Gemini 4 Carbon Google-ის ახალი ფრონტირ მოდელია, რომელიც კომპანიამ წარადგინა. Google DeepMind-ის ხელმძღვანელის, კორაი კავუკჩუოღლუს თქმით, ეს Google-ის ყველაზე ძლიერი მოდელია, რომელიც კიბერუსაფრთხოებასა და ხანგრძლივ, მრავალსაფეხურიან ამოცანებში საუკეთესო შედეგებს აჩვენებს. დეტალები გამოქვეყნდა Google-ის ოფიციალურ ბლოგზე.
Carbon ორი კვირის წინ გამოსულ Gemini 4 Argon-ს ეფუძნება. Google ამბობს, რომ ახალი მოდელი კოდირებაში, აგენტურ ამოცანებში და კიბერთავდაცვისთვის მნიშვნელოვან უნარებში შესამჩნევად წინ წავიდა.
სარჩევი
Gemini 4 Carbon: რა არის ახალი
Artificial Analysis Intelligence Index-ის განახლებულ v5.0 ვერსიაში Carbon 59 ქულით პირველ ადგილზეა. Google-ის შიდა ტესტებში მოდელი უფრო უსაფრთხო კოდს წერს, ხოლო კომპანიის გუნდებთან რეალურ სამუშაო გარემოში ნაკლებად იგონებს ფაქტებს და ნაკლებად გადაუხვევს დავალებას.
მოდელი გრძელი საინჟინრო ამოცანებისთვისაა შექმნილი. Google-ის თქმით, შიდა გამოყენებისას Carbon დღეების განმავლობაში მუშაობდა, ჩიხებს უვლიდა გვერდს და დიდ კოდბაზებსა და დაბალი დონის სისტემებში რთულ ხარვეზებს პოულობდა და ასწორებდა. ვებ-დეველოპმენტში მოდელმა WebDev Arena-ზე 89 Elo ქულა მოიმატა და 1769 ქულით მე-4 ადგილზე გავიდა.
კიბერუსაფრთხოება: ხარვეზის პოვნიდან გასწორებამდე
Google-ის მთავარი აქცენტი კიბერთავდაცვაა. კომპანია ამბობს, რომ Carbon სრულ ციკლს ფარავს: ხარვეზის აღმოჩენას, მისი საშიშროების შემოწმებას და გასწორებას. გარე ბენჩმარკები, Google-ის თქმით, დამცავი შეზღუდვების გარეშე შეფასდა:
- ხარვეზების პოვნა: SEC-bench Pro-ზე 88.2%, ანუ მოდელი რეალურ პროგრამებში დამალულ რთულ ხარვეზებს დამოუკიდებლად პოულობს.
- ექსპლოიტით შემოწმება: ExploitGym-ზე 54.8%. ეს ტესტი ამოწმებს, შეუძლია თუ არა მოდელს დაადგინოს, რომელი ხარვეზის გამოყენება შეიძლება რეალურად.
- გასწორება: Collinear-ის CWE-bench-ზე 71.0%, ანუ აღმოჩენილ ხარვეზს მოდელი მუშა კოდით ასწორებს.
Google-ის შიდა ტესტებში Carbon უსაფრთხო კოდის წერისას Argon-ზე ორჯერ მეტჯერ წარმატებულია. Chrome-ის გუნდის თქმით, ხარისხიანი პაჩების შექმნისას Carbon სხვა ლაბორატორიის დიდ ფრონტირ მოდელს 10-ჯერ მეტად აჯობა. ამ მოდელის სახელს Google არ ასახელებს. Wiz-ის მონაცემებით კი Carbon ვებ-აპლიკაციების შეღწევადობის ტესტირების ბენჩმარკებშიც ლიდერობს.
Gemini 4 Carbon-ის ბენჩმარკები
ქვემოთ მოცემულია Google-ის ოფიციალური ცხრილი, სადაც Carbon შედარებულია Gemini 4 Argon-თან, GPT-6 Astra-სთან, Claude Opus 5.5-თან და Claude Fable 5.1-თან. ეს Google-ის საკუთარი შედეგებია, მეთოდოლოგია კი DeepMind-ის საიტზეა გამოქვეყნებული.
ცხრილის მიხედვით, Carbon 17 ტესტიდან 15-ში პირველია. მაგალითად:
- AA Index v5.0: Carbon 59, Opus 5.5 58, GPT-6 Astra 57, Argon 50.
- Terminal-Bench 4.0 (AA): Carbon 65.2%, Opus 5.5 59.6%, GPT-6 Astra 59.1%.
- GraphWalks (გრძელი კონტექსტი, 256k-დან 1M-მდე): Carbon 96.2%, Argon 84.2%, GPT-6 Astra 71.8%.
- Vending-Bench 2: Carbon-მა $16,484 დააგროვა, GPT-6 Astra-მ $15,515, Opus 5.5-მა კი $9,235.
- RiemannBench (მათემატიკა): Carbon 80.0%, Argon 76.0%, GPT-6 Astra 72.0%.
ორ ტესტში Carbon პირველი არ არის: FrontierSWE 2-ში GPT-6 Astra ლიდერობს (65.5% Carbon-ის 61.2%-ის წინააღმდეგ), OSWorld-2.1-ში კი Claude Opus 5.5 (87.2% Carbon-ის 81.5%-ის წინააღმდეგ).
დამოუკიდებელი შეფასება
დამოუკიდებელმა პლატფორმა Artificial Analysis-მა დაადასტურა, რომ Carbon 59 ქულით პირველია Intelligence Index v5-ში და ინდექსის 9 ტესტიდან 4-ში საუკეთესო შედეგი აქვს. თუმცა მათ საკუთარ გაზომვებში სურათი ზოგან განსხვავდება Google-ის ციფრებისგან:
- ქოდინგ აგენტები: Coding Agent Index-ში Carbon (Antigravity CLI-ით) 59 ქულით მეორეა, Claude Code-ისა და Claude Opus 5.5-ის (62) შემდეგ. Terminal-Bench 4.0-ზე მათ ტესტში Carbon-მა 64% აიღო და აქაც მეორე ადგილზეა.
- საოფისე აგენტური სამუშაო: AA-Briefcase-ზე Carbon-მა Argon-თან შედარებით 126 Elo ქულა მოიმატა და 1609-ს მიაღწია, მაგრამ Grok 4.7-ს, Muse Wonder-სა და Kimi K3.1 Pro-ს ჯერ კიდევ ჩამორჩება.
- ჰალუცინაციები: AA-Omniscience v1.1-ზე Carbon 54 ქულით პირველია და სწორი პასუხების წილი 58%-მდე გაიზარდა. ამავდროულად, ჰალუცინაციების მაჩვენებელი Argon-ის 4%-დან 11%-მდე გაიზარდა. ეს მაინც მეორე საუკეთესო შედეგია: Claude Opus 5.5-სა და GPT-6 Astra-ს ეს მაჩვენებელი 50% აქვთ.
- ღირებულება: Intelligence Index-ის ერთ ამოცანაზე Carbon $7.76 იხარჯება. ეს Claude Opus 5.5-ზე ($10.04) დაახლოებით 23%-ით იაფია, მაგრამ GPT-6 Astra-ზე ($6.25) ძვირი.
უსაფრთხოება და ქცევა
Carbon იყენებს იგივე მრავალშრიან დაცვას, რაც Argon: უსაფრთხოებაზე ორიენტირებულ წვრთნას, ბოროტად გამოყენების რეალურ დროში ბლოკირებას, prompt injection-ისადმი მდგრადობას და მსჯელობის ჯაჭვის მონიტორინგს. Google-ის მონაცემებით:
- Terminal-Bench 4.0-ზე წარმატებული „მოტყუება“ 0.0%-მდე შემცირდა, მცდელობები კი 0.4%-მდე. შიდა გუნდებთან მუშაობისას მაღალი სიმძიმის გადახვევის სიგნალები თითქმის 80%-ით შემცირდა.
- დაუსაბუთებელი მტკიცებები Argon-თან შედარებით დაახლოებით ორჯერ ნაკლებია.
- გაურკვეველ სიტუაციაში მოდელი არ გამოიცნობს, არამედ წყაროებს ამოწმებს და შეუსაბამობებს მომხმარებელს აჩვენებს.
- დავალების ფარგლებს გადაცდენა 26%-ით, ხოლო დავალების ბოლომდე შეუსრულებლობა 29%-ით შემცირდა.
- Gray Swan-ის Indirect Prompt Injection ბენჩმარკზე შეტევების წარმატება 0.0%-ია (Argon-ს 0.7% ჰქონდა).
ხელმისაწვდომობა და ფასი
Google ამბობს, რომ Carbon-ს ეტაპობრივად გაავრცელებს და აშშ-ის მთავრობის ნებაყოფლობით პროცესში მონაწილეობს, რომელიც მოდელებს გამოშვებამდე ამოწმებს. ამ კვირიდან Carbon კიბერდამცველების შეზღუდულ ჯგუფს მიეწოდება, შემდეგ კი Fairwind Program-ით სხვა სანდო პარტნიორებსაც. დეველოპერებისთვის, ბიზნესისა და ჩვეულებრივი მომხმარებლებისთვის მოდელი მოგვიანებით გახდება ხელმისაწვდომი. ზუსტი თარიღი Google-ს არ დაუსახელებია.
საწყისი ფასი Argon-ის იდენტურია: 1 მილიონი შემავალი ტოკენი $2, 1 მილიონი გამომავალი ტოკენი $10, ქეშირებული შემავალი ტოკენები კი 95%-ით იაფია. საწყისი პერიოდის შემდეგ ფასი გაიზრდება: $4 შემავალ და $20 გამომავალ 1 მილიონ ტოკენზე.
შეჯამება
Gemini 4 Carbon Google-ის ახალი და ყველაზე ძლიერი მოდელია, რომელიც Argon-იდან ორ კვირაში გამოვიდა. Google-ის საკუთარი ბენჩმარკებით, ის კოდირებაში, აგენტურ ამოცანებსა და განსაკუთრებით კიბერუსაფრთხოებაში ლიდერობს, თუმცა FrontierSWE 2-სა და OSWorld-2.1-ში GPT-6 Astra-სა და Claude Opus 5.5-ს ჩამორჩება.
წყაროები
სხვა თემები
Oracle და OpenAI: Oracle-ის აპლიკაციები ChatGPT-ში და 4 ახალი შეთავაზება
Genie 4: Google DeepMind-ის ახალი სამყაროს მოდელი ხმით და რეალისტური ფიზიკით
Qwen3.8-Flash-Next-მა Cohere-ის ტესტში პეკინის სერვერზე ატვირთვა სცადა