Что если AI будет проверять код не после релиза, а как атакующий — искать путь к уязвимости, подтверждать его и предлагать патч? Google DeepMind уже вывела для этого отдельную модель.

Gemini 3.5 Flash Cyber предназначена для поиска, проверки и исправления уязвимостей в программном обеспечении.

На странице модели DeepMind показывает внутреннюю Big Sleep Evaluation: модель набрала 72% на тестировании сложного security-critical ПО. Для сравнения, Gemini 3.5 Flash показала 36%, а Gemini 3.6 Flash — 42%.

Важная оговорка: это данные самой Google DeepMind, а не независимый отраслевой бенчмарк. Но направление показательное.

AI в разработке постепенно смещается от генерации кода к проверке реальных систем:

— найти подозрительный участок;

— построить возможный путь атаки;

— проверить, что проблема воспроизводится;

— предложить исправление;

— прогнать тесты и только потом отправить патч дальше.

Это уже не просто Copilot для программиста. Это попытка встроить модель в контур атаки и защиты одновременно.

Для банков и BigTech здесь особенно важен последний шаг. Найденная уязвимость еще не означает, что можно автоматически менять production-код. Нужны sandbox, права доступа, воспроизводимый тест, ревью и возможность отката.

Получается парадокс: чем лучше AI ищет проблемы, тем строже должна быть инженерная система, которая решает, что делать с его находками.

Мне кажется, следующий этап AI-разработки будет конкурировать не за лучший автокомплит, а за лучший замкнутый цикл:

найти → доказать → исправить → проверить → безопасно выпустить.

Готовы ли вы доверить AI поиск уязвимостей в своем коде? А автоматически применять найденный патч?

Источник: Google DeepMind, Gemini 3.5 Flash Cyber, 21.07.2026. https://deepmind.google/models/gemini/cyber/

#AI #cybersecurity #AppSec #softwareengineering #BigTech #банки #izagprog