Google lança Gemini 3.5 Flash Cyber para reforçar cibersegurança
O novo modelo de IA do Google foca na detecção e correção de falhas de código, com acesso restrito a governos e parceiros estratégicos.
Pontos principais
- O Gemini 3.5 Flash Cyber é especializado em identificar e corrigir vulnerabilidades de software.
- A ferramenta opera integrada ao agente de defesa CodeMender do Google.
- O acesso inicial é restrito a órgãos governamentais e parceiros de confiança.
- Em testes, o modelo superou concorrentes como o Claude Opus 4.6 na análise de navegadores.
- A tecnologia já é utilizada internamente para proteger produtos como Android e Chrome.
- O lançamento faz parte de uma expansão da linha Gemini, que inclui o 3.6 Flash e o 3.5 Flash-Lite.
- O Google planeja disponibilizar a ferramenta para o mercado corporativo via Gemini Enterprise Agent no futuro.
O Google anunciou o lançamento do Gemini 3.5 Flash Cyber, um modelo de inteligência artificial desenvolvido especificamente para o setor de cibersegurança. A nova ferramenta foi projetada para detectar e corrigir vulnerabilidades em códigos de forma rápida e eficiente, sendo integrada diretamente ao CodeMender, o agente de defesa da companhia. Segundo a empresa, o modelo já está em uso interno para reforçar a proteção de produtos de grande escala, como o sistema operacional Android, o navegador Chrome e a plataforma YouTube. Em avaliações de desempenho, o sistema demonstrou superioridade na identificação de falhas em navegadores em comparação com modelos rivais, como o Claude Opus 4.6.
Neste primeiro momento, o acesso ao Gemini 3.5 Flash Cyber é restrito a governos e parceiros estratégicos selecionados, visando garantir o uso seguro da tecnologia em ambientes críticos. A iniciativa é uma resposta direta à crescente demanda por soluções de defesa digital e posiciona o Google como um competidor mais agressivo frente a rivais como a Anthropic, que possui o modelo Mythos. A empresa confirmou que, futuramente, pretende expandir o acesso a esses recursos para o mercado corporativo por meio do Gemini Enterprise Agent.
O lançamento integra uma atualização mais ampla da família Gemini, que incluiu também o Gemini 3.6 Flash, focado em performance multimodal e eficiência no consumo de tokens, e o Gemini 3.5 Flash-Lite, voltado para redução de custos operacionais. Com essas adições, o Google busca otimizar seu portfólio de IA para atender diferentes necessidades de latência e processamento, mantendo a competitividade de preços frente a outros players do mercado. A estratégia reforça o compromisso da companhia em acelerar seu roteiro de inovações enquanto investe no desenvolvimento de chips personalizados para suportar a infraestrutura de seus modelos.
Fontes primárias
Introducing Gemini 3.6 Flash, 3.5 Flash-Lite, and 3.5 Flash Cyber
Google anuncia três novos modelos da família Gemini, escritos por Tulsee Doshi (Senior Director, Product Management, em nome do time Gemini). O 3.6 Flash é o modelo 'workhorse': segundo o Artificial Analysis Index, reduz o uso de tokens de saída em 17% frente ao 3.5 Flash (até 65% em benchmarks como o DeepSWE, da Datacurve), com ganhos em coding (DeepSWE: 49% vs 37%), pesquisa em ML (MLE Bench: 63,9% vs 49,7%) e uso de computador (OSWorld-Verified: 83,0% vs 78,4%); custa US$1,50/1M tokens de entrada e US$7,50/1M de saída, e traz salvaguardas de Frontier Safety reforçadas contra uso indevido em CBRN e ofensiva cibernética. O 3.5 Flash-Lite é o modelo 3.5 mais rápido e barato: 350 tokens de saída por segundo, US$0,3/1M de entrada e US$2,5/1M de saída, superando o 3.1 Flash-Lite (Terminal-Bench 2.1: 54% vs 31%) e até o 3 Flash em alguns benchmarks (SWE-Bench Pro: 54,2% vs 49,6%). O 3.5 Flash Cyber é um modelo especializado em cibersegurança integrado ao agente CodeMender, com performance competitiva na fronteira do benchmark CyberGym; dado o caráter dual-use da tecnologia, o acesso será exclusivo a governos e parceiros de confiança via CodeMender, como piloto de acesso limitado. O post também menciona que o Gemini 3.5 Pro está em teste com parceiros e que a empresa já iniciou o pré-treinamento mais ambicioso até hoje, para o Gemini 4. 3.6 Flash e 3.5 Flash-Lite já estão disponíveis via Gemini API, AI Studio, Android Studio, Gemini Enterprise, app Gemini e Google Search.
Introducing Gemini 3.5 Flash Cyber
Post assinado por Raluca Ada Popa e Four Flynn detalha o Gemini 3.5 Flash Cyber, modelo leve de cibersegurança construído sobre o 3.5 Flash e ajustado para encontrar, validar e corrigir vulnerabilidades com mais eficácia que os modelos Flash principais. Dentro do CodeMender, o modelo é invocado múltiplas vezes (até 5) para que os agentes analisem mais caminhos de código; por seu caráter dual-use, o acesso inicial será restrito a governos e parceiros de confiança, em piloto limitado. Em benchmarks: no CyberGym, o CodeMender configurado com até 5 chamadas ao 3.5 Flash Cyber atingiu performance competitiva frente a modelos maiores (resultados de concorrentes autorreportados pelos próprios provedores). Numa avaliação independente do time Big Sleep do Google em bases complexas como Chrome e Safari, sem guardrails de segurança, o 3.5 Flash Cyber superou significativamente o 3.5 Flash e o 3.6 Flash principais. No pipeline de produção de varredura de commits do Chrome (vulnerabilidades não divulgadas publicamente, garantindo ausência de contaminação), também houve uplift relevante sobre o 3.5 Flash. No V8 JavaScript Engine, o 3.5 Flash Cyber encontrou 55 problemas únicos confirmados, contra 47 do 3.5 Flash principal e 36 do Claude Opus 4.6, incluindo 10 problemas que nenhum dos outros dois modelos identificou. Já em uso interno, o 3.5 Flash Cyber no CodeMender está encontrando e corrigindo vulnerabilidades nas bases do Chrome, Android, Cloud, Ads e YouTube; a equipe de Cloud Vulnerability Research do Google usou o modelo para, em 2 horas, descobrir vulnerabilidades de execução remota de código em APIs públicas e uma falha de corrupção de memória num serviço de produção sensível, gerando um exploit de RCE 100% confiável que contornou mitigações como ASLR e W^X. O post cita ainda o OSV.dev (mais de 700 mil vulnerabilidades open-source) e mais de 10 anos de resultados do OSS-Fuzz como vantagem de dados de treino.
Comentários
Carregando comentários...