Google DeepMind បានបញ្ចេញ Gemini 4 Carbon ដែលជាគំរូ AI ព្រំដែនថ្មីបំផុតរបស់ខ្លួន ត្រឹមតែពីរសប្តាហ៍បន្ទាប់ពីការដឹកជញ្ជូន Gemini 4 Argon ។ ម៉ូដែលថ្មីនេះបង្ហាញខ្លួននៅកំពូលនៃសន្ទស្សន៍វៃឆ្លាតវិភាគ v5 ជាមួយនឹង 59 ពិន្ទុ ដែលជាការលោតឡើង 9 ពិន្ទុលើស Argon's 50 — ហើយត្រូវបានបង្កើតឡើងសម្រាប់ការងារវិស្វកម្មស្វយ័តដែលដំណើរការយូរអង្វែង។ ទោះបីជាយ៉ាងណាក៏ដោយ អ្នកប្រើប្រាស់ភាគច្រើននឹងត្រូវរង់ចាំ៖ ដោយសារតែសមត្ថភាពសុវត្ថិភាពតាមអ៊ីនធឺណិតកម្រិតខ្ពស់របស់វា កាបូននឹងឆ្លងកាត់ដំណើរការសាកល្បងដោយស្ម័គ្រចិត្តរបស់រដ្ឋាភិបាលសហរដ្ឋអាមេរិក ហើយដំបូងគឺអាចរកបានសម្រាប់តែអ្នកជំនាញសុវត្ថិភាពដែលបានជ្រើសរើសប៉ុណ្ណោះ។ សម្រាប់ការគ្របដណ្តប់ជាបន្តបន្ទាប់នៃ [ការអភិវឌ្ឍន៍ AI ចុងក្រោយបំផុត] (https://aibuzzwire.news) សូមអនុវត្តតាម AI Buzz Wire នៅពេលការចេញផ្សាយពង្រីក។

ការដាក់ឱ្យដំណើរការសុវត្ថិភាពដំបូង

ផ្លូវនៃការចេញផ្សាយមិនធម្មតារបស់ Carbon ឆ្លុះបញ្ចាំងពីរបៀបដែលម៉ូដែលនេះមានសមត្ថភាពទាំងក្នុងការងារវាយលុក និងការពារ។ Google និយាយថា សមត្ថភាពរបស់វាមានវិសាលភាពពេញមួយវដ្តនៃការការពារតាមអ៊ីនធឺណិត ចាប់ពីការរកឃើញ និងផ្ទៀងផ្ទាត់ភាពងាយរងគ្រោះ រហូតដល់ការបិទភ្ជាប់ពួកវា។ រ៉យទ័របានរាយការណ៍ថាម៉ូដែលនេះមានការផ្តោតសំខាន់លើសុវត្ថិភាពតាមអ៊ីនធឺណិតដាច់ដោយឡែក ហើយ Ars Technica បានដាក់វាដោយត្រង់នៅក្នុងចំណងជើងរបស់វាថា នេះគឺជាគំរូព្រំដែន "ដែលអ្នកមិនអាចប្រើបាន" - យ៉ាងហោចណាស់មិនទាន់មាននៅឡើយទេ ខណៈដែលវាស្ថិតនៅក្នុងដំណើរការសាកល្បងរបស់រដ្ឋាភិបាលសម្រាប់ប្រព័ន្ធ AI កម្រិតខ្ពស់។

Google មិន​បាន​ប្រកាស​កាល​បរិច្ឆេទ​សម្រាប់​ការ​មាន​លក់​ទូទៅ​ទេ។ ទោះជាយ៉ាងណាក៏ដោយ តម្លៃគឺមានលក្ខណៈសាធារណៈរួចហើយ៖ កាបូនមានតម្លៃដូចគ្នានឹង Argon ដោយរក្សាអត្រាសញ្ញាសម្ងាត់ព្រំដែនរបស់ Google មិនផ្លាស់ប្តូរតាមរយៈជំនាន់គំរូពីរបន្តបន្ទាប់គ្នា។

សាងសង់សម្រាប់ការងារស្វ័យភាពច្រើនថ្ងៃ

ក្រុមហ៊ុននិយាយថា ខ្លួនបានរចនាកាបូនសម្រាប់ "បញ្ហាវិស្វកម្មដែលពិបាកជាង និងវែងឆ្ងាយ" ដែលទាមទារឱ្យមានលំហូរការងារជាភ្នាក់ងារបន្ត។ យោងទៅតាម Google ក្រុមខាងក្នុងបានដំណើរការគំរូនេះអស់រយៈពេលជាច្រើនថ្ងៃជាប់ៗគ្នា ក្នុងអំឡុងពេលដែលវាធ្វើការតាមរយៈការបញ្ចប់ដោយខ្លួនវាផ្ទាល់ និងដោះស្រាយកិច្ចការស្មុគស្មាញ និងច្រើនជំហានដូចជាការវិភាគមូលហេតុឫសគល់ និងការជួសជុលកំហុសតូចៗនៅក្នុងមូលដ្ឋានកូដធំ និងកម្មវិធីកម្រិតទាប។

Google ក៏រាយការណ៍ពីភាពប្រសើរឡើងនៃហេតុផលវិទ្យាសាស្រ្ត ការយល់ដឹងច្រើនបែប និងការអភិវឌ្ឍន៍គេហទំព័រពេញលេញដោយផ្អែកលើមតិអ្នកប្រើដំបូង។

ខ្លាំងជារួម នៅតែដេញតាម Claude ក្នុងការសរសេរកូដ

រូបភាពគោលគឺខ្លាំង ប៉ុន្តែមិនមែនជាការបោសសម្អាតទេ។ នៅលើសន្ទស្សន៍វៃឆ្លាតវិភាគសិប្បនិម្មិត v5 កាបូននៅកម្រិតហេតុផលខ្ពស់បំផុតរបស់វានាំមុខគេលើវិស័យនេះយ៉ាងសំខាន់តាមរយៈពិន្ទុកំពូលក្នុងហេតុផលស្មុគស្មាញ ការទាញយកចំណេះដឹង និងកិច្ចការវិទ្យាសាស្ត្រ ដោយទទួលបានចំណាត់ថ្នាក់លេខមួយនៅក្នុងការវាយតម្លៃបុគ្គលចំនួនប្រាំបួនរបស់សន្ទស្សន៍។

នៅក្នុងការសរសេរកូដភ្នាក់ងារ Carbon នៅតែតាមពីក្រោយ Anthropic's Claude Opus 5.5 ដោយបីពិន្ទុ - 59 ធៀបនឹង 62 - សូម្បីតែបន្ទាប់ពីការលោតដ៏ធំមួយពី Argon's 53 ។ នៅលើតារាងពិន្ទុ WebDev Arena Carbon ទទួលបាន 89 Elo ពិន្ទុដើម្បីឈានដល់ 1,769 ដែលវាស្ថិតនៅលំដាប់ទីបួន។

ការវាយតម្លៃឯករាជ្យប្រាប់រឿងស្រដៀងគ្នា។ វេទិកាវាយតម្លៃ Vals AI ជាប់ចំណាត់ថ្នាក់កាបូនទីពីរនៅភាពត្រឹមត្រូវ 70.36 ភាគរយនៅពីក្រោយ Claude Sonnet 5.5 នៅ 70.85 ភាគរយប៉ុន្តែនាំមុខ Claude Opus 5.5 នៅ 70.18 ភាគរយជាមួយនឹង Argon ទីបួននៅ 69.24 ភាគរយ។

នៅលើ AA-Briefcase Benchmark របស់ការវិភាគសិប្បនិម្មិតសម្រាប់ការងារចំណេះដឹងភ្នាក់ងារ កាបូនបានឈានដល់ 1,609 Elo ដែលជាការកើនឡើង 126 ពិន្ទុលើ Argon's 1,483 ។ វានៅតែស្ថិតនៅពីក្រោយ Kimi K3.1 Pro នៅ 1,678, Muse Wonder នៅ 1,659 និង Grok 4.7 នៅការកំណត់ xhigh នៅ 1,638 ។

ភាពច្បាស់ឡើង ការយល់ច្រលំក៏ឡើងដែរ។

ភាពត្រឹមត្រូវនៃចម្លើយលើការវាយតម្លៃរបស់ការវិភាគសិប្បនិម្មិតបានកើនឡើងពី 48 ភាគរយជាមួយ Argon ដល់ 58 ភាគរយជាមួយនឹងកាបូន។ អត្រានៃការយល់ឃើញបានកើនឡើងពី 4 ទៅ 11 ភាគរយ - ខ្ពស់ជាងនេះ ប៉ុន្តែនៅតែជាកម្រិតទាបបំផុតទីពីរនៅក្នុងចំណាត់ថ្នាក់។ សម្រាប់ការប្រៀបធៀប Claude Opus 5.5 និង GPT-6 Astra នៅការកំណត់ហេតុផលអតិបរមារបស់ពួកគេនីមួយៗអង្គុយនៅ 50 ភាគរយលើវិធានការដូចគ្នានេះបើយោងតាមទិន្នន័យវិភាគសិប្បនិម្មិតដែលបានរាយការណ៍ដោយ The Decoder ។

ស្តង់ដារសុវត្ថិភាព៖ ពិន្ទុចាក់ភ្លាមៗជិតល្អឥតខ្ចោះ

សុវត្ថិភាពគឺជាកន្លែងដែល Google អះអាងការឈ្នះដ៏ធំបំផុតរបស់ខ្លួន។ នៅក្នុងការជ្រើសរើសស្តង់ដារផ្ទាល់ខ្លួនរបស់ក្រុមហ៊ុន Carbon ជាប់ចំណាត់ថ្នាក់លេខ 1 ក្នុងការធ្វើតេស្តចំនួន 15 ក្នុងចំណោម 16 ដោយដកខ្លួនចេញពីទីលាន ជាពិសេសក្នុងបរិបទវែងឆ្ងាយ និងកិច្ចការសន្តិសុខ។

នៅលើគោលការណ៍ណែនាំនៃការចាក់បញ្ចូលដោយប្រយោលរបស់ Grey Swan Google និយាយថា Carbon បានជំរុញអត្រាជោគជ័យនៃការវាយប្រហារពី 0.7 ភាគរយជាមួយនឹង Argon ចុះមកត្រឹម 0.0 ភាគរយ ដោយរារាំងរាល់ការប៉ុនប៉ងរៀបចំនៅក្នុងការធ្វើតេស្ត។ ឧបករណ៍ឌិកូដព្រមានថា នេះមិនមានន័យថាការចាក់បញ្ចូលភ្លាមៗត្រូវបានដោះស្រាយនោះទេ ការធ្វើតេស្តនេះហាក់ដូចជាឆ្អែតហើយ ប៉ុន្តែលទ្ធផលអាចជួយពន្យល់ពីមូលហេតុដែលមន្ត្រីអាមេរិកចង់ឱ្យមានការពិនិត្យមើលគំរូមុនការដាក់ពង្រាយ មុនពេលវាទៅដល់សាធារណៈជន។

ម៉ូដែលព្រំដែនពីរក្នុងរយៈពេលពីរសប្តាហ៍

ល្បឿនគឺជាសារ។ ការចេញផ្សាយព្រំដែនចំនួនពីរក្នុងរយៈពេលពីរសប្តាហ៍ - Argon នៅពាក់កណ្តាលខែតុលា កាបូនឥឡូវនេះ - សម្គាល់ការឈ្លានពានពី Google DeepMind នៅពេលដែលវាប្រកួតប្រជែងជាមួយ Anthropic និង OpenAI សម្រាប់កំពូលតារាងពិន្ទុឯករាជ្យ និងសម្រាប់កិច្ចសន្យាសហគ្រាស។

សម្រាប់ពេលនេះ តារាងពិន្ទុអានដូចនេះ៖ កាបូននាំមុខសន្ទស្សន៍ទាំងមូល Claude Opus 5.5 រក្សាមកុដនៃការសរសេរកូដភ្នាក់ងារ ហើយគំរូដែលមានសមត្ថភាពតាមអ៊ីនធឺណិតខ្លាំងបំផុតនៅលើទីផ្សារគឺនៅពីក្រោយទ្វារពិនិត្យរបស់រដ្ឋាភិបាល។ នៅពេលដែលកាបូនបើកកាន់តែទូលំទូលាយ តម្លៃដែលមិនផ្លាស់ប្តូរមានន័យថាការប្រកួតប្រជែងពិតប្រាកដនឹងត្រូវបានសម្រេចដោយសមត្ថភាពក្នុងមួយសញ្ញាសម្ងាត់ជាជាងការបញ្ចុះតម្លៃ ហើយ Google ទើបតែលើករបារលើម៉ែត្រនោះ។

---

ស្នាក់នៅមុន AI

ទទួលបានព័ត៌មាន AI ការវិភាគ និងរបកគំហើញចុងក្រោយបំផុត — ទាំងអស់នៅកន្លែងតែមួយ។

អានព័ត៌មាន AI បន្ថែម →