شرکت گوگل دیپ‌مایند (Google DeepMind) از مدل پیشگام بعدی خود با نام Gemini 4 Carbon رونمایی کرد؛ قدرتمندترین مدل این شرکت که به پیشرفته‌ترین قابلیت‌های امنیت سایبری و توانایی انجام وظایف طولانی‌مدت (Long-horizon) مجهز شده است.
مدل Carbon در نسخه اخیراً به‌روزرسانی شده‌ی Artificial Analysis Intelligence Index (نسخه 5.0) با امتیاز ۵۹ در رتبه اول قرار گرفته است. این مدل پیشرفت‌های چشمگیری در برنامه‌نویسی، وظایف مبتنی بر ایجنت (Agentic tasks) و قابلیت‌های کلیدی دفاع سایبری نشان داده است. در ارزیابی‌های داخلی گوگل، Carbon باعث ارتقای چشمگیر در تولید کدهای امن شده و در محیط‌های برنامه‌نویسی زنده کاهش میزان خطای ساختگی (Fabrication) و ناهماهنگی را به ثبت رسانده است.
با تکیه بر مدل Gemini 4 Argon که اخیراً معرفی شده بود، Carbon نشان‌دهنده‌ی سرعت بالای گوگل در پیشبرد مرزهای هوش مصنوعی است. این شرکت قصد دارد با احتیاط این مدل را عرضه کند و در حال حاضر دسترسی به آن را برای گروهی از مدافعان سایبری و شرکای مورد اعتماد از طریق برنامه Fairwind باز کرده است. Gemini 4 Carbon با همان قیمت پایه Argon، یعنی ۲ دلار به ازای هر یک میلیون توکن ورودی و ۱۰ دلار به ازای هر یک میلیون توکن خروجی (با ۹۵٪ تخفیف برای توکن‌های ورودی کش‌شده) عرضه خواهد شد.
بهبود برنامه‌نویسی و استدلال برای وظایف طولانی و چالش‌برانگیز
مدل Carbon برای مقابله با مشکلات مهندسی بسیار سخت‌تر و طولانی‌مدت طراحی شده و برای جریان‌های کاری پیوسته و ایجنتی ساخته شده است. تیم‌های داخلی گوگل مشاهده کرده‌اند که Carbon می‌تواند روزها بدون توقف کار کند تا وظایف چندمرحله‌ای مهندسی مانند ریشه‌یابی و پچ کردن باگ‌های ظریف در پایگاه‌های کد بزرگ و سیستم‌های سطح پایین (Low-level) را برطرف کند.
این مدل در توسعه وب فول‌استک نیز کیفیت خروجی‌ها را بهبود بخشیده و با ۸۹ امتیاز ارتقا، در رتبه چهارم جدول WebDev Arena قرار گرفته است.
عملکرد پیشرفته در امنیت سایبری برای ساخت سیستم‌های امن
مدل Gemini 4 Carbon جهش قابل‌توجهی در قابلیت‌های امنیت سایبری ارائه می‌دهد و در چرخه دفاع سایبری (تشخیص آسیب‌پذیری، اعتبارسنجی و اصلاح) به بالاترین سطح عملکرد (State-of-the-art) دست یافته است. طبق گزارش تیم کروم (Chrome)، عملکرد Carbon در تولید پچ‌های باکیفیت بیش از ۱۰ برابر بهتر از مدل‌های پیشگام آزمایشگاه‌های دیگر بوده است.
نام بنچمارک / ارزیابی | امتیاز / عملکرد مدل Carbon | حوزه تخصصی |
|---|---|---|
Artificial Analysis Index (v5.0) | امتیاز ۵۹ (رتبه ۱) | هوش مصنوعی عمومی |
SEC-bench Pro | ۸۸.۲٪ | یافتن آسیب‌پذیری‌های واقعی |
ExploitGym | ۵۴.۸٪ | اعتبارسنجی ریسک (Exploitation) |
CWE-bench | ۷۱.۰٪ | پچ کردن ریشه‌ای باگ‌ها |
WebDev Arena | رتبه ۴ (۱۷۶۸ امتیاز) | توسعه وب فول‌استک |
Gray Swan’s IPI | موفقیت حمله: ۰.۰٪ | مقاومت در برابر تزریق پرامپت |
ارتقای ایمنی و امنیت در مدل‌های پیشگام
مدل Gemini 4 Carbon بر پایه همان پشته‌ی امنیتی چندلایه‌ی Argon ساخته شده است. این شرکت موفق شده است تا در زمینه هم‌راستایی (Alignment) گامی فراتر بردارد و مدل را آموزش دهد تا در شرایط پرفشار به درستی واکنش نشان دهد. برخی از پیشرفت‌های ایمنی این مدل عبارتند از:
کاهش میان‌برها و سوءاستفاده از خلأها: Carbon تقلب موفق در بنچمارک Terminal-Bench 4.0 را به ۰.۰٪ کاهش داده است. هشدار‌های ناهماهنگیِ شدید در برنامه‌نویسیِ زنده نیز حدود ۸۰٪ افت کرده‌اند.
شفافیت و صداقت بیشتر: این مدل ادعاهای بدون پشتیبان را نسبت به Argon نصف کرده است و به جای ساختن اطلاعات جعلی، محدودیت‌ها را مستقیماً به کاربر اعلام می‌کند.
اجرای دقیق بدون تخطی از مرزها: Carbon توانسته است خطای تخطی (Overreach) را ۲۶٪ و خطای عدم ارائه سرویس کامل را ۲۹٪ کاهش دهد که منجر به اجرای بسیار قابل‌اعتمادترِ برنامه‌های چندمرحله‌ای شده است.
گوگل دیپ‌مایند امیدوار است تا با عرضه این مدل به توسعه‌دهندگان و کسب‌وکارها، جهش‌های معناداری را در مهندسی نرم‌افزار و دفاع سایبری، بدون به خطر انداختن ایمنی یا قابلیت اطمینان، رقم بزند.
