Google DeepMind ਨੇ Gemini 4 Carbon, Gemini 4 Argon ਨੂੰ ਸ਼ਿਪਿੰਗ ਕਰਨ ਤੋਂ ਸਿਰਫ਼ ਦੋ ਹਫ਼ਤੇ ਬਾਅਦ, ਆਪਣਾ ਸਭ ਤੋਂ ਨਵਾਂ ਫਰੰਟੀਅਰ AI ਮਾਡਲ ਜਾਰੀ ਕੀਤਾ ਹੈ। ਨਵਾਂ ਮਾਡਲ 59 ਪੁਆਇੰਟਾਂ ਦੇ ਨਾਲ ਆਰਟੀਫਿਸ਼ੀਅਲ ਐਨਾਲਿਸਿਸ ਇੰਟੈਲੀਜੈਂਸ ਇੰਡੈਕਸ v5 ਦੇ ਸਿਖਰ 'ਤੇ ਸ਼ੁਰੂਆਤ ਕਰਦਾ ਹੈ - ਅਰਗਨ ਦੇ 50 ਤੋਂ ਇੱਕ ਨੌਂ-ਪੁਆਇੰਟ ਦੀ ਛਾਲ - ਅਤੇ ਲੰਬੇ ਸਮੇਂ ਤੱਕ ਚੱਲਣ ਵਾਲੇ, ਖੁਦਮੁਖਤਿਆਰੀ ਇੰਜੀਨੀਅਰਿੰਗ ਦੇ ਕੰਮ ਲਈ ਬਣਾਇਆ ਗਿਆ ਹੈ। ਜ਼ਿਆਦਾਤਰ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਉਡੀਕ ਕਰਨੀ ਪਵੇਗੀ, ਹਾਲਾਂਕਿ: ਇਸਦੀਆਂ ਉੱਨਤ ਸਾਈਬਰ ਸੁਰੱਖਿਆ ਸਮਰੱਥਾਵਾਂ ਦੇ ਕਾਰਨ, ਕਾਰਬਨ ਅਮਰੀਕੀ ਸਰਕਾਰ ਦੀ ਸਵੈ-ਇੱਛਤ ਪ੍ਰੀ-ਟੈਸਟਿੰਗ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚੋਂ ਲੰਘ ਰਿਹਾ ਹੈ ਅਤੇ ਸ਼ੁਰੂਆਤ ਵਿੱਚ ਸਿਰਫ ਚੁਣੇ ਗਏ ਸੁਰੱਖਿਆ ਮਾਹਰਾਂ ਲਈ ਉਪਲਬਧ ਹੈ। ਨਵੀਨਤਮ AI ਵਿਕਾਸ ਦੀ ਲਗਾਤਾਰ ਕਵਰੇਜ ਲਈ, ਰੋਲਆਊਟ ਦੇ ਵਿਸਤਾਰ ਦੇ ਨਾਲ AI Buzz Wire ਦਾ ਅਨੁਸਰਣ ਕਰੋ।

ਇੱਕ ਸੁਰੱਖਿਆ-ਪਹਿਲਾ ਰੋਲਆਊਟ

ਕਾਰਬਨ ਦਾ ਅਸਾਧਾਰਨ ਰੀਲੀਜ਼ ਮਾਰਗ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਮਾਡਲ ਅਪਮਾਨਜਨਕ ਅਤੇ ਰੱਖਿਆਤਮਕ ਸਾਈਬਰ ਕੰਮ ਦੋਵਾਂ ਵਿੱਚ ਕਿੰਨਾ ਸਮਰੱਥ ਹੈ। ਗੂਗਲ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਇਸ ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਾਈਬਰ ਡਿਫੈਂਸ ਲਾਈਫਸਾਈਕਲ ਨੂੰ ਫੈਲਾਉਂਦੀਆਂ ਹਨ, ਕਮਜ਼ੋਰੀਆਂ ਨੂੰ ਖੋਜਣ ਅਤੇ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਤੋਂ ਲੈ ਕੇ ਉਹਨਾਂ ਨੂੰ ਪੈਚ ਕਰਨ ਤੱਕ। ਰਾਇਟਰਜ਼ ਨੇ ਰਿਪੋਰਟ ਕੀਤੀ ਕਿ ਮਾਡਲ ਦਾ ਇੱਕ ਵੱਖਰਾ ਸਾਈਬਰ ਸੁਰੱਖਿਆ ਫੋਕਸ ਹੈ, ਅਤੇ ਆਰਸ ਟੈਕਨੀਕਾ ਨੇ ਇਸਨੂੰ ਆਪਣੀ ਸੁਰਖੀ ਵਿੱਚ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਰੱਖਿਆ: ਇਹ ਇੱਕ ਫਰੰਟੀਅਰ ਮਾਡਲ ਹੈ "ਜਿਸ ਦੀ ਤੁਸੀਂ ਵਰਤੋਂ ਨਹੀਂ ਕਰ ਸਕਦੇ" - ਘੱਟੋ ਘੱਟ ਅਜੇ ਨਹੀਂ, ਜਦੋਂ ਕਿ ਇਹ ਐਡਵਾਂਸਡ ਏਆਈ ਪ੍ਰਣਾਲੀਆਂ ਲਈ ਸਰਕਾਰ ਦੀ ਪ੍ਰੀ-ਟੈਸਟਿੰਗ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਬੈਠਦਾ ਹੈ।

ਗੂਗਲ ਨੇ ਆਮ ਉਪਲਬਧਤਾ ਲਈ ਇੱਕ ਤਾਰੀਖ ਦਾ ਐਲਾਨ ਨਹੀਂ ਕੀਤਾ ਹੈ। ਕੀਮਤ, ਹਾਲਾਂਕਿ, ਪਹਿਲਾਂ ਹੀ ਜਨਤਕ ਹੈ: ਕਾਰਬਨ ਦੀ ਕੀਮਤ ਅਰਗੋਨ ਦੇ ਬਰਾਬਰ ਹੈ, ਗੂਗਲ ਦੇ ਫਰੰਟੀਅਰ ਟੋਕਨ ਦਰਾਂ ਨੂੰ ਲਗਾਤਾਰ ਦੋ ਮਾਡਲ ਪੀੜ੍ਹੀਆਂ ਵਿੱਚ ਕੋਈ ਬਦਲਾਅ ਨਹੀਂ ਰੱਖਦੇ।

ਬਹੁ-ਦਿਨ ਆਟੋਨੋਮਸ ਕੰਮ ਲਈ ਬਣਾਇਆ ਗਿਆ

ਕੰਪਨੀ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਉਸਨੇ ਕਾਰਬਨ ਨੂੰ "ਬਹੁਤ ਕਠਿਨ, ਲੰਬੀ-ਉੱਤਰੀ ਇੰਜੀਨੀਅਰਿੰਗ ਸਮੱਸਿਆਵਾਂ" ਲਈ ਡਿਜ਼ਾਈਨ ਕੀਤਾ ਹੈ ਜੋ ਨਿਰੰਤਰ ਏਜੰਟਿਕ ਵਰਕਫਲੋ ਦੀ ਮੰਗ ਕਰਦੇ ਹਨ। ਗੂਗਲ ਦੇ ਅਨੁਸਾਰ, ਅੰਦਰੂਨੀ ਟੀਮਾਂ ਨੇ ਮਾਡਲ ਨੂੰ ਸਿੱਧੇ ਕਈ ਦਿਨਾਂ ਤੱਕ ਚਲਾਇਆ, ਜਿਸ ਦੌਰਾਨ ਇਸ ਨੇ ਆਪਣੇ ਆਪ ਹੀ ਕੰਮ ਕੀਤਾ ਅਤੇ ਗੁੰਝਲਦਾਰ, ਬਹੁ-ਪੜਾਵੀ ਕਾਰਜਾਂ ਜਿਵੇਂ ਕਿ ਰੂਟ-ਕਾਰਨ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਵੱਡੇ ਕੋਡਬੇਸ ਅਤੇ ਹੇਠਲੇ ਪੱਧਰ ਦੇ ਸੌਫਟਵੇਅਰ ਵਿੱਚ ਸੂਖਮ ਬੱਗ ਫਿਕਸ ਕੀਤੇ।

Google ਸ਼ੁਰੂਆਤੀ ਉਪਭੋਗਤਾ ਫੀਡਬੈਕ ਦੇ ਆਧਾਰ 'ਤੇ ਵਿਗਿਆਨਕ ਤਰਕ, ਮਲਟੀਮੋਡਲ ਸਮਝ, ਅਤੇ ਫੁੱਲ-ਸਟੈਕ ਵੈੱਬ ਵਿਕਾਸ ਵਿੱਚ ਸੁਧਾਰਾਂ ਦੀ ਰਿਪੋਰਟ ਵੀ ਕਰਦਾ ਹੈ।

ਸਮੁੱਚੇ ਤੌਰ 'ਤੇ ਮਜ਼ਬੂਤ, ਅਜੇ ਵੀ ਕੋਡਿੰਗ ਵਿੱਚ ਕਲਾਉਡ ਦਾ ਪਿੱਛਾ ਕਰ ਰਿਹਾ ਹੈ

ਬੈਂਚਮਾਰਕ ਤਸਵੀਰ ਮਜ਼ਬੂਤ ਹੈ, ਪਰ ਕਲੀਨ ਸਵੀਪ ਨਹੀਂ। ਆਰਟੀਫਿਸ਼ੀਅਲ ਐਨਾਲਿਸਿਸ ਇੰਟੈਲੀਜੈਂਸ ਇੰਡੈਕਸ v5 'ਤੇ, ਕਾਰਬਨ ਆਪਣੇ ਉੱਚਤਮ ਤਰਕ ਪੱਧਰ 'ਤੇ ਮੁੱਖ ਤੌਰ 'ਤੇ ਗੁੰਝਲਦਾਰ ਤਰਕ, ਗਿਆਨ ਪ੍ਰਾਪਤੀ, ਅਤੇ ਵਿਗਿਆਨਕ ਕਾਰਜਾਂ ਵਿੱਚ ਚੋਟੀ ਦੇ ਸਕੋਰਾਂ ਦੁਆਰਾ ਖੇਤਰ ਦੀ ਅਗਵਾਈ ਕਰਦਾ ਹੈ, ਸੂਚਕਾਂਕ ਦੇ ਨੌ ਵਿਅਕਤੀਗਤ ਮੁਲਾਂਕਣਾਂ ਵਿੱਚੋਂ ਚਾਰ ਵਿੱਚ ਪਹਿਲਾ ਸਥਾਨ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ।

ਏਜੰਟਿਕ ਕੋਡਿੰਗ ਵਿੱਚ, ਕਾਰਬਨ ਅਜੇ ਵੀ ਐਂਥਰੋਪਿਕ ਦੇ ਕਲਾਉਡ ਓਪਸ 5.5 ਤੋਂ ਤਿੰਨ ਅੰਕਾਂ - 59 ਬਨਾਮ 62 - ਅਰਗਨ ਦੇ 53 ਤੋਂ ਵੱਡੀ ਛਾਲ ਮਾਰਨ ਤੋਂ ਬਾਅਦ ਵੀ ਪਿੱਛੇ ਹੈ। WebDev ਅਰੇਨਾ ਲੀਡਰਬੋਰਡ 'ਤੇ, ਕਾਰਬਨ ਨੇ 1,769 ਤੱਕ ਪਹੁੰਚਣ ਲਈ 89 Elo ਪੁਆਇੰਟ ਹਾਸਲ ਕੀਤੇ, ਜੋ ਇਸਨੂੰ ਚੌਥੇ ਸਥਾਨ 'ਤੇ ਰੱਖਦਾ ਹੈ।

ਸੁਤੰਤਰ ਮੁਲਾਂਕਣ ਇੱਕ ਸਮਾਨ ਕਹਾਣੀ ਦੱਸਦੇ ਹਨ। ਮੁਲਾਂਕਣ ਪਲੇਟਫਾਰਮ Vals AI 70.36 ਪ੍ਰਤੀਸ਼ਤ ਸ਼ੁੱਧਤਾ 'ਤੇ ਕਾਰਬਨ ਨੂੰ ਦੂਜੇ ਸਥਾਨ 'ਤੇ ਹੈ, ਕਲਾਉਡ ਸੋਨੈੱਟ 5.5 ਤੋਂ 70.85 ਪ੍ਰਤੀਸ਼ਤ 'ਤੇ ਪਰ ਕਲਾਉਡ ਓਪਸ 5.5 ਤੋਂ 70.18 ਪ੍ਰਤੀਸ਼ਤ 'ਤੇ, ਅਰਗਨ 69.24 ਪ੍ਰਤੀਸ਼ਤ ਨਾਲ ਚੌਥੇ ਸਥਾਨ 'ਤੇ ਹੈ।

ਏਜੰਟਿਕ ਗਿਆਨ ਦੇ ਕੰਮ ਲਈ ਨਕਲੀ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਏਏ-ਬ੍ਰੀਫਕੇਸ ਬੈਂਚਮਾਰਕ 'ਤੇ, ਕਾਰਬਨ 1,609 ਈਲੋ 'ਤੇ ਪਹੁੰਚ ਗਿਆ, ਆਰਗਨ ਦੇ 1,483 ਨਾਲੋਂ 126-ਪੁਆਇੰਟ ਦਾ ਵਾਧਾ। ਇਹ ਅਜੇ ਵੀ 1,678 'ਤੇ Kimi K3.1 Pro, 1,659 'ਤੇ Muse Wonder, ਅਤੇ Grok 4.7 ਤੋਂ ਆਪਣੀ xhigh ਸੈਟਿੰਗ 1,638 'ਤੇ ਹੈ।

ਸ਼ੁੱਧਤਾ ਵੱਧ, ਭਰਮ ਵੀ

ਨਕਲੀ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਮੁਲਾਂਕਣਾਂ 'ਤੇ ਜਵਾਬ ਦੀ ਸ਼ੁੱਧਤਾ ਆਰਗਨ ਨਾਲ 48 ਪ੍ਰਤੀਸ਼ਤ ਤੋਂ ਵੱਧ ਕੇ ਕਾਰਬਨ ਦੇ ਨਾਲ 58 ਪ੍ਰਤੀਸ਼ਤ ਹੋ ਗਈ ਹੈ। ਭਰਮ ਦੀ ਦਰ 4 ਤੋਂ 11 ਪ੍ਰਤੀਸ਼ਤ ਤੱਕ ਚੜ੍ਹ ਗਈ - ਉੱਚ, ਪਰ ਫਿਰ ਵੀ ਰੈਂਕਿੰਗ ਵਿੱਚ ਦੂਜੀ-ਸਭ ਤੋਂ ਘੱਟ ਹੈ। ਤੁਲਨਾ ਕਰਨ ਲਈ, ਕਲੌਡ ਓਪਸ 5.5 ਅਤੇ GPT-6 ਐਸਟਰਾ ਆਪਣੀ ਅਧਿਕਤਮ ਤਰਕ ਸੈਟਿੰਗਾਂ 'ਤੇ ਹਰੇਕ ਉਸੇ ਮਾਪ 'ਤੇ 50 ਪ੍ਰਤੀਸ਼ਤ 'ਤੇ ਬੈਠਦਾ ਹੈ, ਦ ਡੀਕੋਡਰ ਦੁਆਰਾ ਰਿਪੋਰਟ ਕੀਤੇ ਗਏ ਨਕਲੀ ਵਿਸ਼ਲੇਸ਼ਣ ਡੇਟਾ ਦੇ ਅਨੁਸਾਰ।

ਸੁਰੱਖਿਆ ਮਾਪਦੰਡ: ਇੱਕ ਨਜ਼ਦੀਕੀ-ਸੰਪੂਰਨ ਪ੍ਰੋਂਪਟ ਇੰਜੈਕਸ਼ਨ ਸਕੋਰ

ਸੁਰੱਖਿਆ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ Google ਆਪਣੀਆਂ ਸਭ ਤੋਂ ਵੱਡੀਆਂ ਜਿੱਤਾਂ ਦਾ ਦਾਅਵਾ ਕਰਦਾ ਹੈ। ਕੰਪਨੀ ਦੇ ਆਪਣੇ ਬੈਂਚਮਾਰਕ ਚੋਣ ਵਿੱਚ, ਕਾਰਬਨ 15 ਵਿੱਚੋਂ 16 ਟੈਸਟਾਂ ਵਿੱਚ ਪਹਿਲਾ ਸਥਾਨ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ, ਖਾਸ ਤੌਰ 'ਤੇ ਲੰਬੇ ਸੰਦਰਭ ਅਤੇ ਸੁਰੱਖਿਆ ਕਾਰਜਾਂ ਵਿੱਚ ਖੇਤਰ ਤੋਂ ਦੂਰ ਹੁੰਦਾ ਹੈ।

ਗ੍ਰੇ ਸਵਾਨ ਦੇ ਅਸਿੱਧੇ ਪ੍ਰੋਂਪਟ ਇੰਜੈਕਸ਼ਨ ਬੈਂਚਮਾਰਕ 'ਤੇ, ਗੂਗਲ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਕਾਰਬਨ ਨੇ ਟੈਸਟ ਸੈੱਟ ਵਿੱਚ ਹਰ ਹੇਰਾਫੇਰੀ ਦੀ ਕੋਸ਼ਿਸ਼ ਨੂੰ ਰੋਕਦੇ ਹੋਏ, ਆਰਗਨ ਦੇ ਨਾਲ ਹਮਲੇ ਦੀ ਸਫਲਤਾ ਦੀ ਦਰ ਨੂੰ 0.7 ਪ੍ਰਤੀਸ਼ਤ ਤੋਂ ਘਟਾ ਕੇ 0.0 ਪ੍ਰਤੀਸ਼ਤ ਤੱਕ ਧੱਕ ਦਿੱਤਾ। ਡੀਕੋਡਰ ਚੇਤਾਵਨੀ ਦਿੰਦਾ ਹੈ ਕਿ ਇਸਦਾ ਮਤਲਬ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਤੁਰੰਤ ਇੰਜੈਕਸ਼ਨ ਹੱਲ ਹੋ ਗਿਆ ਹੈ - ਟੈਸਟ ਸੰਤ੍ਰਿਪਤ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ - ਪਰ ਨਤੀਜਾ ਇਹ ਦੱਸਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ ਕਿ ਅਮਰੀਕੀ ਅਧਿਕਾਰੀ ਜਨਤਾ ਤੱਕ ਪਹੁੰਚਣ ਤੋਂ ਪਹਿਲਾਂ ਮਾਡਲ 'ਤੇ ਪ੍ਰੀ-ਡਿਪਲਾਇਮੈਂਟ ਨਜ਼ਰ ਕਿਉਂ ਚਾਹੁੰਦੇ ਹਨ।

ਦੋ ਹਫ਼ਤਿਆਂ ਵਿੱਚ ਦੋ ਫਰੰਟੀਅਰ ਮਾਡਲ

ਗਤੀ ਸੰਦੇਸ਼ ਹੈ। ਇੱਕ ਪੰਦਰਵਾੜੇ ਦੇ ਅੰਦਰ ਦੋ ਫਰੰਟੀਅਰ ਰੀਲੀਜ਼ - ਅਕਤੂਬਰ ਦੇ ਅੱਧ ਵਿੱਚ ਅਰਗੋਨ, ਹੁਣ ਕਾਰਬਨ - ਗੂਗਲ ਡੀਪਮਾਈਂਡ ਤੋਂ ਇੱਕ ਹਮਲਾਵਰ ਕੈਡੈਂਸ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰਦੇ ਹਨ ਕਿਉਂਕਿ ਇਹ ਸੁਤੰਤਰ ਲੀਡਰਬੋਰਡਾਂ ਦੇ ਸਿਖਰ ਅਤੇ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਕੰਟਰੈਕਟਸ ਲਈ ਐਂਥਰੋਪਿਕ ਅਤੇ ਓਪਨਏਆਈ ਨਾਲ ਮੁਕਾਬਲਾ ਕਰਦਾ ਹੈ।

ਹੁਣ ਲਈ, ਸਕੋਰਬੋਰਡ ਇਸ ਤਰ੍ਹਾਂ ਪੜ੍ਹਦਾ ਹੈ: ਕਾਰਬਨ ਸਮੁੱਚੇ ਸੂਚਕਾਂਕ ਦੀ ਅਗਵਾਈ ਕਰਦਾ ਹੈ, ਕਲਾਉਡ ਓਪਸ 5.5 ਏਜੰਟਿਕ ਕੋਡਿੰਗ ਤਾਜ ਨੂੰ ਰੱਖਦਾ ਹੈ, ਅਤੇ ਮਾਰਕੀਟ ਵਿੱਚ ਸਭ ਤੋਂ ਮਜ਼ਬੂਤ ​​ਸਾਈਬਰ-ਸਮਰੱਥ ਮਾਡਲ ਇੱਕ ਸਰਕਾਰੀ ਸਮੀਖਿਆ ਦਰਵਾਜ਼ੇ ਦੇ ਪਿੱਛੇ ਹੈ। ਜਦੋਂ ਕਾਰਬਨ ਵਧੇਰੇ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਖੁੱਲ੍ਹਦਾ ਹੈ, ਨਾ ਬਦਲੀ ਕੀਮਤ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਅਸਲ ਮੁਕਾਬਲੇ ਦਾ ਫੈਸਲਾ ਛੋਟਾਂ ਦੀ ਬਜਾਏ ਪ੍ਰਤੀ ਟੋਕਨ ਸਮਰੱਥਾ ਦੁਆਰਾ ਕੀਤਾ ਜਾਵੇਗਾ - ਅਤੇ ਗੂਗਲ ਨੇ ਹੁਣੇ ਹੀ ਉਸ ਮੈਟ੍ਰਿਕ 'ਤੇ ਬਾਰ ਵਧਾ ਦਿੱਤਾ ਹੈ।

---

AI ਤੋਂ ਅੱਗੇ ਰਹੋ

ਨਵੀਨਤਮ AI ਖਬਰਾਂ, ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਸਫਲਤਾਵਾਂ ਪ੍ਰਾਪਤ ਕਰੋ - ਸਭ ਇੱਕ ਥਾਂ 'ਤੇ।

ਹੋਰ AI ਖਬਰਾਂ ਪੜ੍ਹੋ →