Google ने मंगलवार को जेमिनी 4 नियॉन पेश किया, जो कि उसके एलिमेंट-नाम जेमिनी 4 परिवार में एक नया अतिरिक्त है, जिसे कंपनी सॉफ्टवेयर इंजीनियरिंग, ज्ञान कार्य और वैज्ञानिक वर्कफ़्लो में तेजी से एंड-टू-एंड कार्य पूरा करने के साथ सीमांत स्तर की खुफिया जानकारी प्रदान करती है। यह घोषणा गूगल डीपमाइंड के एसवीपी और कंपनी के मुख्य एआई आर्किटेक्ट कोरे कावुकुओग्लू ने एक आधिकारिक ब्लॉग पोस्ट में की।

यह लॉन्च Google की जेमिनी 4 रिलीज़ की तीव्र लय को जारी रखता है, जिसमें पहले से ही कार्बन, हाइड्रोजन और आर्गन वेरिएंट शामिल हैं - जिनमें से बाद वाले ने Minecraft के अंतिम क्रेडिट के माध्यम से स्वायत्त रूप से खेलने के लिए सुर्खियां बटोरीं। नियॉन खुद को परिवार के तेज़, कुशल स्तर के रूप में रखता है: स्वतंत्र लीडरबोर्ड के शीर्ष पर बैठने के लिए पर्याप्त मजबूत है, जबकि बड़े, धीमे फ्रंटियर मॉडल की तुलना में इसकी लागत बहुत कम है। हमारे AI मॉडल कवरेज में प्रत्येक प्रमुख मॉडल रिलीज़ का अनुसरण करें।

जहां नियॉन बेंचमार्क पर उतरता है

Google का कहना है कि नियॉन ने अपने उच्च सोच स्तर पर आर्टिफिशियल एनालिसिस इंटेलिजेंस इंडेक्स पर 61 अंक प्राप्त किए हैं, जो समग्र रूप से तीसरे स्थान पर है और तुलनीय मॉडलों से आगे है, जबकि बड़े, धीमे प्रतिस्पर्धियों से थोड़ा पीछे है। वाल्स इंडेक्स पर यह 70.9% के साथ दूसरे स्थान पर है, जो इसे लागत बनाम क्षमता की पेरेटो सीमा पर रखता है, और यह कानूनी अनुसंधान बेंच और टैक्स एजेंट बेंच दोनों पर पहले स्थान पर है।

एंटरप्राइज़ कहानी वह है जहां Google अपने दावों पर ध्यान केंद्रित कर रहा है। नियॉन एक 1 मिलियन-टोकन संदर्भ विंडो के भीतर स्प्रेडशीट, पीडीएफ, चार्ट, ऑडियो और वीडियो को संश्लेषित करता है और उन इनपुट को संरचित डिलिवरेबल्स में बदल देता है। Google का कहना है कि यह मॉडल वित्त, लेखांकन, स्प्रेडशीट मॉडलिंग और जटिल बाधा अनुसरण में अधिकांश सर्ज एआई बेंचमार्क पर पहले स्थान पर है। यह गहन पेशेवर चार्ट पढ़ने के लिए चार्टोग्राफी पर 73.5% पोस्ट करता है और एजेंटों की अंतिम परीक्षा v1.1 (75.8%) पर अग्रणी मॉडल के बराबर प्रदर्शन करता है। यह 56.3% के साथ जैपियर के ऑटोमेशनबेंच पर पहले स्थान पर है और $16,843 सिम्युलेटेड राजस्व के साथ एंडोन लैब्स के वेंडिंग-बेंच 2 - व्यवसाय चलाने का एक दीर्घकालिक अनुकरण - में शीर्ष पर है। 4,200 से अधिक वास्तविक दुनिया एजेंट सत्रों से निर्मित, एरेना के नए एजेंट एरेना इंडेक्स पर, नियॉन 1336 के स्कोर के साथ विश्व स्तर पर दूसरे स्थान पर है और संचालन क्षमता पर दूसरे स्थान पर है, जिसका अर्थ है कि यह मध्य-कार्य उपयोगकर्ता सुधारों को स्पष्ट रूप से अपनाता है।

वैज्ञानिक और गणितीय तर्क को अपना स्वयं का प्रदर्शन मिलता है: Google टर्मिनल-बेंच साइंस (70.5%), रीमैनबेंच (84.0%) और एचएलई-डायमंड (71.3%) पर अपनी श्रेणी में सर्वोत्तम परिणामों का दावा करता है।

लंबे समय से चल रहे कोडिंग एजेंटों के लिए निर्मित

कोडिंग यकीनन प्रमुख उपयोग का मामला है। Google का कहना है कि नियॉन 58.6 के स्कोर के साथ कृत्रिम विश्लेषण कोडिंग एजेंट इंडेक्स पर पहले स्थान पर है, टर्मिनल-बेंच 4.1 पर 65.2% और फ्रंटियरकोड 2.0 पर इसकी डिफ़ॉल्ट उच्च सेटिंग पर 46.2% है। एसडब्ल्यूई-स्वीप पर, नियॉन मिनी-एसडब्ल्यूई हार्नेस पर 12.8% के साथ आगे है और Google के एंटीग्रेविटी एजेंट हार्नेस के अंदर चलने पर दावा किए गए अत्याधुनिक 39.0% से तीन गुना अधिक है।

मॉडल को लंबे समय तक चलने वाले एजेंट वर्कफ़्लो के लिए इंजीनियर किया गया है: यह जटिल, टूल-भारी कार्यों के माध्यम से प्रदर्शन को बनाए रखता है, अनावश्यक फ़ाइल रीड्स को काटता है, काम करते समय प्रगति को साझा करता है और लंबे सत्रों में संदर्भ संकलन को विश्वसनीय रूप से संभालता है। यह एंटीग्रेविटी में समानांतर हाइड्रोजन उप-एजेंटों को निर्देशित करने वाले एक तेज़, उच्च-निर्णय ऑर्केस्ट्रेटर के रूप में भी कार्य कर सकता है। Google के डेमो विशिष्ट रूप से दिखावटी थे: एंटीग्रेविटी में ब्लेंडर एमसीपी चलाकर, नियॉन ने एक फोटोरिअलिस्टिक 3 डी लैब बेंच का निर्माण किया, जिसमें मौलिक सटीकता के साथ जेमिनी 4 परिवार की कल्पना की गई थी - कार्बन और हाइड्रोजन के लिए बन्सेन लपटें, आर्गन और नियॉन के लिए गैस डिस्चार्ज ट्यूब। /झुंड कमांड का उपयोग करते हुए, इसने डेस्क पर एक कार्यशील यूनिवर्सल ट्यूरिंग मशीन के साथ, किंग्स कॉलेज कैम्ब्रिज में एलन ट्यूरिंग के 1936 के अध्ययन को इंटरैक्टिव 3डी में फिर से बनाया। एक अन्य डेमो में, एक एजेंट झुंड ने 500,000 से अधिक लाइव स्प्रेडशीट फ़ार्मुलों के माध्यम से एक एकल छवि को 100,000-सेल Google शीट रनिंग एज डिटेक्शन और 3 डी डेप्थ मैपिंग में बदल दिया, जिसमें कोई एम्बेडेड छवि या ऐप्स स्क्रिप्ट नहीं थी।

चार सोच स्तरों के साथ मूल्य निर्धारण को समायोजित किया गया

जेमिनी 4 नियॉन की कीमत 3 डॉलर प्रति मिलियन इनपुट टोकन और 15 डॉलर प्रति मिलियन आउटपुट टोकन है, कैश्ड इनपुट की कीमत 0.15 डॉलर प्रति मिलियन टोकन है - 95% की छूट जो लंबे-संदर्भ एजेंट लूप को आर्थिक रूप से व्यवहार्य बनाने के लिए डिज़ाइन की गई है। 1 मिलियन-टोकन संदर्भ विंडो मॉडल के उद्यम, विश्लेषणात्मक और वैज्ञानिक कार्यभार को कवर करती है।

Google इस रिलीज़ के साथ अपनी सोच-स्तर की सीढ़ी को भी परिष्कृत कर रहा है। नियॉन चार स्तरों पर जहाज चलाता है जो लगातार बढ़ते हैं, जिससे टीमों को प्रत्येक कार्यभार के लिए खुफिया जानकारी और टोकन खर्च करने की सुविधा मिलती है। अपने डिफ़ॉल्ट उच्च स्तर पर, कंपनी का कहना है कि नियॉन ने कार्बन की तुलना में प्रति कार्य 32% कम लागत के साथ एक मजबूत कृत्रिम विश्लेषण स्कोर जोड़ा है, और शीर्ष प्रतिस्पर्धी फ्रंटियर मॉडल की तुलना में प्रति कार्य लगभग 50% से 80% कम लागत के साथ वाल्स इंडेक्स और एजेंट एरिना दोनों के पेरेटो फ्रंटियर पर बैठता है। xhigh सेटिंग सबसे कठिन इंजीनियरिंग और वैज्ञानिक कार्यभार के लिए गहन बहु-चरणीय तर्क जोड़ती है, जबकि अभी भी उनकी उच्चतम सेटिंग्स पर प्रतिस्पर्धी मॉडल की तुलना में प्रति कार्य 36%+ कम लागत आती है।

विश्वसनीय रक्षकों के लिए एक साइबर संस्करण

Google ने नियॉन को एक सुरक्षा मॉडल के रूप में भी तैनात किया है। साइबर के लिए जेमिनी 4 नियॉन ऑटोबैक्सबेंच पर सभी आसान, मध्यम और कठिन चुनौतियों के लिए कार्बन की तुलना में अधिक सुरक्षित कोड तैयार करता है, जो कठिन स्तर पर 76% पर अत्याधुनिक तक पहुंचता है। WebExploitBench v1.2 पर मॉडल प्रतिस्पर्धी बड़े मॉडलों की आधी कीमत पर 51.26% का दावा करता है, और कोड-हार्डनिंग जीवनचक्र में यह SEC-बेंच प्रो पर 90.5% स्कोर करता है (प्रति चुनौती सामान्य लागत के लगभग आधे पर भेद्यता खोज), कार्बन के आधे टोकन का उपयोग करके एक्सप्लॉइटजिम पर फ्रंटियर-स्तरीय शोषण सत्यापन प्राप्त करता है, और कोलिनियर पर 70.7% तक पहुंच जाता है। पैचिंग के लिए सीडब्ल्यूई-बेंच वी2 - कार्बन पर 3.4-पॉइंट उत्थान। साइबर संस्करण आने वाले दिनों में Google के फेयरविंड प्रोग्राम के माध्यम से विश्वसनीय रक्षकों के लिए उपलब्ध कराया जाएगा।

उत्पादन कार्य के लिए सुरक्षा मेट्रिक्स

क्योंकि नियॉन सीमांत स्तर की क्षमताओं को एक तेज़, सस्ते मॉडल में लाता है, Google का कहना है कि उसने रिलीज़ को कार्बन की सुरक्षा के बराबर साइबर और जैव सुरक्षा के दुरुपयोग के खिलाफ वास्तविक समय के सुरक्षा उपायों के साथ जोड़ा है - जबकि बहुत कम वैध काम में गिरावट आई है, टर्मिनल-बेंच 4.0 पर केवल 1.98% कार्यों को अस्वीकार कर दिया गया है और टर्मिनल-बेंच-साइंस पर कोई भी नहीं। आंतरिक संरेखण मॉनिटरों ने कार्बन की बेसलाइन के नीचे चेतावनी दरें दिखाईं, और मॉडल ने टर्मिनल-बेंच 4.0 पर 0.0% धोखाधड़ी के साथ कार्बन का मिलान किया, Google के कोडिंग धोखाधड़ी मूल्यांकन में केवल 2.45% कार्यों पर शॉर्टकट लिया - किसी भी जेमिनी 4 मॉडल की सबसे कम दर - और एजेंट ईमानदारी मूल्यांकन पर 99.2% पास दर के साथ अपने एजेंट सुरक्षा सूट पर 0.09% गलत संरेखित कार्रवाई दर पोस्ट की।

उपलब्धता

जेमिनी 4 नियॉन आज जेमिनी एपीआई में Google AI स्टूडियो में, जेमिनी में एपीआई और मॉडल ड्रॉपडाउन के माध्यम से व्यवसाय के लिए, और Google एंटीग्रेविटी और जेमिनी ऐप दोनों में भुगतान किए गए Google AI प्रो और अल्ट्रा ग्राहकों के लिए लॉन्च हो रहा है।

यह क्यों मायने रखता है

नियॉन की कीमत सीमांत-आसन्न एजेंट के प्रदर्शन को उन टीमों की पहुंच में रखती है जो उच्च-मात्रा वाले वर्कलोड के लिए शीर्ष स्तरीय मॉडल लागत को उचित नहीं ठहरा सकते हैं। यदि बेंचमार्क दावे स्वतंत्र परीक्षण में टिके रहते हैं, तो एजेंटिक कोडिंग, एंटरप्राइज ज्ञान कार्य और रक्षात्मक सुरक्षा के लिए प्रतिस्पर्धी तस्वीर और मजबूत हो जाती है - और "पर्याप्त तेज़" और "फ्रंटियर" के बीच का अंतर कम होता जाता है। इस तरह के और लॉन्च के लिए, एआई बज़ वायर पर नवीनतम एआई विकास देखें।

---

एआई से आगे रहें

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

अधिक AI समाचार पढ़ें →