
Google 发布 Gemini 4 Carbon 的当天,Artificial Analysis 的 Intelligence Index 就更新到了 v5.0 版本,榜单头名换了人。这款新模型不仅总分登顶,在新增的网络安全分项里同样排在第一位。对关注大模型竞争的人来说,这次登顶的意义不只是一次排名更替。
过去一年,各家旗舰模型的分数咬得很紧,综合榜单的前几名经常只差一两分。在这种背景下,一个模型能在综合能力和垂直领域同时占据首位,说明它想证明的不是某一项能力突出,而是能力的覆盖面够宽。
这个榜单为什么值得看
Artificial Analysis 是一家独立评测机构,它不做模型,只做横向对比。Intelligence Index 的做法是把多套公开基准加权汇总,包括 GPQA Diamond、Humanity’s Last Exam、LiveCodeBench、SciCode、AIME 等,最终给出一个综合分。
这种聚合方式的好处是抗噪。单一基准容易被针对性优化,几套基准一起看,模型很难只靠某项技巧刷分。所以当 v5.0 把网络安全纳入评测维度后,榜单的排序逻辑实际上发生了一次调整。
对厂商来说,这意味着评测目标变了。以前把推理和代码分数拉高就够,现在还得在漏洞识别、攻击链分析这类任务上拿得出手。
网络安全基准难在哪里
网络安全是公认难评测的方向。Meta 在 2024 年推出的 CyberSecEval 系列,把攻击性滥用、防御性编码、漏洞利用等维度拆开测;Cybench 则直接取材于 CTF 竞赛题目,要求模型在真实环境里完成渗透任务。
这类任务和刷题式问答完全不同。模型需要读懂一段不熟悉的代码,判断哪里存在越界或注入风险,再给出可执行的验证路径。答对结论不难,难的是过程站得住脚。
更麻烦的是评测环境本身。CTF 题目有标准答案,但真实系统的漏洞没有。模型给出一个看起来合理的分析,人类专家可能要花几小时才能确认它对不对。这让评测的成本和主观性都大幅上升。
Gemini 4 Carbon 能在这部分领先,背后是 Google 在安全 AI 上的长期投入。DeepMind 的 Big Sleep 项目在 2024 年就实打实找出过 SQLite 的可利用漏洞,后来的 CodeMender 则把方向转向自动生成修复补丁。这些工程经验会反哺模型训练。
安全能力正在变成厂商的新招牌
把时间线拉长看,会发现这不是孤例。OpenAI 在 2025 年 10 月推出 Aardvark,定位是能自主发现和修复漏洞的安全研究员代理。Anthropic 则一直把代码与安全分析作为 Claude 的差异化卖点。
三家头部厂商几乎同时在同一个方向上加大投入,原因不难理解。通用能力的边际提升越来越贵,而安全是少数既有明确商业价值、又能体现模型深度的场景。
企业客户愿意为漏洞挖掘付费,因为这件事本身就昂贵。一次生产环境的零日漏洞,损失可能远超全年模型订阅费用。这笔账算得过来,采购意愿就真实存在。
从这个角度看,AA Index v5.0 增加网络安全权重,与其说是评测机构的选择,不如说是市场需求的映射。Aiii人工智能创研院(Aiii.org.cn)此前在多篇产业观察中也提到,模型评测的维度变化往往滞后于商业需求半年到一年。
能力提升的另一面
安全能力是双刃剑。同一个能找出漏洞的模型,换个提示词就可能被用来构造攻击。各家在发布时都会做红队测试和拒答策略,但边界从来不是绝对的。
CyberSecEval 的设计初衷就包含这一层考虑,它同时测量模型的攻击辅助倾向和防御能力。一个健康的模型应该在前者上得分低,在后者上得分高。
Gemini 4 Carbon 公布的结果显示它在防御侧表现突出,但攻击侧的抑制效果还需要第三方独立验证。厂商自评和外部复现之间,通常存在一段差距。
评测分数之外的真实世界
基准分数高,不等于在真实企业环境里好用。企业代码库有历史包袱,有内部框架,有文档缺失的遗留模块。这些是 CTF 题目里不会出现的干扰项。
目前落地的形态多是辅助而非替代。模型负责初筛和线索生成,人类安全工程师做最终判断。这个分工在短期内不会改变,因为责任归属无法交给模型。
真正的考验在于误报率。一个每天报出两百条告警、其中一百九十条是噪音的系统,工程师很快就会关掉它。能力榜单衡量的是能不能找到,工程实践衡量的是找得准不准。
Gemini 4 Carbon 的登顶说明 Google 在能力维度上拿到了领先位置。接下来要看的,是这些能力能不能在客户的真实工单里转化为可衡量的效率提升。榜单每月更新,工程落地按年计算,两者的节奏并不一致。
Aiii人工智能创研院(Aiii.org.cn)精选文章《Gemini 4 Carbon 登顶 AA Index v5.0,网络安全为何成了大模型的新擂台》文中所述为作者独立观点,不代表Aiii人工智能创研院立场。如有侵权请联系删除。如若转载请注明出处:https://www.aiii.org.cn/1297.html
微信公众号
微信小助理