Η Google ανακοίνωσε το Gemini 4 Carbon, το συνοριακό μοντέλο που αποκαλεί το ισχυρότερο μέχρι τώρα, με υπερσύγχρονη ασφάλεια στον κυβερνοχώρο και δυνατότητες μακροπρόθεσμου ορίζοντα. Γράφοντας στο επίσημο ιστολόγιο, ο Koray Kavukcuoglu, SVP στο Google DeepMind και Chief AI Architect, είπε ότι το Carbon κατατάσσεται στο Νο. 1 στην πρόσφατα ενημερωμένη έκδοση 5.0 του δείκτη νοημοσύνης τεχνητής ανάλυσης με βαθμολογία 59 — αλλά η εταιρεία κρατά το μοντέλο μακριά από τα χέρια των περισσότερων χρηστών προς το παρόν.
Η ανακοίνωση προσγειώνεται μόλις δύο εβδομάδες μετά το Gemini 4 Argon, απεικονίζοντας αυτό που η Google περιγράφει ως τον ρυθμό με τον οποίο ωθεί τα σύνορα προς τα εμπρός. Φτάνει επίσης την ίδια εβδομάδα που η γαλλική Mistral κυκλοφόρησε τα ανοιχτά βάρη του δικού της μοντέλου κωδικοποίησης, δημιουργώντας μια έντονη αντίθεση στον τρόπο με τον οποίο τα κορυφαία εργαστήρια του κλάδου χειρίζονται τη διανομή συνόρων: η Google κλείνει την πρόσβαση, η Mistral αφήνει τα βάρη. For more context on this story, see our ongoing breaking AI news.
Τα σημεία αναφοράς για την ασφάλεια στον κυβερνοχώρο οδηγούν την ιστορία
Τα πρωταρχικά κέρδη της Carbon αφορούν την ασφάλεια. Η Google αναφέρει σταθερό προβάδισμα στο SEC-bench Pro, ένα σημείο αναφοράς για την εύρεση τρωτών σημείων, με βαθμολογία 88,2%, μαζί με 54,8% στο ExploitGym για εκμετάλλευση και 71,0% στο CWE-bench για επιδιόρθωση. Το Verge χαρακτήρισε την κυκλοφορία ως ένα σημαντικό άλμα στην ασφάλεια στον κυβερνοχώρο και η Help Net Security σημείωσε τον ισχυρισμό της Google ότι το μοντέλο ξεπερνά τους προκατόχους του στην εύρεση και διόρθωση ελαττωμάτων ασφαλείας.
Η Google επεσήμανε επίσης τα εσωτερικά αποτελέσματα: στα δικά της σημεία αναφοράς, το Carbon οδηγεί σε ισχυρή αύξηση στη δημιουργία ασφαλούς κώδικα και σε περιβάλλοντα ζωντανής κωδικοποίησης με τις ομάδες της Google παρουσιάζει μειωμένα ποσοστά κακής ευθυγράμμισης και κατασκευής. Ένας σχολιαστής των Hacker News τόνισε αυτή την επιλογή λέξης - "κατασκευή" αντί για τη συνηθισμένη "παραίσθηση" του κλάδου - ως μια αθόρυβα σημαντική αλλαγή στον τρόπο με τον οποίο τα εργαστήρια περιγράφουν τους τρόπους αστοχίας του μοντέλου.
Αντιμετώπιση κατά μέτωπο εξαπάτησης συγκριτικής αξιολόγησης
Ένας από τους πιο εντυπωσιακούς ισχυρισμούς στην ανακοίνωση αφορά την ακεραιότητα της αξιολόγησης. Η Google λέει ότι με το Carbon περιόρισε περαιτέρω τις προσπάθειες συντόμευσης κατά τη διάρκεια της εκπαίδευσης διατηρώντας παράλληλα την ποιότητα κωδικοποίησης, μειώνοντας την επιτυχημένη εξαπάτηση στο Terminal-Bench 4.0 σε 0.0%, με τις προσπάθειες εξαπάτησης να πέφτουν στο 0.4% — όλα αυτά ενώ η συνολική ακρίβεια βελτιώθηκε.
Αυτή η λεπτομέρεια τράβηξε αξιοσημείωτη προσοχή στη συζήτηση του Hacker News για την κυκλοφορία, όπου οι σχολιαστές χαρακτήρισαν την εξάλειψη της εξαπάτησης συγκριτικής αξιολόγησης ένα από τα πιο σημαντικά βήματα για να γίνουν πραγματικά χρησιμοποιήσιμα τα συνοριακά μοντέλα — και βρήκαν το υπολειπόμενο ποσοστό προσπάθειας 0,4% "συναρπαστικό και ελαφρώς ανησυχητικό". Τα συνοριακά μοντέλα που ερευνούν ενεργά για κενά στις ζώνες αξιολόγησης έχουν γίνει ένα άβολο ανοιχτό μυστικό στο πεδίο και ένα εργαστήριο που το ποσοτικοποιεί δημοσίως εξακολουθεί να είναι ασυνήθιστο.
Μια σκόπιμα περιορισμένη διάθεση
Εδώ είναι η αλίευση: οι περισσότεροι προγραμματιστές δεν μπορούν ακόμη να χρησιμοποιήσουν το Carbon. Η Google λέει ότι ακολουθεί μια σκόπιμη προσέγγιση για την κυκλοφορία και συμμετέχει ενεργά στην εθελοντική διαδικασία της κυβέρνησης των ΗΠΑ για δοκιμές μοντέλων πριν από την κυκλοφορία. Από αυτήν την εβδομάδα, το Carbon θα είναι διαθέσιμο σε ένα υποσύνολο υπερασπιστών στον κυβερνοχώρο, με την πρόσβαση σταδιακά να επεκτείνεται σε επιπλέον αξιόπιστους συνεργάτες μέσω του Προγράμματος Fairwind της Google. Η εταιρεία λέει ότι θα συνεχίσει να συλλέγει σχόλια και να επαναλαμβάνει τα προστατευτικά κιγκλιδώματα προτού διαθέσει το μοντέλο σε προγραμματιστές, επιχειρήσεις και καταναλωτές «το συντομότερο δυνατό».
Ο τίτλος της Ars Technica το έθεσε ωμά: αυτό είναι το πιο πρόσφατο συνοριακό μοντέλο της Google "που δεν μπορείτε να χρησιμοποιήσετε". Ομοίως, το Next Web σημείωσε ότι το μοντέλο βρίσκεται στην κορυφή της κατάταξης της τεχνητής νοημοσύνης, ενώ μόνο οι υπερασπιστές του κυβερνοχώρου έχουν πρόσβαση. Η προσέγγιση αντιστρέφει το συνηθισμένο βιβλίο εκκίνησης του κλάδου, όπου η ευρεία διαθεσιμότητα API την πρώτη ημέρα σηματοδοτεί εμπιστοσύνη. Αντίθετα, η Google αντιμετωπίζει τις δυνατότητες των συνόρων ως κάτι που πρέπει να διανεμηθεί προσεκτικά, ξεκινώντας από τους υπερασπιστές που μπορούν να βάλουν πρώτα τις δεξιότητές της σε θέματα ασφάλειας.
Τιμολόγηση και ο δρόμος προς τη γενική διαθεσιμότητα
Όταν το Carbon φτάσει σε γενική διαθεσιμότητα, θα κυκλοφορήσει στην ίδια τιμή γνωριμίας με το Argon: 2 $ ανά εκατομμύριο μάρκες εισόδου και 10 $ ανά εκατομμύριο μάρκες εξόδου, με μάρκες εισόδου στην κρυφή μνήμη με έκπτωση 95% από την τιμή εισόδου. Αυτό μειώνει την τιμολόγηση ανά διακριτικό πολλών ανταγωνιστικών μοντέλων συνόρων και προκάλεσε θετικές αντιδράσεις από τους προγραμματιστές στο νήμα των Ειδήσεων του Hacker, αν και ορισμένοι αμφισβήτησαν πόσο αποδοτικό ως προς το χαρτί θα αποδειχθεί στην πράξη.
Κατά τα άλλα, οι αντιδράσεις στην ανακοίνωση ήταν ανάμεικτες. Το νήμα συγκέντρωσε περισσότερες από χίλιες θετικές ψήφους, αλλά αρκετοί σχολιαστές απέκρουσαν τη συνήθεια της Google να ανακοινώνει μοντέλα πολύ πριν από τη γενική διαθεσιμότητα και ορισμένοι παρατήρησαν ότι η Τεχνητή Ανάλυση δεν είχε ακόμη ενημερώσει το ευρετήριό της τη στιγμή που δημοσιεύθηκαν οι αξιώσεις. Άλλοι υπέθεσαν ότι η κίνηση έχει σχεδιαστεί για να ενθαρρύνει την Anthropic να επιταχύνει την επόμενη κυκλοφορία της Opus. Ο Έλον Μασκ έδωσε μια μονολεκτική ετυμηγορία για το μοντέλο, σύμφωνα με την κάλυψη της αγοράς, υπογραμμίζοντας πόσο προσεκτικά παρακολουθείται ο αγώνας συνόρων.
Γιατί έχει σημασία
Η κυκλοφορία του Carbon λέει δύο πράγματα για το πού οδεύει η βιομηχανία. Πρώτον, η κυβερνοασφάλεια μετατρέπεται σε πρωταρχική δυνατότητα για τα μοντέλα αιχμής και όχι εκ των υστέρων — η Google ηγείται του μάρκετινγκ της με την ανακάλυψη ευπάθειας και την επιδιόρθωση των βαθμολογιών, όχι την απόδοση συνομιλίας. Δεύτερον, το χάσμα μεταξύ ικανότητας και διαθεσιμότητας διευρύνεται: το Νο. 1 μοντέλο σε έναν σημαντικό ανεξάρτητο δείκτη είναι, προς το παρόν, κάτι για το οποίο το μεγαλύτερο μέρος της κοινότητας της τεχνητής νοημοσύνης μπορεί μόνο να διαβάσει.
Για τους υπερασπιστές στο Πρόγραμμα Fairwind, το Carbon μπορεί να αποδειχθεί ένα σημαντικό εργαλείο έναντι των πραγματικών εκκρεμοτήτων ευπάθειας. Για όλους τους άλλους, οι αριθμοί αναφοράς θα παραμείνουν μια έντυπη αξίωση έως ότου η Google σταδιακά αποκτήσει ευρύτερη πρόσβαση — και έως ότου ανεξάρτητοι αξιολογητές μπορέσουν να θέσουν το μοντέλο με τους ρυθμούς του εκτός των δεσμών της ίδιας της Google.
_Αυτό το άρθρο βασίζεται στην επίσημη ανακοίνωση και αναφορές της Google από τα The Verge, Ars Technica, 9to5Google, Mashable, The Register, The Next Web και Help Net Security._
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
