‏Gemini 4 Carbon: ادعاهای بزرگ، بدون راهی برای چک کردن

گوگل یه مدل جدید به اسم Gemini 4 Carbon معرفی کرده و اونو قوی‌ترین مدلش برای کارهای طولانی‌مدت و امنیت سایبری می‌دونه. این مدل چند روز بعد از Gemini 4 Ultra اومده و مخاطبش عموم مردم نیستن، بلکه تیم‌های دفاع سایبری‌ان. فعلاً فقط یه گروه کوچیک از تست‌کننده‌های انتخاب‌شده بهش دسترسی دارن. نویسندهٔ این مقاله تأکید می‌کنه که هر چی از Carbon می‌دونیم، از نمودارهای خود گوگل اومده.

ادعای اصلی گوگل اینه که Carbon تو Artificial Analysis Intelligence Index (یه شاخص مستقل که نتیجهٔ چند بنچمارک رو با هم ترکیب می‌کنه) رتبهٔ اول رو داره. ولی به گفتهٔ نویسنده، Claude Opus 5.5 و GPT-6 Extra خیلی نزدیکش هستن و تو چند تا زیرآزمون حتی ازش جلو می‌زنن. یعنی این بیشتر یه رقابت تنگاتنگ بین سه تا آزمایشگاهه تا یه برد واضح.

بیشترین تبلیغ گوگل روی امنیت سایبریه. Carbon تو پیدا کردن آسیب‌پذیری تو نرم‌افزارهای واقعی و تو کارهای exploit کردن (یعنی سوءاستفادهٔ عملی از اون باگ) اول شده. اما نویسنده می‌گه تو جزئیات نمودارها مشخصه که مدل‌ها با محدودیت‌های یکسان تست نشدن و هر کدوم تو ابزارهای متفاوتی اجرا شدن. پس معلوم نیست برد Carbon به خاطر خود مدله یا به خاطر فضای بیشتری که بهش دادن.

یه عدد جالب دیگه امتیاز prompt injection هست؛ یعنی وقتی یه متن مخرب سعی می‌کنه دستورهای مدل رو عوض کنه. گوگل می‌گه Carbon امتیاز صفر گرفته، یعنی جلوی همهٔ تلاش‌ها مقاومت کرده. اگه این عدد تو تست‌های مستقل هم سرپا بمونه، برای کسایی که agent می‌سازن که وب رو می‌گرده یا سند می‌خونه خیلی مهمه. ولی فعلاً فقط یه تست داخلی تو شرایط خود گوگله.

نکتهٔ دیگه اینه که تست‌های امنیتی ظاهراً بدون guardrail (یعنی بدون محدودیت‌های ایمنی معمول) اجرا شدن. برای سنجیدن توان خام منطقیه، ولی مقایسه با مدل‌های عمومی رقیب که این محدودیت‌ها رو دارن سخت‌تر می‌شه. جمع‌بندی نویسنده اینه که Carbon ارزش دنبال کردن داره، چون یه آزمایشگاه بزرگ برای اولین بار مدلی رو مخصوص امنیت سایبری عرضه کرده. ولی تا وقتی API یا وزن‌های قابل دانلود نیاد، این نمودارها فقط نقطهٔ شروعن، نه حکم نهایی.

نکات کلیدی:

• Gemini 4 Carbon برای کارهای طولانی و امنیت سایبری معرفی شده، نه به عنوان چت‌بات عمومی
• گوگل می‌گه تو Artificial Analysis Intelligence Index اوله، ولی Claude Opus 5.5 و GPT-6 Extra خیلی نزدیکن
• تو بنچمارک‌های امنیتی، مدل‌ها با محدودیت‌ها و ابزارهای متفاوت تست شدن
• امتیاز prompt injection صفر گزارش شده، اما فقط تو تست داخلی گوگل
• تست‌های امنیتی بدون guardrail اجرا شدن
• فعلاً API، وزن باز یا تاریخ انتشار عمومی وجود نداره