要的問題。

最後，對多數企業而言，真正該調整的不是要不要導入 AI 資安工具，而是把更新與維護這件事從「有空再說」挪回例行清單。工具變強的速度，一向比組織習慣改變的速度快。