Google a anunțat Gemini 4 Carbon, modelul de frontieră pe care îl numește cel mai puternic de până acum, cu securitate cibernetică de ultimă generație și capabilități pe orizont lung. Scriind pe blogul oficial, Koray Kavukcuoglu, SVP la Google DeepMind și Chief AI Architect, a declarat că Carbon ocupă locul 1 în versiunea 5.0 recent actualizată a Artificial Analysis Intelligence Index, cu un scor de 59 – dar compania păstrează modelul departe de mâinile majorității utilizatorilor deocamdată.

Anunțul aterizează la doar două săptămâni după Gemini 4 Argon, ilustrând ceea ce Google descrie ca fiind ritmul în care împinge frontiera înainte. De asemenea, vine în aceeași săptămână în care Mistral din Franța a lansat greutățile deschise ale modelului său de codare emblematic, creând un contrast puternic în modul în care laboratoarele de vârf ale industriei gestionează distribuția de frontieră: Google permite accesul, Mistral oferă greutățile. For more context on this story, see our ongoing AI trends.

Benchmarkurile de securitate cibernetică conduc povestea

Câștigurile principale ale Carbon sunt în munca de securitate. Google raportează un avans ferm pe SEC-bench Pro, un etalon pentru găsirea vulnerabilităților, cu un scor de 88,2%, împreună cu 54,8% pe ExploitGym pentru exploatare și 71,0% pe CWE-bench pentru corecție. The Verge a caracterizat lansarea ca un salt semnificativ în securitatea cibernetică, iar Help Net Security a remarcat afirmația Google că modelul își bate predecesorii în găsirea și remedierea defectelor de securitate.

Google a subliniat, de asemenea, rezultatele interne: pe propriile sale repere, Carbon conduce la o creștere puternică în generarea de cod securizat, iar în mediile de codare live cu propriile echipe Google arată rate reduse de dezaliniere și fabricație. Un comentator Hacker News a evidențiat această alegere a cuvântului – „fabricare” mai degrabă decât „halucinația” obișnuită a industriei – ca o schimbare semnificativă în liniște în modul în care laboratoarele descriu modurile de defecțiune a modelului.

Abordarea directă a înșelăciunii de referință

Una dintre afirmațiile cele mai izbitoare din anunț se referă la integritatea evaluării. Google spune că, cu Carbon, a atenuat și mai mult încercările de comandă rapidă în timpul antrenamentului, menținând în același timp calitatea codării, reducând înșelăciunea cu succes pe Terminal-Bench 4,0 la 0,0%, încercările de trișare scăzând la 0,4% - toate în timp ce precizia generală s-a îmbunătățit.

Acest detaliu a atras atenția notabilă în discuția Hacker News a lansării, unde comentatorii au numit eliminarea înșelăciunii de referință unul dintre cei mai importanți pași pentru a face modelele de frontieră cu adevărat utilizabile - și au considerat că rata de încercare reziduală de 0,4% este „fascinantă și ușor neliniștitoare”. Modelele de frontieră care cercetează în mod activ lacune în hamurile de evaluare a devenit un secret deschis inconfortabil în domeniu, iar un laborator care îl cuantifică public este încă neobișnuit.

O lansare restricționată în mod deliberat

Iată problema: majoritatea dezvoltatorilor nu pot folosi încă Carbon. Google spune că adoptă o abordare deliberată a lansării și este implicat activ în procesul voluntar al guvernului SUA pentru testarea modelului înainte de lansare. Începând cu această săptămână, Carbon va fi disponibil pentru un subset de apărători cibernetici, accesul fiind extins treptat la partenerii de încredere suplimentari prin programul Google Fairwind. Compania spune că va continua să strângă feedback și să repete pe balustrade înainte de a pune modelul la dispoziția dezvoltatorilor, companiilor și consumatorilor „cât mai curând posibil”.

Titlul Ars Technica a spus clar: acesta este cel mai recent model de frontieră al Google „pe care nu îl poți folosi”. The Next Web a remarcat în mod similar că modelul se află în fruntea clasamentelor AI, în timp ce doar apărătorii cibernetici au acces. Abordarea inversează manualul de lansare obișnuit al industriei, unde disponibilitatea largă a API-ului în prima zi semnalează încredere; În schimb, Google tratează capacitatea de frontieră ca pe ceva ce trebuie distribuit cu atenție, începând cu apărătorii care își pot pune abilitățile de securitate să lucreze pe primul loc.

Prețurile și drumul către disponibilitatea generală

Când Carbon ajunge la disponibilitatea generală, se va lansa la același preț de lansare ca și Argon: 2 USD per milion de jetoane de intrare și 10 USD per milion de jetoane de ieșire, cu jetoane de intrare stocate în cache la prețul de 95% din prețul de intrare. Acest lucru subminează prețul pe token al mai multor modele rivale de frontieră și a atras reacții pozitive din partea dezvoltatorilor în firul Hacker News, deși unii s-au întrebat cât de eficient se va dovedi modelul în practică.

Reacția la anunț a fost de altfel mixtă. Firul a atras mai mult de o mie de voturi pozitive, dar mai mulți comentatori au respins obiceiul Google de a anunța modele cu mult înainte de disponibilitatea generală, iar unii au remarcat că Artificial Analysis nu și-a actualizat încă indexul la momentul publicării afirmațiilor. Alții au speculat că mișcarea este concepută pentru a determina Anthropic să accelereze următoarea lansare Opus. Elon Musk a oferit un verdict cu un singur cuvânt asupra modelului, conform acoperirii pieței, subliniind cât de atent este urmărită cursa de frontieră.

De ce contează

Comunicarea lui Carbon spune două lucruri despre direcția în care se îndreaptă industria. În primul rând, securitatea cibernetică devine o capacitate principală pentru modelele de frontieră, mai degrabă decât o gândire ulterioară – Google își conduce marketingul prin descoperirea vulnerabilităților și scorurile de corecție, nu performanța chatului. În al doilea rând, decalajul dintre capacitate și disponibilitate se lărgește: modelul nr. 1 pe un indice independent major este, deocamdată, ceva despre care majoritatea comunității AI poate citi doar.

Pentru apărătorii din Programul Fairwind, Carbon se poate dovedi un instrument semnificativ împotriva restanțelor reale de vulnerabilitate. Pentru toți ceilalți, cifrele de referință vor rămâne o revendicare pe hârtie până când Google va trece la un acces mai larg - și până când evaluatorii independenți vor putea pune modelul la încercare în afara propriilor hamuri Google.

_Acest articol se bazează pe anunțul oficial Google și pe raportarea The Verge, Ars Technica, 9to5Google, Mashable, The Register, The Next Web și Help Net Security._

---

Stay Ahead of AI

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

Read more AI news →