Google ha presentato Gemini 3.5 Flash Cyber, il primo modello della famiglia Gemini progettato specificamente per le attività di sicurezza informatica. Il sistema deriva da Gemini 3.5 Flash, ma è stato sottoposto a un addestramento aggiuntivo per individuare vulnerabilità nel software, verificarne l’effettiva sfruttabilità e contribuire alla preparazione delle correzioni. La scelta di utilizzare un modello leggero risponde alla necessità di applicare l’intelligenza artificiale a grandi quantità di codice senza sostenere i costi associati all’impiego continuo dei modelli di frontiera più grandi.
L’automazione della sicurezza richiede infatti un numero elevato di analisi, perché una singola applicazione può contenere migliaia di percorsi di esecuzione e combinazioni difficili da esaminare con una sola chiamata. Google ha quindi adottato un’architettura nella quale più istanze del modello vengono eseguite in parallelo, ciascuna incaricata di esplorare parti differenti del codice. I risultati vengono successivamente raccolti e consolidati in un rapporto unico, permettendo di aumentare la copertura senza affidare l’intero processo a un unico modello molto costoso.
Gemini 3.5 Flash Cyber opera insieme a CodeMender, l’agente di sicurezza del codice sviluppato da Google. Durante una stessa analisi, CodeMender può richiamare il modello più volte per esaminare contemporaneamente numerosi percorsi, controllare i risultati e organizzare le vulnerabilità individuate. Questa impostazione consente di utilizzare il modello come componente specializzato di un sistema agentico più ampio, nel quale la capacità complessiva deriva dalla coordinazione di diverse esecuzioni e non esclusivamente dalle dimensioni del singolo modello.
Nei test CyberGym, dedicati alla valutazione dei sistemi AI per la sicurezza informatica, il modello ha raggiunto prestazioni paragonabili a quelle di soluzioni molto più grandi quando è stato utilizzato attraverso un massimo di cinque chiamate iterative. La ripetizione non serve soltanto a confermare il risultato precedente, ma permette al sistema di esplorare progressivamente nuove parti del programma e di trovare vulnerabilità differenti a ogni esecuzione. Questo comportamento è particolarmente importante perché alcuni strumenti di sicurezza basati sull’intelligenza artificiale tendono a riprodurre più volte la stessa analisi, aumentando il costo senza ampliare realmente la copertura.
Google ha valutato il modello anche sul motore JavaScript V8, utilizzato da Chrome e da numerose altre applicazioni. Gemini 3.5 Flash Cyber ha individuato 55 vulnerabilità reali già confermate, rispetto alle 47 rilevate dalla versione generalista di Gemini 3.5 Flash e alle 36 trovate da Claude Opus 4.6. Dieci delle vulnerabilità identificate non erano state rilevate dagli altri modelli inclusi nel confronto, indicando che la specializzazione non si limita a migliorare la quantità complessiva dei risultati, ma può ampliare le tipologie di errori riconosciuti. Si tratta comunque di valutazioni interne diffuse da Google, che dovranno essere confermate in contesti e basi di codice indipendenti.
Il modello viene già utilizzato per controllare il software di alcuni dei principali servizi del gruppo, tra cui Chrome, Android, Google Cloud, YouTube e le piattaforme pubblicitarie. La ricerca delle vulnerabilità non viene quindi trattata soltanto come una funzione sperimentale, ma come un processo destinato a operare su sistemi reali e continuamente aggiornati, nei quali l’analisi manuale non può coprire ogni modifica e ogni possibile percorso di esecuzione.
Un’applicazione condotta dal gruppo di ricerca sulle vulnerabilità di Google Cloud ha permesso di individuare in due ore un problema di esecuzione remota del codice all’interno di un’API pubblica. Il sistema ha inoltre rilevato una vulnerabilità di corruzione della memoria in un servizio operativo sensibile e ha generato automaticamente un exploit capace di aggirare protezioni comuni come Address Space Layout Randomization e W^X. Queste capacità mostrano l’utilità del modello per la difesa, ma evidenziano contemporaneamente il rischio che la stessa tecnologia venga impiegata per sviluppare attacchi.
L’intelligenza artificiale applicata alla sicurezza del software possiede infatti una natura dual-use particolarmente evidente. Un modello capace di individuare una vulnerabilità, verificarla e preparare una patch dispone anche delle conoscenze necessarie per produrre codice che la sfrutti. Google ha quindi deciso di non distribuire immediatamente Gemini 3.5 Flash Cyber attraverso le normali API pubbliche. La prima fase di accesso sarà limitata a enti governativi e partner considerati affidabili, che potranno utilizzare le sue capacità attraverso CodeMender, mentre l’estensione ad altri soggetti avverrà progressivamente.
Le imprese che non partecipano al programma ristretto potranno accedere soltanto a una parte delle funzioni di CodeMender tramite la piattaforma Gemini Enterprise Agents. Questa separazione permette di offrire strumenti di analisi e correzione del codice senza rendere disponibili a tutti gli utenti le capacità più sensibili, come la generazione avanzata di exploit e l’esplorazione autonoma delle vulnerabilità. La gestione dell’accesso diventa quindi parte integrante dell’architettura di sicurezza del prodotto, insieme ai controlli tecnici applicati al modello.
La strategia di Google si distingue per il tentativo di ridurre il costo dell’analisi attraverso la parallelizzazione di modelli leggeri. I sistemi di sicurezza più potenti possono ottenere risultati elevati, ma il loro prezzo limita il numero di volte in cui possono essere eseguiti sullo stesso progetto. Un modello Flash può invece essere richiamato ripetutamente per esplorare percorsi differenti, distribuendo il lavoro tra numerose istanze e riservando eventuali modelli superiori soltanto ai casi che richiedono una verifica più complessa. Il parametro decisivo non è quindi il costo della singola chiamata, ma quello necessario per individuare, confermare e correggere una vulnerabilità reale.
Questo approccio è particolarmente adatto alle grandi organizzazioni, nelle quali il codice cambia continuamente e deve essere controllato prima e dopo la distribuzione. L’AI può analizzare aggiornamenti, dipendenze e componenti in parallelo, segnalare i percorsi più rischiosi e preparare proposte di correzione da sottoporre agli sviluppatori. La revisione umana rimane però necessaria, perché una patch apparentemente corretta può modificare il comportamento del programma, introdurre regressioni o risolvere soltanto una parte del problema. L’automazione accelera quindi la fase di scoperta e preparazione, ma non elimina i test e le procedure di approvazione richiesti negli ambienti produttivi.
Gemini 3.5 Flash Cyber entra in un mercato nel quale Anthropic e OpenAI hanno già sviluppato sistemi specializzati per la sicurezza, mentre Microsoft sta integrando modelli avanzati nei propri strumenti di individuazione delle vulnerabilità. Anche aziende cinesi come Zhipu AI e Moonshot AI dispongono di modelli che vengono considerati competitivi con le soluzioni occidentali più avanzate. La competizione non riguarda soltanto la capacità di scoprire gli errori più complessi, ma anche il costo, la velocità e la possibilità di ripetere l’analisi su larga scala.
La disponibilità di modelli specializzati segna un passaggio dalla semplice assistenza alla programmazione verso sistemi in grado di partecipare direttamente alla difesa del software. Gli stessi agenti che scrivono e modificano il codice possono esaminarne i punti deboli, costruire test, verificare se un problema è sfruttabile e proporre una correzione. Questa evoluzione rende però necessario applicare controlli più rigorosi rispetto a quelli previsti per gli assistenti generalisti, perché l’aumento dell’autonomia può favorire sia i responsabili della sicurezza sia chi tenta di compromettere i sistemi.
Il valore di Gemini 3.5 Flash Cyber dipenderà quindi dalla capacità di combinare prestazioni, costi contenuti e distribuzione controllata. L’utilizzo parallelo di più modelli leggeri può rendere economicamente sostenibile un controllo molto più esteso del codice, mentre l’integrazione con CodeMender permette di coordinare analisi, verifica e preparazione delle patch. La stessa architettura conferma però che l’AI per la cybersicurezza non può essere valutata soltanto in base alle vulnerabilità individuate: devono essere considerati anche l’affidabilità delle correzioni, il controllo delle capacità offensive e le modalità con cui l’accesso viene concesso agli utenti.