ក្រុមហ៊ុន Google បានប្រកាស Gemini 4 Carbon ដែលជាគំរូព្រំដែនដែលវាហៅថាខ្លាំងបំផុតរបស់ខ្លួនជាមួយនឹងសុវត្ថិភាពតាមអ៊ីនធឺណិតទំនើប និងសមត្ថភាពរយៈពេលវែង។ សរសេរនៅលើប្លក់ផ្លូវការ លោក Koray Kavukcuoglu SVP នៅ Google DeepMind និងជាប្រធានស្ថាបត្យករ AI បាននិយាយថា Carbon ជាប់ចំណាត់ថ្នាក់លេខ 1 លើ v5.0 ដែលបានធ្វើបច្ចុប្បន្នភាពថ្មីៗនេះនៃ Artificial Analysis Intelligence Index ជាមួយនឹងពិន្ទុ 59 — ប៉ុន្តែក្រុមហ៊ុនកំពុងរក្សាម៉ូដែលនេះចេញពីដៃអ្នកប្រើប្រាស់ភាគច្រើននៅពេលនេះ។

ការប្រកាសនេះធ្វើឡើងត្រឹមតែពីរសប្តាហ៍បន្ទាប់ពី Gemini 4 Argon ដែលបង្ហាញពីអ្វីដែល Google ពិពណ៌នាថាជាល្បឿនដែលវាកំពុងជំរុញព្រំដែនទៅមុខ។ វាក៏មកដល់ក្នុងសប្តាហ៍ដូចគ្នាដែល Mistral របស់ប្រទេសបារាំងបានចេញផ្សាយទម្ងន់បើកចំហនៃគំរូកូដកូដរបស់ខ្លួនដោយបង្កើតភាពផ្ទុយគ្នាយ៉ាងខ្លាំងនៅក្នុងរបៀបដែលមន្ទីរពិសោធន៍ឈានមុខគេក្នុងឧស្សាហកម្មនេះកំពុងដោះស្រាយការចែកចាយតាមព្រំដែន៖ Google កំពុងបើកដំណើរការ Mistral កំពុងផ្តល់ទម្ងន់ឱ្យឆ្ងាយ។ For more context on this story, see our ongoing latest AI developments.

ស្តង់ដារសុវត្ថិភាពតាមអ៊ីនធឺណិតនាំមុខរឿង

ការកើនឡើងចំណងជើងរបស់កាបូនគឺនៅក្នុងការងារសន្តិសុខ។ Google រាយការណ៍ពីការនាំមុខយ៉ាងរឹងមាំលើ SEC-bench Pro ដែលជាស្តង់ដារសម្រាប់ការស្វែងរកភាពងាយរងគ្រោះជាមួយនឹងពិន្ទុ 88.2% រួមជាមួយនឹង 54.8% នៅលើ ExploitGym សម្រាប់ការកេងប្រវ័ញ្ច និង 71.0% នៅលើ CWE-bench សម្រាប់ patching ។ The Verge បានកំណត់លក្ខណៈនៃការចេញផ្សាយនេះថាជាការលោតផ្លោះដ៏សំខាន់មួយនៅក្នុងសុវត្ថិភាពអ៊ីនធឺណិត ហើយ Help Net Security បានកត់សម្គាល់ការអះអាងរបស់ Google ដែលថាម៉ូដែលនេះបានយកឈ្នះអ្នកកាន់តំណែងមុនរបស់ខ្លួនក្នុងការស្វែងរក និងជួសជុលកំហុសសុវត្ថិភាព។

Google ក៏បានចង្អុលទៅលទ្ធផលផ្ទៃក្នុងផងដែរ៖ នៅលើស្តង់ដារផ្ទាល់ខ្លួនរបស់វា កាបូនជំរុញឱ្យមានការកើនឡើងយ៉ាងខ្លាំងក្នុងការបង្កើតកូដសុវត្ថិភាព ហើយនៅក្នុងបរិយាកាសសរសេរកូដផ្ទាល់ជាមួយក្រុមផ្ទាល់របស់ Google វាបង្ហាញពីការថយចុះនៃការតម្រឹមខុស និងអត្រានៃការផលិត។ អ្នកអត្ថាធិប្បាយព័ត៌មានរបស់ Hacker ម្នាក់បានគូសបញ្ជាក់ពីជម្រើសពាក្យថា "ការប្រឌិត" ជាជាង "ការយល់ច្រលំ" ធម្មតារបស់ឧស្សាហកម្ម - ជាការផ្លាស់ប្តូរយ៉ាងស្ងប់ស្ងាត់នៅក្នុងរបៀបដែលមន្ទីរពិសោធន៍ពណ៌នាអំពីរបៀបបរាជ័យនៃគំរូ។

ដោះស្រាយ Benchmark បោកក្បាល

ការអះអាងដ៏គួរឱ្យចាប់អារម្មណ៍មួយនៅក្នុងសេចក្តីប្រកាសនេះទាក់ទងនឹងភាពត្រឹមត្រូវនៃការវាយតម្លៃ។ Google និយាយថាជាមួយនឹង Carbon វាបានកាត់បន្ថយការព្យាយាមផ្លូវកាត់បន្ថែមទៀតក្នុងអំឡុងពេលហ្វឹកហាត់ ខណៈពេលដែលរក្សាបាននូវគុណភាពនៃការសរសេរកូដ ដោយកាត់បន្ថយការក្លែងបន្លំដោយជោគជ័យលើ Terminal-Bench 4.0 ទៅ 0.0% ជាមួយនឹងការប៉ុនប៉ងបន្លំធ្លាក់ចុះដល់ 0.4% — ទាំងអស់ខណៈពេលដែលភាពត្រឹមត្រូវរួមត្រូវបានធ្វើឱ្យប្រសើរឡើង។

ព័ត៌មានលម្អិតនោះបានទាក់ទាញការចាប់អារម្មណ៍គួរឱ្យកត់សម្គាល់នៅក្នុងការពិភាក្សារបស់ Hacker News នៃការចេញផ្សាយ ដែលអ្នកអត្ថាធិប្បាយបានហៅការលុបបំបាត់ការបន្លំគោលជាជំហានដ៏សំខាន់បំផុតមួយឆ្ពោះទៅរកការធ្វើឱ្យគំរូព្រំដែនអាចប្រើប្រាស់បានយ៉ាងពិតប្រាកដ — ហើយបានរកឃើញអត្រាការប៉ុនប៉ង 0.4% ដែលនៅសេសសល់ថា "គួរឱ្យចាប់អារម្មណ៍ និងមិនសូវស្ងប់"។ ម៉ូដែល Frontier ដែលធ្វើការស៊ើបអង្កេតយ៉ាងសកម្មសម្រាប់ចន្លោះប្រហោងក្នុងខ្សែរវាយតំលៃបានក្លាយជាអាថ៌កំបាំងបើកចំហរដ៏មិនស្រួលនៅក្នុងវិស័យនេះ ហើយមន្ទីរពិសោធន៍ដែលធ្វើការវាយតម្លៃជាសាធារណៈគឺនៅតែមិនធម្មតា។

ការដាក់កំហិតដោយចេតនា

នេះគឺជាការចាប់បាន៖ អ្នកអភិវឌ្ឍន៍ភាគច្រើនមិនអាចប្រើកាបូននៅឡើយទេ។ Google និយាយថា ខ្លួនកំពុងប្រើវិធីសាស្រ្តដោយចេតនាក្នុងការដាក់ឱ្យដំណើរការ និងកំពុងចូលរួមយ៉ាងសកម្មនៅក្នុងដំណើរការស្ម័គ្រចិត្តរបស់រដ្ឋាភិបាលសហរដ្ឋអាមេរិកសម្រាប់ការសាកល្បងគំរូមុនការចេញផ្សាយ។ ចាប់ពីសប្តាហ៍នេះ Carbon នឹងមានសម្រាប់ក្រុមអ្នកការពារតាមអ៊ីនធឺណិត ជាមួយនឹងការចូលដំណើរការបន្តិចម្តងៗទៅកាន់ដៃគូដែលជឿទុកចិត្តបន្ថែមតាមរយៈកម្មវិធី Fairwind របស់ Google ។ ក្រុមហ៊ុននិយាយថា ខ្លួននឹងបន្តប្រមូលមតិកែលម្អ និងវាយតម្លៃឡើងវិញនៅលើផ្លូវការពារ មុនពេលធ្វើឱ្យគំរូមានសម្រាប់អ្នកអភិវឌ្ឍន៍ អាជីវកម្ម និងអ្នកប្រើប្រាស់ "ឱ្យបានឆាប់តាមដែលអាចធ្វើទៅបាន"។

ចំណងជើងរបស់ Ars Technica បាននិយាយដោយត្រង់ៗថា នេះគឺជាគំរូព្រំដែនចុងក្រោយរបស់ Google "ដែលអ្នកមិនអាចប្រើបាន"។ គេហទំព័របន្ទាប់បានកត់សម្គាល់ស្រដៀងគ្នាថាម៉ូដែលនេះជាប់ចំណាត់ថ្នាក់ AI ខណៈពេលដែលមានតែអ្នកការពារតាមអ៊ីនធឺណិតប៉ុណ្ណោះដែលអាចចូលប្រើបាន។ វិធីសាស្រ្តនេះបង្វែរសៀវភៅលេងដែលបើកដំណើរការធម្មតារបស់ឧស្សាហកម្ម ដែលភាពអាចរកបាន API យ៉ាងទូលំទូលាយនៅថ្ងៃមួយបង្ហាញពីទំនុកចិត្ត។ ជំនួសមកវិញ Google កំពុងចាត់ទុកសមត្ថភាពព្រំដែនជាអ្វីមួយដែលត្រូវចែកចាយដោយប្រុងប្រយ័ត្ន ដោយចាប់ផ្តើមពីអ្នកការពារដែលអាចដាក់ជំនាញសុវត្ថិភាពរបស់ខ្លួនឱ្យដំណើរការជាមុនសិន។

តម្លៃ និងផ្លូវទៅកាន់ភាពអាចរកបានទូទៅ

នៅពេលដែលកាបូនឈានដល់ភាពអាចរកបានទូទៅ វានឹងចេញលក់ក្នុងតម្លៃដំបូងដូចគ្នានឹង Argon ដែរ៖ $2 ក្នុងមួយលានថូខឹនបញ្ចូល និង 10 ដុល្លារក្នុងមួយលាននិមិត្តសញ្ញាទិន្នផល ជាមួយនឹងថូខឹនបញ្ចូលក្នុងឃ្លាំងមានតម្លៃ 95% នៃតម្លៃបញ្ចូល។ នោះកាត់បន្ថយតម្លៃក្នុងមួយសញ្ញាសម្ងាត់នៃម៉ូដែលជួរមុខគូប្រជែងជាច្រើន ហើយបានទាក់ទាញប្រតិកម្មវិជ្ជមានពីអ្នកអភិវឌ្ឍន៍នៅក្នុងបណ្តាញព័ត៌មាន Hacker ទោះបីជាមានអ្នកខ្លះបានចោទសួរថាតើគំរូនេះមានប្រសិទ្ធភាពយ៉ាងណាក្នុងការអនុវត្តជាក់ស្តែង។

ប្រតិកម្ម​ចំពោះ​ការ​ប្រកាស​នេះ​ត្រូវ​បាន​លាយ​ឡំ​ជា​មិន​ខាន។ អត្ថបទនេះបានទាក់ទាញការបោះឆ្នោតគាំទ្រជាងមួយពាន់ ប៉ុន្តែអ្នកអត្ថាធិប្បាយជាច្រើនបានរុញច្រានពីទម្លាប់របស់ Google ក្នុងការប្រកាសម៉ូដែលជាយូរមកហើយមុនពេលមានទូទៅ ហើយអ្នកខ្លះបានកត់សម្គាល់ថាការវិភាគសិប្បនិម្មិតមិនទាន់បានធ្វើបច្ចុប្បន្នភាពលិបិក្រមរបស់វានៅពេលការអះអាងត្រូវបានបោះពុម្ពផ្សាយ។ អ្នកផ្សេងទៀតបានប៉ាន់ស្មានថាការផ្លាស់ប្តូរនេះត្រូវបានរចនាឡើងដើម្បីជំរុញ Anthropic ឱ្យបង្កើនល្បឿននៃការចេញផ្សាយ Opus បន្ទាប់របស់ខ្លួន។ Elon Musk បានផ្តល់សាលក្រមមួយពាក្យលើម៉ូដែលនេះបើយោងតាមការគ្របដណ្តប់ទីផ្សារ ដោយគូសបញ្ជាក់ថាតើការប្រណាំងនៅព្រំដែនកំពុងត្រូវបានឃ្លាំមើលយ៉ាងជិតស្និទ្ធប៉ុណ្ណា។

ហេតុអ្វីវាសំខាន់

ការចេញផ្សាយរបស់ Carbon និយាយរឿងពីរអំពីកន្លែងដែលឧស្សាហកម្មកំពុងធ្វើដំណើរ។ ទីមួយ សុវត្ថិភាពតាមអ៊ីនធឺណិតកំពុងក្លាយជាសមត្ថភាពសំខាន់មួយសម្រាប់ម៉ូដែលព្រំដែនជាជាងការគិតក្រោយ - Google កំពុងនាំមុខទីផ្សាររបស់ខ្លួនជាមួយនឹងការរកឃើញភាពងាយរងគ្រោះ និងពិន្ទុបំណះ មិនមែនដំណើរការជជែកនោះទេ។ ទីពីរ គម្លាតរវាងសមត្ថភាព និងភាពអាចរកបានកំពុងពង្រីក៖ គំរូលេខ 1 លើសន្ទស្សន៍ឯករាជ្យដ៏សំខាន់គឺសម្រាប់ពេលនេះ អ្វីដែលសហគមន៍ AI ភាគច្រើនអាចអានបានប៉ុណ្ណោះ។

សម្រាប់អ្នកការពារនៅក្នុងកម្មវិធី Fairwind កាបោនអាចបង្ហាញពីឧបករណ៍ដ៏មានអត្ថន័យមួយប្រឆាំងនឹងភាពងាយរងគ្រោះពិតប្រាកដ។ សម្រាប់មនុស្សគ្រប់រូបផ្សេងទៀត លេខគោលនឹងនៅតែជាការទាមទារក្រដាសរហូតដល់ដំណាក់កាល Google ក្នុងការចូលដំណើរការកាន់តែទូលំទូលាយ ហើយរហូតដល់អ្នកវាយតម្លៃឯករាជ្យអាចដាក់គំរូតាមល្បឿនរបស់វានៅខាងក្រៅខ្សែផ្ទាល់ខ្លួនរបស់ Google ។

_អត្ថបទនេះគឺផ្អែកលើការប្រកាសជាផ្លូវការរបស់ Google និងរាយការណ៍ដោយ The Verge, Ars Technica, 9to5Google, Mashable, The Register, The Next Web, និង Help Net Security._

---

Stay Ahead of AI

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

Read more AI news →