Hero-titelkort för berättelsen om CodeMender Managed: en NYHET · OFFENTLIG FÖRHANDSVERSION-märkning ovanför rubriken ’CodeMender blir Managed’, underrubriken ’Googles AI-kodsäkerhetsagent når offentlig förhandsvisning’ och en trestegs-pipeline för SKANNA, VERIFIERA, ÅTGÄRDA med minimala linjeikoner.
Guides & Insights

CodeMender blir hanterad: Googles sårbarhetsfixande agent når offentlig förhandsvisning

Författare

jinhao.song

Publiceringsdatum

Senaste modellerna · 20Visa alla modeller →
Benchmarks: Artificial Analysis · uppdateras dagligen
Tillbaka till alla inlägg

Under de första åtta månaderna av sitt liv var CodeMender Google DeepMinds tystaste framgångsrika produkt: en AI-agent som hittar verkliga programvarusårbarheter och levererar riktiga patchar — 72 av dem integrerade i open source-projekt innan projektet hade ett pris. Den 21 juli 2026 blev det något annat: en hanterad produkt av företagsklass i offentlig förhandsversion på Google Cloud, som körs på en multimodellstack med Gemini 3.5 Flash som ankare, och som vid sina djupaste skanningar stöds av en säkerhetsanpassad modell — Gemini 3.5 Flash Cyber — som Google begränsar till regeringar och betrodda partners.

Detta är inte en modellrelease, så låt oss vara precisa med datum. CodeMender dateras till den 6 oktober 2025, då Google DeepMind introducerade det som ett forskningsprojekt byggt på Gemini Deep Think-resonemang. Det som faktiskt har förändrats under de senaste veckorna är produktifieringen. Agenten som fungerade som en intern forskningspipeline med mänsklig granskning är nu en hanterad agent som alla Google Cloud-kunder kan använda i offentlig förhandsversion, med förbrukningsbaserad prissättning utlovad när förhandsversionen avslutas. Den övergången — från forskningsprojekt till köpbar produkt, och den styrda modellen som driver den — är nyheten.

Vad ändrades den 21 juli?

Google Cloud tog CodeMender från forskning till hanterad agent i ett enda steg den 21 juli 2026. Den är nu tillgänglig i offentlig förhandsvisning på Gemini Enterprise Agent Platform, och den kan distribueras som en kärnkomponent i Googles AI Threat Defense, tillsammans med Mandiant och Wiz. Den placeringen spelar roll: detta är inte ett fristående demoverktyg, det är en agent designad för att passa in i en befintlig säkerhetsorganisations verktyg och godkännandeflöden.

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.

Den hanterade versionen är uttryckligen multimodell, och detta är den del som läser som en routers specifikationsblad. Team väljer mellan Gemini 3.5 Flash (standard, för balans mellan kostnad, hastighet och skanningsdjup), Gemini 3.1 Pro för djupare analys, och Gemini 3 Flash för skanningar med högre genomströmning. Google säger att tredjepartsalternativ med frontier-modeller anländer senare under 2026. Språktäckningen omfattar C, C++, Go, Java, Python, Ruby, Rust och TypeScript/JavaScript, med kännedom om ramverken Django, Flask, React, Spring Boot och Express.

Hur den hanterade CodeMender faktiskt fungerar

Pipelinen är en trestegsloop: skanna, verifiera, åtgärda. Det låter enkelt; det är designbesluten som skiljer den från en linter med en LLM fastkopplad.

Skanna. CodeMender använder modellens kontextuella förståelse av en kodbas för att hitta sårbarheter som statiska analysverktyg missar — minneskorruption, injektionsbrister, kryptografiska svagheter, osäker datahantering. Agenten resonerar över exekveringsvägar snarare än att mönstermatcha signaturer.

Verifiera. Detta är steget som de flesta "AI-säkerhetsprodukter" hoppar över. CodeMender bygger och kör en proof-of-concept-exploit i en isolerad, kundhanterad sandlåda för att bekräfta att ett fynd verkligen är exploaterbart innan det någonsin når en utvecklare. Googles egen beskrivning är att detta kollapsar falskpositivfrekvensen, vilket är anledningen till att säkerhetsteam historiskt misstror automatiserade skannrar.

Åtgärda. Den genererar en koddiff med ett LLM-as-a-judge-steg som kontrollerar korrigeringen mot organisatoriska regler och affärslogik innan något presenteras. Varje patch kräver fortfarande att en människa godkänner den innan den når repot — human-in-the-loop-disciplinen från forskningseran har förts över intakt.

Operativt listar Google säker trafikdirigering genom kundernas VPC:er, dataisolering, kryptering och noll retention av källkodsdata som tillgängligt i förhandsversionen. För ett verktyg som bearbetar proprietär källkod är den kontrolluppsättningen den faktiska företagsfunktionen.

Den gated-motorn: Gemini 3.5 Flash Cyber

De djupaste skanningarna i CodeMender drivs av Gemini 3.5 Flash Cyber, en modell som Google presenterade den 21 juli 2026, finjusterad ovanpå Gemini 3.5 Flash specifikt för att hitta, validera och åtgärda sårbarheter. Det är inte en generell modell och den är inte till salu i någon konventionell mening. Åtkomst sker genom ett pilotprogram med begränsad åtkomst som är begränsat till regeringar och granskade betrodda partners via CodeMender, med bredare åtkomst planerad över tid och ingen fast tidsplan. Det finns inget offentligt API, ingen självregistrering och inget publicerat pris – Google beskriver den som kostnadseffektiv och prissatt i paritet med standard-Gemini 3.5 Flash snarare än som en premiumsäkerhetsmodell, men det är ett påstående om avsikt, inte en prislista.

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.

Hur CodeMender använder det är anmärkningsvärt: agenten anropar Gemini 3.5 Flash Cyber flera gånger — Google har beskrivit konfigurationer där den anropas upp till fem gånger för en enda slutrapport — så underagenter analyserar många fler kodvägar i en stor kodbas än vad en enda körning av en stor modell skulle tillåta, och sammanställer sedan resultaten. Den designen, att "många billiga anrop slår ett dyrt anrop", är berättelsen om kostnadsoptimering bakom benchmark-rubrikerna.

Rubriksiffrorna är alla leverantörsrapporterade, och den distinktionen är hela poängen med den här modellen. I Googles egen utvärdering mot V8 JavaScript-motorn hittade Gemini 3.5 Flash Cyber 55 unika bekräftade problem, jämfört med 47 för vanliga Gemini 3.5 Flash och 36 för Claude Opus 4.6 – inklusive 10 problem som ingen av de andra modellerna fann. I Big Sleep-liknande utvärderingar av komplexa kodbaser som Chrome och Safari hävdar Google att den ”avsevärt överträffade” de vanliga Flash-modellerna, och i Googles egen produktionsanvändning avslöjade den sårbarheter för fjärrkodsexekvering i publika API:er och ett minneskorruptionsfel i en känslig produktionstjänst inom två timmar – och vid ett tillfälle genererade den en 100 % tillförlitlig RCE-exploit som kringgick ASLR- och W^X-skydden. Den sista upptäckten är precis därför som modellen är begränsad.

Vad du kan verifiera jämfört med vad leverantören rapporterat

Det är värt att hålla isär räkenskaperna, eftersom varje siffra ovan spårar tillbaka till Google. Det enda riktmärket med meningsfullt externt ursprung är CyberGym, en datamängd med cirka 1 500 dokumenterade sårbarheter i omkring 188 verkliga open source-projekt, byggd av Googles Big Sleep-team i samarbete med akademiska forskare. På CyberGym placerade pressanalyser Gemini 3.5 Flash Cyber på cirka 83,2 procent – tätt klustrat med OpenAI:s GPT-5.5-Cyber på 85,6 procent och Anthropic:s Mythos 5 på 83,8 procent. Google självt hävdade bara "konkurrenskraftig prestanda mot betydligt större modeller", vilket låter som en korrekt beskrivning av en trevägs nästan oavgjord match.

Allt annat — V8-siffrorna, Big Sleep-jämförelserna, Chrome commit-skanningsförbättringen — är Google som betygsätter sin egen modell mot riktmärken Google valde, inom kodbaser Google kontrollerar. Det gör inte resultaten falska. Det gör dem oreproducerbara, eftersom modellen är åtkomstbegränsad: ingen extern forskare kan köra den, så det finns ingen oberoende bekräftelse att peka på. Betrakta V8-siffran på 55 ärenden som en stark leverantörssignal, inte ett verifierat faktum.

Pris, tillgång och vem som använder det

För de flesta läsare är den praktiska frågan "kan jag använda detta?" Just nu är det ärliga svaret: inte direkt. CodeMender är i offentlig förhandsversion för Google Cloud-kunder via Gemini Enterprise Agent Platform och AI Threat Defense, och Google har inte publicerat några priser — den angivna planen är förbrukningsbaserad debitering baserad på tokenanvändning efter förhandsversionen. Gemini 3.5 Flash Cyber är ännu snävare: endast pilot, begränsad till regeringar och betrodda partners, med ett steg för mänskligt godkännande innan någon patch skickas ut.

Den kundlista som Google har namngett — Salesforce, Robinhood och Palo Alto Networks bland de offentliga testarna, med Chrome, Android, Cloud, Ads och YouTube som använder den internt — indikerar att den avsedda köparen är en säkerhetsorganisation, inte en enskild utvecklare. Inom AI Threat Defense kommer Wiz att kunna anropa CodeMender för att skanna kod, med Wiz Green Agent som orkestrerar åtgärder.

Vad det innebär om du bygger på modeller

Den designdetalj som ständigt återkommer är multimodellmönstret: välj Gemini 3.5 Flash för rutinskanningar, Gemini 3.1 Pro när analysen är djupgående, Gemini 3 Flash vid hög volym och en specialiserad modell när du behöver det. Det är routing – samma beslut som en modellrouter generaliserar över en katalog, exponerat per begäran i stället för att vara hårdkodat i en enda produkt.

CodeMender och Gemini 3.5 Flash Cyber är inte modeller som du kan anropa från ett API idag, och vi dirigerar dem inte. Men standardmotorn i CodeMender — Gemini 3.5 Flash — är en modell som team kan anropa just nu. Den finns på OrcaRouter till leverantörens listpris, $1.50 per miljon tokens för inmatning och $9.00 per miljon tokens för utmatning, vidarebefordrad med 0 % påslag, tillsammans med 200+ andra modeller bakom ett enda API. Om du vill bygga ett skannings- och triageflöde idag med en allmänt tillgänglig frontier-modell under egna skyddsåtgärder, är det den praktiska vägen — och om du vill testa en nyare eller oprövad säkerhetsmodell mot din kodbas utan att riskera en produktionspipeline på den, låter routing med automatisk failover dig växla modeller med en enda nyckel och utan ett andra avtal.

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.

Slutsatsen

Att CodeMender övergår till en hanterad tjänst är en verklig milstolpe för AI-säkerhetskategorin: en agent som åtgärdar sårbarheter med beprövade resultat i produktion, omsluten av enterprise-kontroller, prissatt per token, och driven av en modell så effektiv i offensivt arbete att Google valde att låsa ner den istället för att sälja den brett. För säkerhetsteam inom Google Cloud är förhandsversionen väl värd en närmare titt – loopen från skanning till patchning med sandlådeverifiering är genuint före status quo med scanner-plus-LLM.

För alla andra är den praktiska slutsatsen oförändrad av tillkännagivandet: funktionen är begränsad, men motorn under den — Gemini 3.5 Flash-klass resonemang — är tillgänglig idag via vanliga API:er, och routingmönstret som CodeMender bygger in är något du kan tillämpa själv. Håll utkik efter två saker under de kommande månaderna: den förbrukningsbaserade prislistan när förhandsversionen avslutas, och om Google öppnar Gemini 3.5 Flash Cyber-piloten bortom regeringar och betrodda partners. Endera skulle vara nästa verkliga signal i den här historien.

Jämförda i den här artikeln2

Identifierat från den här artikeln · Benchmarks: Artificial Analysis · uppdateras dagligen