Karta tytułowa hero dla artykułu o CodeMender Managed: plakietka NEWS · PUBLIC PREVIEW nad nagłówkiem 'CodeMender Goes Managed', podtytuł 'Google's AI code-security agent hits public preview' oraz trzyetapowy potok SCAN, VERIFY, REMEDIATE z minimalistycznymi ikonami liniowymi.
Guides & Insights

CodeMender przechodzi na wersję zarządzaną: agent Google'a naprawiający luki w zabezpieczeniach trafia do publicznego podglądu

Autor

jinhao.song

Data publikacji

Najnowsze modele · 20Zobacz wszystkie modele →
Benchmarki: Artificial Analysis · aktualizowane codziennie
Powrót do wszystkich wpisów

Przez pierwsze osiem miesięcy swojego istnienia CodeMender był najmniej nagłośnionym udanym produktem Google DeepMind: agentem AI, który znajduje rzeczywiste podatności w oprogramowaniu i dostarcza prawdziwe poprawki — 72 z nich scalono z projektami open-source, zanim projekt w ogóle miał cenę. 21 lipca 2026 roku stał się czymś innym: zarządzanym produktem klasy korporacyjnej w publicznej wersji zapoznawczej na Google Cloud, działającym na wielomodelowym stosie opartym na Gemini 3.5 Flash, którego najgłębsze skany wspiera model dostrojony pod kątem bezpieczeństwa — Gemini 3.5 Flash Cyber — udostępniany przez Google wyłącznie rządom i zaufanym partnerom.

To nie jest premiera modelu, więc bądźmy precyzyjni co do dat. CodeMender powstał 6 października 2025 roku, kiedy Google DeepMind zaprezentowało go jako projekt badawczy zbudowany na rozumowaniu Gemini Deep Think. To, co faktycznie zmieniło się w ostatnich tygodniach, to komercjalizacja. Agent, który działał jako wewnętrzny potok badawczy z przeglądem ludzkim, jest teraz zarządzanym agentem, którego każdy klient Google Cloud może przyjąć w publicznej wersji zapoznawczej, z obiecanym rozliczeniem opartym na zużyciu po zakończeniu okresu zapoznawczego. To przejście — od projektu badawczego do produktu nadającego się do zakupu, oraz model z ograniczonym dostępem, który go napędza — jest nowością.

Co się zmieniło 21 lipca?

Google Cloud przeniósł CodeMender z badań do zarządzanego agenta jednym ruchem 21 lipca 2026 roku. Jest teraz dostępny w publicznej wersji zapoznawczej na platformie Gemini Enterprise Agent Platform i może być wdrażany jako kluczowy komponent Google AI Threat Defense, obok Mandiant i Wiz. To umiejscowienie ma znaczenie: to nie jest samodzielne narzędzie demonstracyjne, ale agent zaprojektowany tak, aby wkomponować się w istniejące narzędzia i procesy zatwierdzania organizacji bezpieczeństwa.

Screenshot of Google DeepMind's official blog post 'Introducing CodeMender: an AI agent for code security' by Raluca Ada Popa and Four Flynn, dated October 6, 2025.

Wersja zarządzana jest wprost wielomodelowa i ta część przypomina specyfikację rutera. Zespoły wybierają pomiędzy Gemini 3.5 Flash (domyślnym, dla równowagi kosztów, szybkości i głębokości skanowania), Gemini 3.1 Pro do głębszej analizy oraz Gemini 3 Flash do skanów o wyższej przepustowości. Google zapowiada, że opcje zewnętrznych modeli frontier pojawią się później w 2026 roku. Obsługa języków obejmuje C, C++, Go, Java, Python, Ruby, Rust oraz TypeScript/JavaScript, z uwzględnieniem frameworków Django, Flask, React, Spring Boot i Express.

Jak zarządzany CodeMender faktycznie działa

Pipeline to trzystopniowa pętla: skanowanie, weryfikacja, naprawa. Brzmi prosto; to decyzje projektowe odróżniają go od lintera z doczepionym LLM-em.

Skan. CodeMender wykorzystuje kontekstowe zrozumienie bazy kodu przez model, aby znajdować podatności, które umykają narzędziom analizy statycznej — uszkodzenia pamięci, błędy iniekcji, słabości kryptograficzne, niebezpieczne przetwarzanie danych. Agent rozumuje na podstawie ścieżek wykonania, zamiast dopasowywać wzorce do sygnatur.

Weryfikacja. To krok, który pomija większość produktów typu „AI security”. CodeMender buduje i uruchamia exploit typu proof-of-concept w izolowanej piaskownicy zarządzanej przez klienta, aby potwierdzić, że wykryta podatność jest faktycznie możliwa do wykorzystania, zanim w ogóle trafi do programisty. Samo Google ujmuje to tak, że proces ten zmniejsza odsetek fałszywych alarmów, co jest powodem, dla którego zespoły bezpieczeństwa od zawsze nie ufają zautomatyzowanym skanerom.

Napraw. Generuje diff kodu z krokiem LLM-as-a-judge, który sprawdza poprawkę pod kątem zasad organizacyjnych i logiki biznesowej, zanim cokolwiek zostanie ujawnione. Każda poprawka nadal wymaga zatwierdzenia przez człowieka, zanim trafi do repozytorium — dyscyplina human-in-the-loop z ery badawczej została zachowana w nienaruszonym stanie.

Operacyjnie, Google wymienia bezpieczne kierowanie ruchu przez VPC klientów, izolację danych, szyfrowanie oraz zerowe przechowywanie danych kodu źródłowego jako dostępne w wersji zapoznawczej. Dla narzędzia przetwarzającego własnościowy kod źródłowy ten zestaw kontroli jest rzeczywistą funkcją klasy enterprise.

Silnik bramkowany: Gemini 3.5 Flash Cyber

Najgłębsze skany wewnątrz CodeMender są napędzane przez Gemini 3.5 Flash Cyber — model, który Google ogłosił 21 lipca 2026 r., dostrojony na bazie Gemini 3.5 Flash specjalnie do wykrywania, walidacji i łatania podatności. Nie jest to model ogólnego przeznaczenia i w żadnym konwencjonalnym sensie nie jest na sprzedaż. Dostęp odbywa się przez pilotaż o ograniczonym dostępie, przeznaczony dla rządów i zweryfikowanych zaufanych partnerów za pośrednictwem CodeMender, z planami szerszego udostępnienia w przyszłości, bez konkretnego harmonogramu. Nie ma publicznego API, samodzielnej rejestracji ani opublikowanej ceny — Google opisuje go jako opłacalny i wyceniony porównywalnie do standardowego Gemini 3.5 Flash, a nie jak model bezpieczeństwa klasy premium, ale to deklaracja intencji, a nie cennik.

Scoreboard for Gemini 3.5 Flash Cyber: gated pilot access for governments and trusted partners; base model Gemini 3.5 Flash (fine-tuned); 55 V8 confirmed issues including 10 unique; CyberGym ~83.2% in a tight three-way cluster; undisclosed price at roughly 3.5 Flash-class cost; no independent scores, all figures vendor-reported as of Jul 21, 2026.

Sposób, w jaki CodeMender to wykorzystuje, jest godny uwagi: agent wywołuje Gemini 3.5 Flash Cyber wielokrotnie — Google opisało konfiguracje, w których jest on wywoływany nawet pięć razy dla jednego raportu końcowego — dzięki czemu podagenci analizują znacznie więcej ścieżek kodu w dużym repozytorium, niż umożliwiłoby to jedno przejście dużego modelu, a następnie konsolidują ustalenia. Ten projekt oparty na zasadzie „wiele tanich wywołań pokonuje jedno drogie wywołanie" to historia inżynierii kosztów kryjąca się pod nagłówkami o wynikach benchmarków.

Liczby z nagłówków są w całości raportowane przez dostawcę i właśnie na tym rozróżnieniu polega cała gra w przypadku tego modelu. We własnej ocenie Google przeprowadzonej na silniku JavaScript V8, Gemini 3.5 Flash Cyber wykrył 55 unikalnych potwierdzonych problemów wobec 47 dla głównego Gemini 3.5 Flash i 36 dla Claude Opus 4.6 — w tym 10 problemów, których nie wykrył żaden z pozostałych modeli. W testach w stylu Big Sleep przeprowadzanych na złożonych bazach kodu, takich jak Chrome i Safari, Google twierdzi, że „znacznie przewyższył" główne modele Flash, a we własnym środowisku produkcyjnym Google model wykrył luki zdalnego wykonywania kodu w publicznych interfejsach API oraz wadę uszkodzenia pamięci w wrażliwej usłudze produkcyjnej w ciągu dwóch godzin — a w pewnym momencie wygenerował w 100% niezawodny exploit RCE, który obchodził zabezpieczenia ASLR i W^X. To właśnie ten ostatni wynik jest powodem, dla którego model jest objęty ograniczeniami dostępu.

Co możesz zweryfikować, a co jest raportowane przez dostawcę.

Warto prowadzić oddzielną księgowość, ponieważ każda z powyższych liczb wywodzi się od Google. Jedynym benchmarkiem o znaczącym zewnętrznym pochodzeniu jest CyberGym — zbiór danych obejmujący około 1500 udokumentowanych podatności w około 188 rzeczywistych projektach open source, stworzony przez zespół Big Sleep z Google we współpracy z badaczami akademickimi. Na CyberGym według analiz prasowych Gemini 3.5 Flash Cyber osiągnął wynik około 83,2 procent, plasując się tuż obok OpenAI GPT-5.5-Cyber (85,6 procent) i Anthropic Mythos 5 (83,8 procent). Samo Google zadeklarowało jedynie „konkurencyjne wyniki względem znacznie większych modeli”, co brzmi jak trafny opis niemal remisu trzech modeli.

Wszystko inne — wyniki V8, porównania Big Sleep, ulepszenia skanowania commitów w Chrome — to Google oceniający własny model względem bazowych miar wybranych przez Google, w bazach kodu kontrolowanych przez Google. Nie czyni to wyników fałszywymi. Czyni je niemożliwymi do odtworzenia, ponieważ model jest zamknięty: żaden zewnętrzny badacz nie może go uruchomić, więc nie ma żadnego niezależnego potwierdzenia, na które można by wskazać. Traktuj liczbę 55 problemów w V8 jako mocny sygnał od dostawcy, a nie zweryfikowany fakt.

Cena, dostęp i kto z tego korzysta

Dla większości czytelników praktyczne pytanie brzmi: „czy mogę tego używać?” Obecnie szczera odpowiedź brzmi: nie bezpośrednio. CodeMender jest w publicznej wersji zapoznawczej dla klientów Google Cloud za pośrednictwem platformy Gemini Enterprise Agent Platform i AI Threat Defense, a Google nie opublikował cennika — zapowiadany model zakłada rozliczenie oparte na zużyciu tokenów po zakończeniu okresu zapoznawczego. Gemini 3.5 Flash Cyber jest jeszcze bardziej ograniczony: tylko w trybie pilotażowym, udostępniany rządom i zaufanym partnerom, z wymogiem zatwierdzenia przez człowieka, zanim jakikolwiek patch zostanie wdrożony.

Lista klientów podana przez Google — Salesforce, Robinhood i Palo Alto Networks wśród publicznych testerów, a Chrome, Android, Cloud, Ads i YouTube używają tej technologii wewnętrznie — wskazuje, że docelowym nabywcą jest organizacja ds. bezpieczeństwa, a nie indywidualny programista. W ramach AI Threat Defense, Wiz będzie mógł wywołać CodeMender do skanowania kodu, a Green Agent Wiza będzie koordynować naprawę.

Co to znaczy, jeśli budujesz na modelach

Szczegół projektu, który wciąż się pojawia, to wzorzec wielomodelowy: wybierz Gemini 3.5 Flash do rutynowych skanów, Gemini 3.1 Pro, gdy analiza jest dogłębna, Gemini 3 Flash, gdy wolumen jest wysoki, a model specjalistyczny, gdy go potrzebujesz. To jest routing — ta sama decyzja, którą router modeli uogólnia na cały katalog, udostępniana dla każdego żądania zamiast na stałe zaszyta w jednym produkcie.

CodeMender i Gemini 3.5 Flash Cyber to nie modele, które można dziś wywoływać przez API, i nie obsługujemy ich routingu. Ale domyślny silnik w CodeMender — Gemini 3.5 Flash — to model, z którego zespoły mogą korzystać już teraz. Jest dostępny w OrcaRouter po cenie z listy dostawcy: 1,50 USD za milion tokenów wejściowych i 9,00 USD za milion tokenów wyjściowych, przekazywany z 0% narzutu, obok ponad 200 innych modeli za jednym API. Jeśli chcesz dziś zbudować przepływ pracy do skanowania i segregacji z ogólnie dostępnym modelem granicznym pod własnymi zabezpieczeniami, to jest praktyczna droga — a jeśli chcesz przetestować nowszy lub niezweryfikowany model bezpieczeństwa na swojej bazie kodu bez stawiania na niego produkcyjnego potoku, routing z automatycznym przełączaniem awaryjnym pozwala zmieniać modele jednym kluczem i bez drugiej umowy.

Screenshot of the OrcaRouter model page for Gemini 3.5 Flash (google/gemini-3.5-flash) showing $1.50 per 1M input tokens, $9.00 per 1M output tokens, a 1,048,576-token context window, 65,536 max output, and an AA Intelligence of 55.3.

Konkluzja

Przejście CodeMender na model zarządzany to prawdziwy kamień milowy dla kategorii bezpieczeństwa AI: agent naprawiający podatności ze sprawdzonym osiągnięciami w środowiskach produkcyjnych, opakowany w mechanizmy klasy enterprise, wyceniany na tokeny, a od frontu wspierany przez model tak skuteczny w działaniach ofensywnych, że Google zdecydowało się go ograniczyć, zamiast sprzedawać na szeroką skalę. Dla zespołów bezpieczeństwa w Google Cloud ten podgląd jest wart poważnego rozważenia — pętla skanowania i łatania z weryfikacją w piaskownicy jest naprawdę przed standardem skaner-plus-LLM.

Dla wszystkich pozostałych praktyczny wniosek z tego ogłoszenia pozostaje niezmienny: możliwość jest bramkowana, ale silnik, który się pod nią kryje — rozumowanie klasy Gemini 3.5 Flash — jest dostępny już dziś przez zwykłe interfejsy API, a wzorzec routingu wbudowany w CodeMender możesz zastosować u siebie. W nadchodzących miesiącach obserwuj dwie rzeczy: cennik oparty na zużyciu po zakończeniu okresu zapoznawczego oraz to, czy Google otworzy pilotaż Gemini 3.5 Flash Cyber poza rządami i zaufanymi partnerami. Każdy z tych sygnałów będzie kolejnym realnym znakiem w tej historii.

Porównane w tym artykule2

Wykryto na podstawie tego artykułu · Benchmarki: Artificial Analysis · aktualizowane codziennie