‏گوگل Gemini 4 Carbon رو معرفی کرد

گوگل از Gemini 4 Carbon رونمایی کرده؛ مدلی که خودش می‌گه قوی‌ترین مدلشه و تو امنیت سایبری و کارهای long-horizon (یعنی تسک‌هایی که چند ساعت یا چند روز طول می‌کشن و چند مرحله دارن) بهترین عملکرد رو داره. Carbon فقط دو هفته بعد از Gemini 4 Argon اومده. طبق اعلام گوگل، تو نسخهٔ 5.0 شاخص Artificial Analysis Intelligence Index با امتیاز ۵۹ رتبهٔ اول رو داره.

به گفتهٔ گوگل، Carbon برای مسئله‌های مهندسی سخت و طولانی ساخته شده. تیم‌های داخلی دیدن که این مدل می‌تونه چند روز پشت سر هم کار کنه و از بن‌بست‌ها رد بشه، مثلاً تو پیدا کردن ریشهٔ باگ‌های ریز و پچ کردنشون تو کدبیس‌های بزرگ و سیستم‌های سطح پایین. تو WebDev Arena هم ۸۹ امتیاز elo بالا رفته و با ۱۷۶۸ امتیاز رتبهٔ چهارم رو گرفته.

بخش اصلی خبر امنیت سایبریه. Carbon تو SEC-bench Pro (پیدا کردن آسیب‌پذیری‌های واقعی) ۸۸.۲٪، تو ExploitGym (چک کردن اینکه یه آسیب‌پذیری واقعاً قابل سوءاستفاده هست یا نه) ۵۴.۸٪ و تو CWE-bench (نوشتن پچ برای ریشهٔ مشکل) ۷۱.۰٪ گرفته. گوگل می‌گه تو بنچمارک‌های داخلی، موفقیتش تو نوشتن کد امن بیش از دو برابر Argon بوده. تیم Chrome هم گزارش داده که تو ساختن پچ‌های باکیفیت بیش از ۱۰ برابر بهتر از مدل بزرگ یه آزمایشگاه دیگه عمل کرده.

گوگل روی alignment (یعنی اینکه مدل همون کاری رو بکنه که ازش خواستن، نه میون‌بُر و تقلب) هم تأکید داره. Carbon تقلب موفق تو Terminal-Bench 4.0 رو به ۰.۰٪ رسونده و تلاش برای تقلب به ۰.۴٪ رسیده. هشدارهای جدی misalignment تو محیط‌های کدنویسی داخلی تقریباً ۸۰٪ کم شده و ادعاهای بی‌پشتوانه حدوداً نصف Argon شده. زیاده‌روی (overreach) هم ۲۶٪ و کم‌کاری ۲۹٪ کمتر شده. تو بنچمارک prompt injection غیرمستقیم Gray Swan هم نرخ موفقیت حمله از ۰.۷٪ تو Argon به ۰.۰٪ رسیده.

گوگل می‌گه داره با احتیاط منتشرش می‌کنه و تو فرایند داوطلبانهٔ تست پیش از انتشار دولت آمریکا شرکت کرده. از این هفته Carbon فقط دست یه گروه از مدافعان امنیت سایبری می‌رسه و بعد کم‌کم از طریق برنامهٔ Fairwind به شریک‌های مورد اعتماد دیگه داده می‌شه. توسعه‌دهنده‌ها، کسب‌وکارها و کاربرهای عادی باید یه کم صبر کنن. قیمت معرفی‌اش هم مثل Argon هست: ۲ دلار برای هر میلیون توکن ورودی و ۱۰ دلار برای هر میلیون توکن خروجی، با ۹۵٪ تخفیف برای توکن‌های ورودی کش‌شده.

نکات کلیدی:

• Gemini 4 Carbon با امتیاز ۵۹ رتبهٔ اول Artificial Analysis Intelligence Index نسخهٔ 5.0 رو داره
• نتایج امنیتی: SEC-bench Pro ۸۸.۲٪، ExploitGym ۵۴.۸٪، CWE-bench ۷۱.۰٪
• تو WebDev Arena با ۱۷۶۸ امتیاز (۸۹+ elo) رتبهٔ چهارمه
• نرخ موفقیت prompt injection تو بنچمارک Gray Swan به ۰.۰٪ رسیده
• قیمت: ۲ دلار ورودی و ۱۰ دلار خروجی برای هر میلیون توکن، ۹۵٪ تخفیف روی ورودی کش‌شده
• دسترسی فعلاً محدود به مدافعان امنیت و شریک‌های برنامهٔ Fairwind هست