Google DeepMind ने Gemini 4 Argon पाठवल्यानंतर फक्त दोन आठवड्यांनंतर जेमिनी 4 कार्बन, त्याचे नवीन फ्रंटियर AI मॉडेल रिलीझ केले आहे. नवीन मॉडेल आर्टिफिशियल ॲनालिसिस इंटेलिजेंस इंडेक्स v5 च्या शीर्षस्थानी 59 गुणांसह पदार्पण करते — अर्गोनच्या 50 वर नऊ-पॉइंट्सची उडी — आणि दीर्घकाळ चालणाऱ्या, स्वायत्त अभियांत्रिकी कार्यासाठी तयार केली गेली आहे. तथापि, बहुतेक वापरकर्त्यांना प्रतीक्षा करावी लागेल: त्याच्या प्रगत सायबरसुरक्षा क्षमतांमुळे, कार्बन यूएस सरकारच्या ऐच्छिक पूर्व-चाचणी प्रक्रियेतून जात आहे आणि सुरुवातीला फक्त निवडक सुरक्षा तज्ञांसाठी उपलब्ध आहे. नवीनतम AI घडामोडींच्या सतत कव्हरेजसाठी, रोलआउट विस्तारत असताना AI Buzz Wire चे अनुसरण करा.

सुरक्षा-प्रथम रोलआउट

कार्बनचा असामान्य प्रकाशन मार्ग आक्षेपार्ह आणि बचावात्मक दोन्ही सायबर कार्यात मॉडेल किती सक्षम आहे हे प्रतिबिंबित करतो. Google म्हणते की त्याच्या क्षमता संपूर्ण सायबर संरक्षण जीवनचक्र व्यापतात, असुरक्षा शोधणे आणि त्यांचे प्रमाणीकरण करणे ते पॅच करणे. रॉयटर्सने नोंदवले की मॉडेलमध्ये एक वेगळे सायबरसुरक्षा फोकस आहे, आणि Ars Technica ने त्याच्या मथळ्यात स्पष्टपणे सांगितले: हे एक फ्रंटियर मॉडेल आहे "जे तुम्ही वापरू शकत नाही" - किमान अद्याप नाही, तर ते प्रगत AI प्रणालींसाठी सरकारच्या पूर्व-चाचणी प्रक्रियेत बसते.

Google ने सामान्य उपलब्धतेसाठी तारीख जाहीर केलेली नाही. किंमत, तथापि, आधीच सार्वजनिक आहे: कार्बनची किंमत आर्गॉन सारखीच आहे, Google चे सीमावर्ती टोकन दर सलग दोन मॉडेल पिढ्यांमधून अपरिवर्तित ठेवतात.

बहु-दिवसीय स्वायत्त कामासाठी बांधले

कंपनीचे म्हणणे आहे की त्यांनी कार्बनची रचना "खूप कठीण, दीर्घ-क्षितिज अभियांत्रिकी समस्या" साठी केली आहे जी सतत एजंटिक कार्यप्रवाहांची मागणी करतात. Google च्या म्हणण्यानुसार, अंतर्गत कार्यसंघांनी हे मॉडेल अनेक दिवसांपर्यंत चालवले, ज्या दरम्यान त्याने स्वतःहून डेड एंड्सद्वारे कार्य केले आणि मोठ्या कोडबेस आणि निम्न-स्तरीय सॉफ्टवेअरमध्ये मूळ-कारण विश्लेषण आणि सूक्ष्म दोष निराकरणे यासारखी जटिल, बहु-चरण कार्ये हाताळली.

Google सुरुवातीच्या वापरकर्त्याच्या अभिप्रायावर आधारित वैज्ञानिक तर्क, मल्टीमॉडल समज आणि पूर्ण-स्टॅक वेब डेव्हलपमेंटमधील सुधारणांचा अहवाल देखील देते.

एकूणच मजबूत, अजूनही कोडिंगमध्ये क्लॉडचा पाठलाग करत आहे

बेंचमार्क चित्र मजबूत आहे, परंतु क्लीन स्वीप नाही. आर्टिफिशियल ॲनालिसिस इंटेलिजेंस इंडेक्स v5 वर, कार्बन त्याच्या सर्वोच्च तर्काच्या स्तरावर मुख्यतः जटिल तर्क, ज्ञान पुनर्प्राप्ती आणि वैज्ञानिक कार्यांमध्ये सर्वोच्च स्कोअरद्वारे क्षेत्राचे नेतृत्व करते, निर्देशांकाच्या नऊ वैयक्तिक मूल्यांकनांपैकी चार मध्ये प्रथम स्थान मिळवते.

एजंटिक कोडींगमध्ये, कार्बन अजूनही अँथ्रोपिकच्या क्लॉड ओपस 5.5 पेक्षा तीन गुणांनी पिछाडीवर आहे — 59 विरुद्ध 62 — Argon च्या 53 वरून मोठी उडी घेतल्यानंतरही. WebDev Arena लीडरबोर्डवर, कार्बनने 89 Elo पॉइंट्स मिळवून 1,769 गाठले, जे ते चौथ्या स्थानावर आहे.

स्वतंत्र मूल्यमापन एक समान कथा सांगतात. मूल्यमापन प्लॅटफॉर्म Vals AI 70.36 टक्के अचूकतेसह कार्बन दुसऱ्या क्रमांकावर आहे, क्लॉड सॉनेट 5.5 च्या मागे 70.85 टक्के आहे परंतु क्लॉड ओपस 5.5 च्या पुढे 70.18 टक्के आहे, आर्गॉन 69.24 टक्के चौथ्या क्रमांकावर आहे.

एजंटिक ज्ञान कार्यासाठी कृत्रिम विश्लेषणाच्या AA-ब्रीफकेस बेंचमार्कवर, कार्बन 1,609 Elo वर पोहोचला, जो Argon च्या 1,483 पेक्षा 126-पॉइंट वाढला. हे अजूनही Kimi K3.1 Pro 1,678 वर, Muse Wonder 1,659 वर आणि Grok 4.7 च्या Xhigh सेटिंग 1,638 वर आहे.

अचूकता वाढली, भ्रमही वाढला

आर्टिफिशियल ॲनालिसिसच्या मूल्यमापनावरील उत्तरांची अचूकता आर्गॉनसह 48 टक्क्यांवरून कार्बनसह 58 टक्क्यांपर्यंत वाढली. भ्रमनिरास दर 4 ते 11 टक्क्यांपर्यंत वाढला - उच्च, परंतु तरीही क्रमवारीत दुसऱ्या-सर्वात कमी. तुलनेसाठी, क्लॉड ओपस 5.5 आणि GPT-6 एस्ट्रा त्यांच्या जास्तीत जास्त तर्क सेटिंग्जमध्ये प्रत्येक समान मापावर 50 टक्के बसतात, द डीकोडरने नोंदवलेल्या कृत्रिम विश्लेषण डेटानुसार.

सुरक्षा बेंचमार्क: एक जवळ-परफेक्ट प्रॉम्प्ट इंजेक्शन स्कोअर

सुरक्षितता आहे जिथे Google त्याच्या सर्वात मोठ्या विजयांचा दावा करतो. कंपनीच्या स्वतःच्या बेंचमार्क निवडीत, कार्बन 16 पैकी 15 चाचण्यांमध्ये प्रथम स्थान घेते, विशेषत: दीर्घ-संदर्भ आणि सुरक्षा कार्यांमध्ये क्षेत्रापासून दूर जाते.

ग्रे स्वानच्या अप्रत्यक्ष प्रॉम्प्ट इंजेक्शन बेंचमार्कवर, Google म्हणतो की कार्बनने चाचणी सेटमधील प्रत्येक हाताळणीच्या प्रयत्नांना अवरोधित करून, आर्गॉनसह हल्ल्याचा यशाचा दर 0.7 टक्क्यांवरून 0.0 टक्क्यांपर्यंत खाली आणला. डीकोडर चेतावणी देतो की याचा अर्थ त्वरित इंजेक्शनने निराकरण केले जात नाही — चाचणी संतृप्त दिसते — परंतु परिणाम हे स्पष्ट करण्यात मदत करते की यूएस अधिकाऱ्यांना मॉडेलचे लोकांपर्यंत पोहोचण्यापूर्वी पूर्व-उपयोजन का पहायचे आहे.

दोन आठवड्यांत दोन फ्रंटियर मॉडेल

वेग हा संदेश आहे. पंधरवड्याच्या आत दोन फ्रंटियर रिलीझ — ऑक्टोबरच्या मध्यात आर्गॉन, आता कार्बन — Google DeepMind कडून आक्रमक कॅडेन्स चिन्हांकित करा कारण ते स्वतंत्र लीडरबोर्डच्या शीर्षस्थानी आणि एंटरप्राइझ करारांसाठी Anthropic आणि OpenAI शी स्पर्धा करते.

आत्तासाठी, स्कोअरबोर्ड असे वाचतो: कार्बन संपूर्ण निर्देशांकात आघाडीवर आहे, क्लॉड ओपस 5.5 एजंटिक कोडिंग मुकुट ठेवते आणि बाजारातील सर्वात मजबूत सायबर-सक्षम मॉडेल सरकारी पुनरावलोकन दरवाजाच्या मागे आहे. जेव्हा कार्बन अधिक व्यापकपणे उघडतो, तेव्हा अपरिवर्तित किंमत म्हणजे वास्तविक स्पर्धा सवलतींऐवजी प्रति टोकन क्षमतेनुसार ठरवली जाईल — आणि Google ने नुकतेच त्या मेट्रिकवर बार वाढवला आहे.

---

एआयच्या पुढे राहा

नवीनतम AI बातम्या, विश्लेषण आणि यश मिळवा — सर्व एकाच ठिकाणी.

अधिक AI बातम्या वाचा →