گوگل Gemini 4 Carbon را معرفی کرده است، مدل مرزی که آن را قوی‌ترین مدل خود می‌نامد، با امنیت سایبری پیشرفته و قابلیت‌های افق بلند. Koray Kavukcuoglu، SVP در Google DeepMind و Chief AI Architect، در وبلاگ رسمی نوشت، کربن در نسخه 5.0 اخیراً به روز شده شاخص هوش آنالیز مصنوعی با امتیاز 59 در رتبه اول قرار دارد – اما این شرکت در حال حاضر این مدل را از دست اکثر کاربران دور نگه داشته است.

این اعلامیه تنها دو هفته پس از Gemini 4 Argon منتشر می‌شود و چیزی را که گوگل به‌عنوان سرعت پیش‌بردن مرزها توصیف می‌کند، نشان می‌دهد. همچنین در همان هفته‌ای که Mistral فرانسه وزن‌های باز مدل کدگذاری پرچم‌دار خود را منتشر کرد، تضاد فاحشی را در نحوه مدیریت توزیع‌های مرزی توسط آزمایشگاه‌های پیشرو این صنعت ایجاد کرد: Google در حال دسترسی است، Mistral وزن‌ها را کنار می‌گذارد. For more context on this story, see our ongoing AI trends.

معیارهای امنیت سایبری داستان را هدایت می کنند

دستاوردهای اصلی کربن در کار امنیتی است. گوگل در SEC-bench Pro، معیاری برای یافتن آسیب‌پذیری‌ها، با امتیاز 88.2 درصد، همراه با 54.8 درصد در ExploitGym برای بهره‌برداری و 71.0 درصد در CWE-bench برای پچ کردن، پیشتاز است. The Verge این انتشار را یک جهش قابل توجه در امنیت سایبری توصیف کرد و Help Net Security به ادعای گوگل اشاره کرد که این مدل در یافتن و رفع نقص های امنیتی از مدل های قبلی خود شکست می زند.

گوگل همچنین به نتایج داخلی اشاره کرد: در معیارهای خود، Carbon باعث ارتقای قوی در تولید کد ایمن می‌شود و در محیط‌های کدنویسی زنده با تیم‌های خود گوگل، میزان ناهماهنگی و ساخت را کاهش می‌دهد. یکی از مفسران هکر نیوز بر این انتخاب کلمه - "ساخت" به جای "توهم" معمول صنعت - به عنوان یک تغییر بی سر و صدا قابل توجه در نحوه توصیف حالت های خرابی مدل توسط آزمایشگاه ها تاکید کرد.

مقابله با تقلب محک

یکی از ادعاهای قابل توجه در این اطلاعیه مربوط به یکپارچگی ارزیابی است. گوگل می‌گوید که با کربن، تلاش‌های میانبر در طول آموزش را کاهش داده و در عین حال کیفیت کدنویسی را حفظ می‌کند، تقلب موفقیت‌آمیز در Terminal-Bench 4.0 را به 0.0 درصد کاهش می‌دهد و تلاش‌ها برای تقلب به 0.4 درصد کاهش می‌یابد - همه اینها در حالی که دقت کلی بهبود یافته است.

این جزئیات توجه قابل‌توجهی را در بحث هکر نیوز در مورد انتشار به خود جلب کرد، جایی که نظر دهندگان حذف تقلب معیار را یکی از مهم‌ترین گام‌ها برای استفاده واقعی از مدل‌های مرزی نامیدند – و نرخ تلاش باقی‌مانده 0.4% را «جذاب‌کننده و کمی ناراحت‌کننده» یافتند. مدل‌های مرزی که به‌طور فعال به دنبال حفره‌های موجود در مهارهای ارزیابی هستند، به یک راز آشکار ناخوشایند در این زمینه تبدیل شده‌اند و آزمایشگاهی که به طور عمومی آن را کمیت می‌کند هنوز غیرعادی است.

عرضه عمدی محدود شده

نکته اینجاست: بیشتر توسعه دهندگان هنوز نمی توانند از کربن استفاده کنند. گوگل می گوید رویکردی عمدی برای عرضه در پیش گرفته و به طور فعال در فرآیند داوطلبانه دولت ایالات متحده برای آزمایش مدل پیش از انتشار شرکت دارد. از این هفته، Carbon برای زیرمجموعه ای از مدافعان سایبری در دسترس خواهد بود و دسترسی به تدریج به شرکای مورد اعتماد بیشتری از طریق برنامه Fairwind Google گسترش می یابد. این شرکت می‌گوید قبل از در دسترس قرار دادن مدل در دسترس توسعه‌دهندگان، کسب‌وکارها و مصرف‌کنندگان «در اسرع وقت» به جمع‌آوری بازخورد و تکرار روی نرده‌های محافظ ادامه می‌دهد.

عنوان Ars Technica به صراحت بیان می‌کند: این آخرین مدل مرزی گوگل است که «نمی‌توانید از آن استفاده کنید». نکست وب به طور مشابه خاطرنشان کرد که این مدل در رتبه بندی هوش مصنوعی در صدر قرار دارد در حالی که فقط مدافعان سایبری دسترسی دارند. این رویکرد کتاب راه‌اندازی معمول صنعت را معکوس می‌کند، جایی که در دسترس بودن گسترده API در روز اول نشان‌دهنده اطمینان است. گوگل در عوض با قابلیت های مرزی به عنوان چیزی که باید با دقت توزیع شود تلقی می کند و از مدافعانی شروع می کند که می توانند مهارت های امنیتی آن را در درجه اول به کار گیرند.

قیمت گذاری و راه دسترسی عمومی

زمانی که کربن در دسترس عموم قرار گرفت، با همان قیمت اولیه آرگون عرضه می‌شود: 2 دلار به ازای هر میلیون توکن ورودی و 10 دلار در هر میلیون توکن خروجی، با توکن‌های ورودی حافظه پنهان با 95 درصد تخفیف از قیمت ورودی. این موضوع قیمت هر توکن چندین مدل مرزی رقیب را کاهش می‌دهد و واکنش‌های مثبتی را از سوی توسعه‌دهندگان در تاپیک Hacker News به دنبال داشت، اگرچه برخی این سوال را مطرح کردند که این مدل چگونه کارآمدی توکن را در عمل ثابت می‌کند.

در غیر این صورت واکنش ها به این اطلاعیه متفاوت بود. این تاپیک بیش از هزار رأی موافق به خود جلب کرد، اما چندین نظر دهنده عادت گوگل به اعلام مدل‌ها را مدت‌ها قبل از در دسترس بودن عمومی کنار گذاشتند، و برخی خاطرنشان کردند که تحلیل مصنوعی هنوز فهرست خود را در زمان انتشار ادعاها به‌روزرسانی نکرده است. برخی دیگر بر این باورند که این حرکت برای تشویق آنتروپیک به سرعت بخشیدن به انتشار بعدی Opus طراحی شده است. ایلان ماسک با توجه به پوشش بازار، یک حکم یک کلمه ای در مورد این مدل ارائه کرد و تأکید کرد که مسابقه مرزی چقدر از نزدیک تماشا می شود.

چرا مهم است

انتشار کربن دو چیز را در مورد اینکه صنعت در حال حرکت است می گوید. اول، امنیت سایبری در حال تبدیل شدن به یک قابلیت سرفصل برای مدل‌های مرزی است تا یک تفکر بعدی – گوگل بازاریابی خود را با کشف آسیب‌پذیری و اصلاح امتیازات، نه عملکرد چت، رهبری می‌کند. دوم، شکاف بین قابلیت و در دسترس بودن در حال افزایش است: مدل شماره 1 در یک شاخص مستقل بزرگ، در حال حاضر، چیزی است که اکثر جامعه هوش مصنوعی فقط می توانند درباره آن بخوانند.

برای مدافعان برنامه Fairwind، کربن ممکن است ابزاری معنی‌دار در برابر عقب ماندگی‌های آسیب‌پذیری واقعی باشد. برای بقیه، اعداد معیار تا زمانی که گوگل به مرحله دسترسی گسترده‌تر دست پیدا کند، یک ادعای کاغذی باقی خواهد ماند - و تا زمانی که ارزیاب‌های مستقل بتوانند مدل را خارج از کنترل‌های خود گوگل قرار دهند.

_این مقاله بر اساس اعلام و گزارش رسمی گوگل توسط The Verge، Ars Technica، 9to5Google، Mashable، The Register، The Next Web و Help Net Security است.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →