Το Google DeepMind κυκλοφόρησε το Gemini 4 Carbon, το νεότερο μοντέλο της με τεχνητή νοημοσύνη, μόλις δύο εβδομάδες μετά την αποστολή του Gemini 4 Argon. Το νέο μοντέλο κάνει το ντεμπούτο του στην κορυφή του Δείκτη Νοημοσύνης Τεχνητής Ανάλυσης v5 με 59 πόντους - ένα άλμα εννέα βαθμών από το Argon's 50 - και είναι κατασκευασμένο για μακροχρόνιες, αυτόνομες εργασίες μηχανικής. Ωστόσο, οι περισσότεροι χρήστες θα πρέπει να περιμένουν: λόγω των προηγμένων δυνατοτήτων ασφάλειας στον κυβερνοχώρο, το Carbon περνά από την εθελοντική προ-δοκιμαστική διαδικασία της κυβέρνησης των ΗΠΑ και είναι αρχικά διαθέσιμο μόνο σε επιλεγμένους ειδικούς σε θέματα ασφάλειας. Για συνεχή κάλυψη των [των τελευταίων εξελίξεων τεχνητής νοημοσύνης] (https://aibuzzwire.news), ακολουθήστε το AI Buzz Wire καθώς επεκτείνεται η διάθεση.
Μια πρώτη διάθεση για ασφάλεια
Η ασυνήθιστη διαδρομή απελευθέρωσης του άνθρακα αντικατοπτρίζει πόσο ικανό είναι το μοντέλο τόσο σε επιθετική όσο και σε αμυντική εργασία στον κυβερνοχώρο. Η Google λέει ότι οι δυνατότητές της καλύπτουν τον πλήρη κύκλο ζωής της άμυνας στον κυβερνοχώρο, από τον εντοπισμό και την επικύρωση τρωτών σημείων έως την επιδιόρθωση τους. Το Reuters ανέφερε ότι το μοντέλο έχει μια ξεχωριστή εστίαση στην κυβερνοασφάλεια και η Ars Technica το έθεσε ξεκάθαρα στον τίτλο της: αυτό είναι ένα μοντέλο αιχμής "που δεν μπορείτε να χρησιμοποιήσετε" — τουλάχιστον όχι ακόμη, ενώ βρίσκεται στη διαδικασία προ-δοκιμών της κυβέρνησης για προηγμένα συστήματα AI.
Η Google δεν έχει ανακοινώσει ημερομηνία για γενική διαθεσιμότητα. Η τιμολόγηση, ωστόσο, είναι ήδη δημόσια: το Carbon κοστίζει το ίδιο με το Argon, διατηρώντας αμετάβλητα τα όρια συμβολικών τιμών της Google σε δύο διαδοχικές γενιές μοντέλων.
Κατασκευασμένο για πολυήμερη αυτόνομη εργασία
Η εταιρεία λέει ότι σχεδίασε το Carbon για «πολύ πιο δύσκολα, μακροπρόθεσμα μηχανολογικά προβλήματα» που απαιτούν επίμονες ροές εργασιών. Σύμφωνα με την Google, οι εσωτερικές ομάδες έτρεχαν το μοντέλο για πολλές ημέρες συνεχόμενα, κατά τη διάρκεια των οποίων εργαζόταν μόνος του σε αδιέξοδα και χειριζόταν πολύπλοκες εργασίες πολλαπλών βημάτων, όπως ανάλυση βασικής αιτίας και λεπτές διορθώσεις σφαλμάτων σε μεγάλες βάσεις κώδικα και λογισμικό χαμηλού επιπέδου.
Η Google αναφέρει επίσης βελτιώσεις στην επιστημονική συλλογιστική, την πολυτροπική κατανόηση και την πλήρη στοίβα ανάπτυξη ιστού με βάση τα πρώτα σχόλια των χρηστών.
Δυνατός συνολικά, εξακολουθεί να κυνηγά τον Claude στην κωδικοποίηση
Η εικόνα αναφοράς είναι ισχυρή, αλλά όχι καθαρή. Στον δείκτη νοημοσύνης τεχνητής ανάλυσης v5, ο άνθρακας στην υψηλότερη βαθμίδα συλλογισμού του οδηγεί το πεδίο κυρίως μέσω κορυφαίων βαθμολογιών σε σύνθετη συλλογιστική, ανάκτηση γνώσης και επιστημονικές εργασίες, καταλαμβάνοντας την πρώτη θέση σε τέσσερις από τις εννέα μεμονωμένες αξιολογήσεις του δείκτη.
Στην αντιπροσωπευτική κωδικοποίηση, ο Carbon εξακολουθεί να ακολουθεί τον Claude Opus 5,5 της Anthropic κατά τρεις βαθμούς — 59 έναντι 62 — ακόμη και μετά από ένα μεγάλο άλμα από το 53 του Argon.
Ανεξάρτητες αξιολογήσεις λένε μια παρόμοια ιστορία. Η πλατφόρμα αξιολόγησης Vals AI κατατάσσει το Carbon δεύτερο με ακρίβεια 70,36%, πίσω από το Claude Sonnet 5,5 στο 70,85%, αλλά μπροστά από τον Claude Opus 5,5 στο 70,18%, με το Argon τέταρτο με 69,24%.
Στο σημείο αναφοράς AA-Briefcase της Artificial Analysis για την εργασία γνώσης αντιπροσώπων, το Carbon έφτασε τα 1.609 Elo, ένα κέρδος 126 μονάδων έναντι του Argon's 1.483. Εξακολουθεί να βρίσκεται πίσω από το Kimi K3.1 Pro στο 1.678, το Muse Wonder στο 1.659 και το Grok 4.7 στο xhigh του 1.638.
Ακρίβεια πάνω, παραισθήσεις επίσης
Η ακρίβεια των απαντήσεων στις αξιολογήσεις της Artificial Analysis αυξήθηκε από 48 τοις εκατό με το αργό σε 58 τοις εκατό με άνθρακα. Το ποσοστό ψευδαισθήσεων αυξήθηκε από 4 σε 11 τοις εκατό - υψηλότερο, αλλά εξακολουθεί να είναι το δεύτερο χαμηλότερο στην κατάταξη. Για σύγκριση, το Claude Opus 5.5 και το GPT-6 Astra στις μέγιστες ρυθμίσεις συλλογισμού τους βρίσκονται το καθένα στο 50 τοις εκατό στο ίδιο μέτρο, σύμφωνα με τα δεδομένα Τεχνητής Ανάλυσης που αναφέρθηκαν από το The Decoder.
Σημεία αναφοράς ασφαλείας: σχεδόν τέλειος δείκτης άμεσης έγχυσης
Η ασφάλεια είναι εκεί που η Google ισχυρίζεται τις μεγαλύτερες νίκες της. Στην επιλογή σημείων αναφοράς της ίδιας της εταιρείας, η Carbon καταλαμβάνει την πρώτη θέση σε 15 από τις 16 δοκιμές, απομακρυνόμενη από το πεδίο, ειδικά σε εργασίες μακράς διάρκειας και ασφάλειας.
Στο σημείο αναφοράς έμμεσης άμεσης έγχυσης του Grey Swan, η Google λέει ότι το Carbon μείωσε το ποσοστό επιτυχίας επίθεσης από 0,7 τοις εκατό με το Argon σε 0,0 τοις εκατό, εμποδίζοντας κάθε προσπάθεια χειραγώγησης στο σετ δοκιμών. Ο αποκωδικοποιητής προειδοποιεί ότι αυτό δεν σημαίνει ότι επιλύθηκε η έγκαιρη έγχυση - η δοκιμή φαίνεται κορεσμένη - αλλά το αποτέλεσμα εξηγεί γιατί οι Αμερικανοί αξιωματούχοι θέλουν μια ματιά πριν από την ανάπτυξη του μοντέλου πριν φτάσει στο κοινό.
Δύο μοντέλα συνόρων σε δύο εβδομάδες
Ο ρυθμός είναι το μήνυμα. Δύο συνοριακές εκδόσεις μέσα σε ένα δεκαπενθήμερο — Argon στα μέσα Οκτωβρίου, Carbon τώρα — σηματοδοτούν έναν επιθετικό ρυθμό από το Google DeepMind καθώς ανταγωνίζεται την Anthropic και την OpenAI για την κορυφή των ανεξάρτητων leaderboard και για εταιρικά συμβόλαια.
Προς το παρόν, ο πίνακας αποτελεσμάτων έχει ως εξής: Το Carbon ηγείται του συνολικού δείκτη, το Claude Opus 5.5 διατηρεί την κορώνα της αντιπροσώπευσης κωδικοποίησης και το ισχυρότερο μοντέλο με δυνατότητα στον κυβερνοχώρο στην αγορά βρίσκεται πίσω από μια πόρτα αξιολόγησης της κυβέρνησης. Όταν το Carbon ανοίξει ευρύτερα, η αμετάβλητη τιμολόγηση σημαίνει ότι ο πραγματικός διαγωνισμός θα κριθεί από τη δυνατότητα ανά διακριτικό και όχι από τις εκπτώσεις — και η Google μόλις ανέβασε τον πήχη σε αυτήν τη μέτρηση.
---
Μείνετε μπροστά από την τεχνητή νοημοσύνηΛάβετε τα πιο πρόσφατα νέα, αναλύσεις και ανακαλύψεις για την τεχνητή νοημοσύνη — όλα σε ένα μέρος.
Διαβάστε περισσότερα νέα AI →
