Google DeepMind telah mengeluarkan Gemini 4 Carbon, model AI sempadan terbaharunya, hanya dua minggu selepas penghantaran Gemini 4 Argon. Model baharu itu muncul di bahagian atas Indeks Kecerdasan Analisis Buatan v5 dengan 59 mata — lompatan sembilan mata mengatasi 50 Argon — dan dibina untuk kerja kejuruteraan autonomi yang berjalan lama. Kebanyakan pengguna perlu menunggu, walaupun: kerana keupayaan keselamatan sibernya yang canggih, Carbon sedang melalui proses pra-ujian sukarela kerajaan AS dan pada mulanya hanya tersedia untuk pakar keselamatan terpilih. Untuk liputan berterusan perkembangan AI terkini, ikuti AI Buzz Wire semasa pelancaran berkembang.
Pelancaran yang mengutamakan keselamatan
Laluan keluaran luar biasa Carbon mencerminkan keupayaan model itu dalam kerja siber yang menyinggung dan juga bertahan. Google mengatakan keupayaannya menjangkau kitaran hayat pertahanan siber penuh, daripada mengesan dan mengesahkan kelemahan kepada menampalnya. Reuters melaporkan model itu mempunyai fokus keselamatan siber yang berbeza, dan Ars Technica meletakkannya secara terang-terangan dalam tajuknya: ini adalah model sempadan "yang anda tidak boleh gunakan" - sekurang-kurangnya belum lagi, sementara ia berada dalam proses pra-ujian kerajaan untuk sistem AI lanjutan.
Google belum mengumumkan tarikh untuk ketersediaan umum. Harga, bagaimanapun, sudah pun terbuka: Karbon kos sama seperti Argon, mengekalkan kadar token sempadan Google tidak berubah melalui dua generasi model berturut-turut.
Dibina untuk kerja autonomi berbilang hari
Syarikat itu berkata ia mereka bentuk Karbon untuk "masalah kejuruteraan jangka panjang yang lebih sukar" yang menuntut aliran kerja agen yang berterusan. Menurut Google, pasukan dalaman menjalankan model itu selama beberapa hari berturut-turut, di mana model itu bekerja melalui jalan buntu sendiri dan mengendalikan tugasan kompleks berbilang langkah seperti analisis punca punca dan pembetulan pepijat halus dalam pangkalan kod besar dan perisian peringkat rendah.
Google juga melaporkan peningkatan dalam penaakulan saintifik, pemahaman multimodal dan pembangunan web tindanan penuh berdasarkan maklum balas pengguna awal.
Kuat secara keseluruhan, masih mengejar Claude dalam pengekodan
Gambar penanda aras adalah kuat, tetapi bukan sapuan yang bersih. Pada Indeks Kecerdasan Analisis Buatan v5, Karbon pada peringkat penaakulan tertinggi mendahului bidang ini terutamanya melalui skor tertinggi dalam penaakulan yang kompleks, pencarian pengetahuan dan tugas saintifik, mengambil tempat pertama dalam empat daripada sembilan penilaian individu indeks.
Dalam pengekodan agen, Carbon masih mendahului Claude Opus 5.5 Anthropic dengan tiga mata — 59 berbanding 62 — walaupun selepas lonjakan besar daripada 53 Argon. Di papan pendahulu Arena WebDev, Carbon memperoleh 89 mata Elo untuk mencapai 1,769, yang meletakkannya di tempat keempat.
Penilaian bebas menceritakan kisah yang sama. Platform penilaian Vals AI meletakkan Carbon kedua pada ketepatan 70.36 peratus, di belakang Claude Sonnet 5.5 pada 70.85 peratus tetapi mendahului Claude Opus 5.5 pada 70.18 peratus, dengan Argon keempat pada 69.24 peratus.
Pada penanda aras AA-Briefcase Analisis Buatan untuk kerja pengetahuan agen, Carbon mencapai 1,609 Elo, peningkatan 126 mata berbanding 1,483 Argon. Ia masih berada di belakang Kimi K3.1 Pro pada 1,678, Muse Wonder pada 1,659, dan Grok 4.7 pada tetapan xtinggi pada 1,638.
Ketepatan meningkat, halusinasi juga meningkat
Ketepatan jawapan pada penilaian Analisis Buatan meningkat daripada 48 peratus dengan Argon kepada 58 peratus dengan Karbon. Kadar halusinasi meningkat daripada 4 kepada 11 peratus — lebih tinggi, tetapi masih kedua terendah dalam ranking. Sebagai perbandingan, Claude Opus 5.5 dan GPT-6 Astra pada tetapan penaakulan maksimum mereka masing-masing berada pada 50 peratus pada ukuran yang sama, menurut data Analisis Buatan yang dilaporkan oleh The Decoder.
Penanda aras keselamatan: skor suntikan segera yang hampir sempurna
Keselamatan ialah tempat Google mendakwa kemenangan terbesarnya. Dalam pemilihan penanda aras syarikat itu sendiri, Carbon mengambil tempat pertama dalam 15 daripada 16 ujian, menarik diri dari lapangan terutamanya dalam konteks panjang dan tugas keselamatan.
Mengenai penanda aras suntikan segera tidak langsung Gray Swan, Google berkata Carbon menolak kadar kejayaan serangan daripada 0.7 peratus dengan Argon turun kepada 0.0 peratus, menyekat setiap percubaan manipulasi dalam set ujian. Dekoder memberi amaran bahawa ini tidak bermakna suntikan segera diselesaikan - ujian kelihatan tepu - tetapi hasilnya membantu menjelaskan mengapa pegawai AS mahu melihat pra-pengerahan model sebelum ia sampai kepada orang ramai.
Dua model sempadan dalam dua minggu
Laju adalah mesej. Dua keluaran sempadan dalam masa dua minggu — Argon pada pertengahan Oktober, Carbon sekarang — menandakan irama agresif daripada Google DeepMind kerana ia bersaing dengan Anthropic dan OpenAI untuk bahagian teratas papan pendahulu bebas dan untuk kontrak perusahaan.
Buat masa ini, papan skor berbunyi seperti ini: Carbon mendahului indeks keseluruhan, Claude Opus 5.5 mengekalkan mahkota pengekodan ejen, dan model berkemampuan siber terkuat di pasaran berada di belakang pintu semakan kerajaan. Apabila Carbon dibuka dengan lebih meluas, harga yang tidak berubah bermakna pertandingan sebenar akan diputuskan oleh keupayaan setiap token dan bukannya diskaun — dan Google baru sahaja menaikkan bar pada metrik tersebut.
---
Kekal Mendahului AIDapatkan berita, analisis dan penemuan terkini AI — semuanya di satu tempat.
Baca lebih banyak berita AI →
