Google DeepMind ने जेमिनी 4 आर्गन की शिपिंग के ठीक दो सप्ताह बाद अपना नवीनतम फ्रंटियर AI मॉडल जेमिनी 4 कार्बन जारी किया है। नया मॉडल 59 अंकों के साथ आर्टिफिशियल एनालिसिस इंटेलिजेंस इंडेक्स v5 के शीर्ष पर है - आर्गन के 50 पर नौ अंकों की छलांग - और इसे लंबे समय तक चलने वाले, स्वायत्त इंजीनियरिंग कार्य के लिए बनाया गया है। हालाँकि, अधिकांश उपयोगकर्ताओं को इंतजार करना होगा: अपनी उन्नत साइबर सुरक्षा क्षमताओं के कारण, कार्बन अमेरिकी सरकार की स्वैच्छिक पूर्व-परीक्षण प्रक्रिया से गुजर रहा है और शुरुआत में केवल चयनित सुरक्षा विशेषज्ञों के लिए उपलब्ध है। [नवीनतम एआई विकास] (https://aibuzzwire.news) के निरंतर कवरेज के लिए, रोलआउट के विस्तार के रूप में एआई बज़ वायर का अनुसरण करें।

सुरक्षा-प्रथम रोलआउट

कार्बन का असामान्य रिलीज़ पथ दर्शाता है कि मॉडल आक्रामक और रक्षात्मक साइबर कार्य दोनों में कितना सक्षम है। Google का कहना है कि उसकी क्षमताएं कमजोरियों का पता लगाने और उन्हें ठीक करने से लेकर उन्हें ठीक करने तक, संपूर्ण साइबर रक्षा जीवनचक्र तक फैली हुई हैं। रॉयटर्स ने बताया कि मॉडल में एक अलग साइबर सुरक्षा फोकस है, और एर्स टेक्निका ने इसे अपने शीर्षक में स्पष्ट रूप से रखा है: यह एक सीमांत मॉडल है "जिसे आप उपयोग नहीं कर सकते" - कम से कम अभी तक नहीं, जबकि यह उन्नत एआई सिस्टम के लिए सरकार की पूर्व-परीक्षण प्रक्रिया में बैठता है।

Google ने सामान्य उपलब्धता के लिए किसी तारीख की घोषणा नहीं की है। हालाँकि, मूल्य निर्धारण पहले से ही सार्वजनिक है: कार्बन की लागत आर्गन के समान है, जिससे Google की सीमांत टोकन दरें लगातार दो मॉडल पीढ़ियों के माध्यम से अपरिवर्तित रहती हैं।

बहु-दिवसीय स्वायत्त कार्य के लिए निर्मित

कंपनी का कहना है कि उसने कार्बन को "बहुत कठिन, लंबी-क्षितिज इंजीनियरिंग समस्याओं" के लिए डिज़ाइन किया है जो लगातार एजेंटिक वर्कफ़्लो की मांग करती हैं। Google के अनुसार, आंतरिक टीमों ने मॉडल को लगातार कई दिनों तक चलाया, जिसके दौरान इसने अपने आप ही गतिरोधों पर काम किया और बड़े कोडबेस और निम्न-स्तरीय सॉफ़्टवेयर में मूल-कारण विश्लेषण और सूक्ष्म बग फिक्स जैसे जटिल, बहु-चरणीय कार्यों को संभाला।

Google प्रारंभिक उपयोगकर्ता प्रतिक्रिया के आधार पर वैज्ञानिक तर्क, मल्टीमॉडल समझ और पूर्ण-स्टैक वेब विकास में सुधार की भी रिपोर्ट करता है।

कुल मिलाकर मजबूत, कोडिंग में अभी भी क्लाउड का पीछा कर रहा हूं

बेंचमार्क तस्वीर मजबूत है, लेकिन क्लीन स्वीप नहीं। आर्टिफिशियल एनालिसिस इंटेलिजेंस इंडेक्स v5 पर, कार्बन अपने उच्चतम तर्क स्तर पर मुख्य रूप से जटिल तर्क, ज्ञान पुनर्प्राप्ति और वैज्ञानिक कार्यों में शीर्ष स्कोर के माध्यम से क्षेत्र का नेतृत्व करता है, सूचकांक के नौ व्यक्तिगत मूल्यांकनों में से चार में पहला स्थान लेता है।

एजेंटिक कोडिंग में, आर्गन के 53 से बड़ी छलांग के बाद भी, कार्बन अभी भी एंथ्रोपिक के क्लाउड ओपस 5.5 से तीन अंक - 59 बनाम 62 - से पीछे है। वेबडेव एरेना लीडरबोर्ड पर, कार्बन ने 89 एलो अंक प्राप्त करके 1,769 तक पहुंच गया, जो इसे चौथे स्थान पर रखता है।

स्वतंत्र मूल्यांकन भी ऐसी ही कहानी बताते हैं। मूल्यांकन मंच वाल्स एआई 70.36 प्रतिशत सटीकता के साथ कार्बन को दूसरे स्थान पर रखता है, 70.85 प्रतिशत के साथ क्लाउड सॉनेट 5.5 से पीछे है, लेकिन 70.18 प्रतिशत के साथ क्लाउड ओपस 5.5 से आगे है, आर्गन 69.24 प्रतिशत के साथ चौथे स्थान पर है।

एजेंटिक ज्ञान कार्य के लिए आर्टिफिशियल एनालिसिस के एए-ब्रीफकेस बेंचमार्क पर, कार्बन 1,609 एलो तक पहुंच गया, जो आर्गन के 1,483 से 126 अंक अधिक है। यह अभी भी 1,678 पर किमी K3.1 प्रो, 1,659 पर म्यूज़ वंडर और 1,638 पर अपनी xhigh सेटिंग पर ग्रोक 4.7 से पीछे है।

सटीकता बढ़ी, मतिभ्रम भी बढ़ा

कृत्रिम विश्लेषण के मूल्यांकन पर उत्तर सटीकता आर्गन के साथ 48 प्रतिशत से बढ़कर कार्बन के साथ 58 प्रतिशत हो गई। मतिभ्रम की दर 4 से बढ़कर 11 प्रतिशत हो गई - उच्चतर, लेकिन फिर भी रैंकिंग में दूसरी सबसे निचली। तुलना के लिए, द डिकोडर द्वारा रिपोर्ट किए गए कृत्रिम विश्लेषण डेटा के अनुसार, क्लाउड ओपस 5.5 और जीपीटी-6 एस्ट्रा अपनी अधिकतम तर्क सेटिंग्स पर समान माप पर 50 प्रतिशत पर बैठते हैं।

सुरक्षा मानदंड: लगभग पूर्ण त्वरित इंजेक्शन स्कोर

सुरक्षा वह जगह है जहां Google अपनी सबसे बड़ी जीत का दावा करता है। कंपनी के स्वयं के बेंचमार्क चयन में, कार्बन 16 में से 15 परीक्षणों में पहला स्थान लेता है, विशेष रूप से लंबे-संदर्भ और सुरक्षा कार्यों में क्षेत्र से दूर हो जाता है।

ग्रे स्वान के अप्रत्यक्ष त्वरित इंजेक्शन बेंचमार्क पर, Google का कहना है कि कार्बन ने आर्गन के साथ हमले की सफलता दर को 0.7 प्रतिशत से घटाकर 0.0 प्रतिशत कर दिया, जिससे परीक्षण सेट में हर हेरफेर के प्रयास को रोक दिया गया। डिकोडर ने चेतावनी दी है कि इसका मतलब यह नहीं है कि शीघ्र इंजेक्शन का समाधान हो गया है - परीक्षण संतृप्त प्रतीत होता है - लेकिन परिणाम यह समझाने में मदद करता है कि अमेरिकी अधिकारी जनता तक पहुंचने से पहले मॉडल पर पूर्व-तैनाती क्यों देखना चाहते हैं।

दो सप्ताह में दो सीमांत मॉडल

गति ही संदेश है. एक पखवाड़े के भीतर दो फ्रंटियर रिलीज़ - अक्टूबर के मध्य में आर्गन, अब कार्बन - Google डीपमाइंड के आक्रामक ताल को चिह्नित करते हैं क्योंकि यह स्वतंत्र लीडरबोर्ड के शीर्ष और उद्यम अनुबंधों के लिए एंथ्रोपिक और ओपनएआई के साथ प्रतिस्पर्धा करता है।

अभी के लिए, स्कोरबोर्ड इस तरह पढ़ता है: कार्बन समग्र सूचकांक का नेतृत्व करता है, क्लाउड ओपस 5.5 एजेंटिक कोडिंग का ताज रखता है, और बाजार पर सबसे मजबूत साइबर-सक्षम मॉडल सरकारी समीक्षा द्वार के पीछे है। जब कार्बन अधिक व्यापक रूप से खुलता है, तो अपरिवर्तित मूल्य निर्धारण का मतलब है कि वास्तविक प्रतियोगिता छूट के बजाय प्रति टोकन क्षमता से तय की जाएगी - और Google ने उस मीट्रिक पर बार बढ़ा दिया है।

---

एआई से आगे रहें

नवीनतम एआई समाचार, विश्लेषण और सफलताएँ प्राप्त करें - सभी एक ही स्थान पर।

अधिक AI समाचार पढ़ें →