‏Gemini 4 Carbon گوگل رو دوباره وارد رقابت مدل‌های برتر کرد

تو این مقاله اومده که Gemini 4 Carbon، جدیدترین مدل خانواده Gemini گوگل، درست وقتی منتشر شد که این روایت جا افتاده بود که Google DeepMind از Anthropic و OpenAI عقب مونده. نویسنده می‌گه اهمیت این مدل بیشتر به خاطر زمان انتشارشه تا یه قابلیت خاص.

تو بیشتر سال ۲۰۲۵، توجه‌ها روی Anthropic و OpenAI بود. Anthropic مدل Opus 5.5 رو داد و OpenAI هم پشت‌سرهم مدل منتشر کرد. تحلیل‌گرهای شرکت‌هایی مثل SemiAnalysis علناً گفته بودن گوگل داره عقب می‌افته. این حرف عجیب بود، چون گوگل TPUهای خودش رو طراحی می‌کنه و یکی از بزرگ‌ترین زیرساخت‌های آموزش مدل دنیا رو داره.

نتیجه‌های Gemini 4 Carbon اون‌قدر قوی بود که یکی از منتقدهای گوگل علناً عذرخواهی کرد. بنچمارک‌هایی که این وسط بهشون استناد می‌شه، مثل Terminal Bench و Agents Last Exam، تست اطلاعات عمومی نیستن. این‌ها می‌سنجن که مدل چقدر می‌تونه خودش تو ترمینال کار کنه، چند ابزار رو پشت‌سرهم استفاده کنه و کارهای چندمرحله‌ای طولانی رو جلو ببره. یعنی بیشتر نشون می‌دن مدل برای coding agentها آماده‌ست یا نه.

به گفته نویسنده، حالا رقابت سه‌طرفه شده و این برای توسعه‌دهنده‌ها مهمه. انتخاب مدل بیشتر به تناسب با کار بستگی پیدا می‌کنه (کدنویسی، context طولانی، کار با ابزار، هزینه هر توکن) و یه آزمایشگاه سوم یعنی قیمت رقابتی‌تر و ریسک کمتر برای گیر افتادن به یه vendor. گوگل چون TPU خودش رو داره، ساختار هزینه‌ای داره که Anthropic و OpenAI با وابستگی به GPUهای Nvidia ندارن.

نویسنده این رو هم یادآوری می‌کنه که این رقابت کنار یه بحث جدی‌تر درباره ایمنی داره پیش می‌ره. Jack Clark از Anthropic گفته self-improvement کامل (یعنی AI که بدون دخالت انسان خودش رو بهتر کنه) شاید تا ۲۰۲۷ برسه. Sam Altman هم گفته sandboxing فقط «تا یه حدی» جواب می‌ده و بعدش باید به alignment تکیه کرد. با برگشتن گوگل، سؤال اینه که شیوه‌های ایمنیش هم پای مدل‌هاش پیشرفت کرده یا نه.

نویسنده معتقده بنچمارک‌ها چیزی درباره هزینه، تأخیر، پایداری API یا رفتار مدل روی کار خاص تو نمی‌گن. پس دلیلی نداره خودکار سراغ Gemini بری. چیزی که مشخص شده اینه که کنار گذاشتن Google DeepMind زود بوده.

نکات کلیدی:

• Gemini 4 Carbon روایت «عقب افتادن گوگل» رو زیر سؤال برد.
• SemiAnalysis قبلاً علناً گفته بود گوگل داره عقب می‌افته.
• Terminal Bench و Agents Last Exam توانایی ایجنتی و کار با ابزار رو می‌سنجن، نه حفظیات.
• گوگل به خاطر TPUهای خودش مزیت هزینه‌ای نسبت به رقبای وابسته به Nvidia داره.
• بنچمارک‌ها هزینه، latency و پایداری API رو نشون نمی‌دن، پس انتخاب مدل باید با تست روی کار واقعی باشه.