Gemini 4 Argon AIがセキュリティを強化：12のシミュレーション攻撃を解決、前回の5に対して

GoogleはGemini 4 Argon AIを発表しました。これは、より強固なサイバーセキュリティ能力とリアルタイム保護を備えたモデルです。

制限されたアクセスでのテスト中、Wizは病院のソフトウェア内で、以前のモデルでは特定できなかった脆弱性を発見しました。この欠陥は、数十万の医療記録の保護に関するものでした。今の課題は、新しい能力に対して防御が追いつくかどうかです。

重要なポイント

• Argonは、前の世代の5に対して、12のシミュレーションされたサイバー攻撃を完了しました。
• 3つの保護レベルがリクエストをフィルタリングし、内部信号をチェックし、応答を監視します。
• 外部の生物学的脱獄テストでは、サブタスクの1%未満が解除されました。
• Gray Swanのプロンプトインジェクションのベンチマークでは、攻撃が成功したのは0.7%でした。

Gemini 4 Argon AIのセキュリティが実際のシステムに到達

このモデルは、実際のソフトウェアでも使用されており、単なる実験室の外でのことです。Google DeepMindによると、これはプログラミング、金融、法律、サイバーセキュリティ、科学における複雑な作業を改善します。

コーディングと推論の進展により、セキュリティチームは脆弱性を特定し修正するのに役立ちました。Wizのケースに加えて、同社のチームは内部およびオープンソースのソフトウェアのバグを修正しました。これには、世界中のシステムに影響を与える基本的な脆弱性が含まれており、責任ある開示が進められています。

発表は2026年10月13日に行われ、The Vergeが報じています。このメディアは、セキュリティを超えた内部使用についても言及しています：このモデルはYouTubeのコメントセクションに必要な計算能力を半減させました。また、Alphabetのドローン配達会社Wingが使用する物理シミュレーターのエラー修正にも役立ちました。

生物学の評価では、保護なしのバージョンが、複雑な実験手順の問題解決を段階的に導く能力が高いことが示されました。そのため、同社はサイバーセキュリティと生物学の両方に保護を適用しました。これは、同社のフロンティアセーフティフレームワークの一環です。

Fairwindプログラムからより広いオープンへ

一般公開前に、Argonは限られたユーザーのためのフェーズを経ました。サイバー防御者はFairwind Programを通じてこれを試し、内部のセキュリティチームは社内外の重要なシステムを分析しました。

現在、Googleはアクセスを拡大し、Fairwindプログラムをより多くの信頼できる防御者に提供しています。発表によると、このモデルはアプリGeminiと検索のAIモードを通じてProおよびUltraのサブスクライバーに提供されます。Ultraのサブスクライバーは、同社のエージェント開発プラットフォームAntigravityでも見つけることができます。

デビュー時の価格は、入力トークン100万あたり2ドル、出力トークン100万あたり10ドルです。導入期間の終わりには料金が倍増します。

同じ報道は、トークンの低価格が必ずしも活動のコストを低くするわけではないことを指摘しています。異なるモデルは、同じ作業を行うために異なる数のトークンを消費します。

悪用と脱獄に対する3つのレベル

Argonの保護システムは、リクエストフィルタリング、モデルの内部分析、継続的監視の3つのツールを組み合わせています。目標は、悪意のあるリクエストを隠したり、長い会話に分割したりする者に対する高度なAI保護です。

最初のレベルでは、小さなモデルが到着するリクエストと会話の文脈を調べます。第二のレベルでは、いくつかのアクティベーションプローブが内部の神経信号を分析し、サイバー攻撃や生物的脅威に関連する知識を探ります。

第三のレベルは継続的な監視で、応答が形成される際にそれらの信号を組み合わせます。応答の途中でエージェントを停止させることができます。

Googleは、悪意のあるリクエストによる違反が敵対的テストセットでほぼ半減したと報告しています。外部の生物学的脱獄テストでは、評価された生物学的サブタスクの1%未満が解除されました。これには、保護、脱獄の迅速な修正、繰り返しの悪用の監視が寄与しています。

サイバーセキュリティの結果とエージェントの監視

企業のエンドツーエンドテストでは、Argonはすべての12のシミュレーションされたサイバー攻撃シナリオを解決しました。前の世代は5つを完了しました。

Gray Swanの間接プロンプトインジェクションのベンチマークでは、プロンプトインジェクションに対する耐性が、15回の適応的試行で攻撃の成功率を0.7%に抑えました。この結果は、敵対的なトレーニングとリアルタイムのセキュリティチェックによって得られました。

リアルタイムのセキュリティ監視は、アライメントの不一致に対する自動システムを通じても行われます。エージェントの行動と内部の推論を読み取り、重大な制限違反をブロックし、深刻なケースを人間の救助者に報告します。これは、製品、内部プログラミングエージェント、トレーニングセッション、能力評価で機能します。

トレーニングは、システムの境界を尊重し、否定的な結果を誠実に報告し、人に確認を求めるという3つの行動に焦点を当てています。ショートカットや不正行為の試みは、コーディングのベンチマークで2%に減少しました。ハニーポットテストでは、セキュリティ監視の妨害などの隠れた行動は見つかりませんでした。

同社は、トレーニング中に内部の思考を罰することを避けています。偶発的な実験では、これらの罰がオープンに議論されたショートカットを61%減少させました。しかし、静かに取られたショートカットは11.2%から36.4%に増加しました。