Google DeepMind ได้เปิดตัว Gemini 4 Carbon ซึ่งเป็นโมเดล AI ชายแดนใหม่ล่าสุด เพียงสองสัปดาห์หลังจากจัดส่ง Gemini 4 Argon รุ่นใหม่เปิดตัวที่จุดสูงสุดของ Artificial Analysis Intelligence Index v5 ด้วยคะแนน 59 คะแนน ซึ่งเป็นการก้าวกระโดดเหนือ Argon's 50 ถึง 9 คะแนน และสร้างขึ้นสำหรับงานวิศวกรรมอัตโนมัติที่ทำงานมายาวนาน ผู้ใช้ส่วนใหญ่จะต้องรอ เนื่องจากความสามารถในการรักษาความปลอดภัยทางไซเบอร์ขั้นสูง Carbon กำลังเข้าสู่กระบวนการทดสอบล่วงหน้าโดยสมัครใจของรัฐบาลสหรัฐฯ และในขั้นต้นจะพร้อมให้บริการเฉพาะผู้เชี่ยวชาญด้านความปลอดภัยที่ได้รับการคัดเลือกเท่านั้น หากต้องการความคุ้มครองอย่างต่อเนื่องของ การพัฒนา AI ล่าสุด โปรดติดตาม AI Buzz Wire ในขณะที่การเปิดตัวขยายออกไป

การเปิดตัวที่เน้นความปลอดภัยเป็นหลัก

เส้นทางการปลดปล่อยที่ผิดปกติของ Carbon สะท้อนให้เห็นว่าโมเดลนี้มีความสามารถในการทำงานทางไซเบอร์ทั้งในเชิงรุกและเชิงรับมากเพียงใด Google กล่าวว่าความสามารถของตนครอบคลุมวงจรการป้องกันทางไซเบอร์เต็มรูปแบบ ตั้งแต่การตรวจจับและตรวจสอบช่องโหว่ไปจนถึงการแก้ไข สำนักข่าวรอยเตอร์รายงานว่าโมเดลดังกล่าวมุ่งเน้นไปที่ความปลอดภัยทางไซเบอร์ที่ชัดเจน และ Ars Technica กล่าวไว้อย่างตรงไปตรงมาในพาดหัวว่า นี่เป็นโมเดลชายแดน "ที่คุณใช้ไม่ได้" อย่างน้อยก็ยังไม่ได้ ขณะที่อยู่ในกระบวนการทดสอบล่วงหน้าของรัฐบาลสำหรับระบบ AI ขั้นสูง

Google ยังไม่ได้ประกาศวันที่วางจำหน่ายทั่วไป อย่างไรก็ตาม ราคาเป็นสาธารณะแล้ว: Carbon มีราคาเท่ากับ Argon ซึ่งทำให้อัตราโทเค็นชายแดนของ Google ไม่เปลี่ยนแปลงผ่านรุ่นรุ่นต่อเนื่องกันสองรุ่น

สร้างขึ้นเพื่อการทำงานอัตโนมัติหลายวัน

บริษัทกล่าวว่าได้ออกแบบ Carbon สำหรับ "ปัญหาทางวิศวกรรมที่ยากกว่าและยาวนาน" ซึ่งต้องการเวิร์กโฟลว์ตัวแทนแบบถาวร ตามที่ Google ระบุ ทีมภายในใช้โมเดลนี้เป็นเวลาหลายวันติดต่อกัน ในระหว่างนั้นโมเดลทำงานผ่านทางตันด้วยตัวมันเอง และจัดการงานที่ซับซ้อนหลายขั้นตอน เช่น การวิเคราะห์สาเหตุที่แท้จริง และการแก้ไขข้อบกพร่องที่ละเอียดอ่อนในโค้ดเบสขนาดใหญ่และซอฟต์แวร์ระดับต่ำ

Google ยังรายงานการปรับปรุงในด้านการใช้เหตุผลทางวิทยาศาสตร์ ความเข้าใจหลายรูปแบบ และการพัฒนาเว็บแบบเต็มรูปแบบตามความคิดเห็นของผู้ใช้ในช่วงแรกๆ

โดยรวมแข็งแกร่งยังตามล่าโคลดอยู่เลย

ภาพมาตรฐานมีความแข็งแกร่งแต่ไม่ได้กวาดเรียบ ใน Artificial Analysis Intelligence Index v5 นั้น Carbon ที่ระดับการให้เหตุผลสูงสุดเป็นผู้นำในสาขานี้โดยได้คะแนนสูงสุดในด้านการใช้เหตุผลที่ซับซ้อน การสืบค้นความรู้ และงานทางวิทยาศาสตร์ โดยได้อันดับหนึ่งในสี่จากการประเมินรายบุคคลเก้ารายการของดัชนี

ในการเขียนโค้ดแบบเอเจนต์ Carbon ยังคงตามหลัง Claude Opus 5.5 ของ Anthropic ไปสามแต้ม — 59 ต่อ 62 — แม้จะกระโดดจากอันดับที่ 53 ของ Argon ไปแล้วก็ตาม บนกระดานผู้นำ WebDev Arena Carbon ได้รับ 89 Elo แต้มเพื่อไปถึง 1,769 ซึ่งอยู่ในอันดับที่สี่

การประเมินโดยอิสระก็บอกเล่าเรื่องราวที่คล้ายกัน แพลตฟอร์มการประเมินผล Vals AI จัดอันดับ Carbon เป็นอันดับสองด้วยความแม่นยำ 70.36 เปอร์เซ็นต์ ตามหลัง Claude Sonnet 5.5 ที่ 70.85 เปอร์เซ็นต์ แต่เหนือกว่า Claude Opus 5.5 ที่ 70.18 เปอร์เซ็นต์ และ Argon ที่สี่ที่ 69.24 เปอร์เซ็นต์

ในเกณฑ์มาตรฐาน AA-Briefcase ของ Artificial Analysis สำหรับงานความรู้เชิงตัวแทน Carbon สูงถึง 1,609 Elo เพิ่มขึ้น 126 จุด เหนือ Argon 1,483 ยังคงตามหลัง Kimi K3.1 Pro ที่ 1,678, Muse Wonder ที่ 1,659 และ Grok 4.7 ที่การตั้งค่า xhigh ที่ 1,638

###แม่นขึ้น ภาพหลอนก็ขึ้นด้วย

ความแม่นยำของคำตอบในการประเมินของการวิเคราะห์เชิงประดิษฐ์เพิ่มขึ้นจาก 48 เปอร์เซ็นต์ด้วยอาร์กอนเป็น 58 เปอร์เซ็นต์ด้วยคาร์บอน อัตราอาการประสาทหลอนเพิ่มขึ้นจาก 4 เปอร์เซ็นต์เป็น 11 เปอร์เซ็นต์ ซึ่งสูงกว่า แต่ก็ยังถือว่าต่ำเป็นอันดับสองในการจัดอันดับ สำหรับการเปรียบเทียบ Claude Opus 5.5 และ GPT-6 Astra ที่การตั้งค่าการให้เหตุผลสูงสุดแต่ละรายการอยู่ที่ 50 เปอร์เซ็นต์ในการวัดเดียวกัน ตามข้อมูลการวิเคราะห์ประดิษฐ์ที่รายงานโดย The Decoder

เกณฑ์มาตรฐานด้านความปลอดภัย: คะแนนการฉีดพร้อมท์ที่เกือบจะสมบูรณ์แบบ

ความปลอดภัยคือจุดที่ Google อ้างว่าตนได้รับชัยชนะที่ยิ่งใหญ่ที่สุด ในการคัดเลือกเกณฑ์มาตรฐานของบริษัทเองนั้น Carbon ได้อันดับหนึ่งในการทดสอบ 15 ครั้งจากทั้งหมด 16 ครั้ง โดยถอยออกจากภาคสนาม โดยเฉพาะอย่างยิ่งในงานที่มีบริบทยาวและงานด้านความปลอดภัย

สำหรับเกณฑ์มาตรฐานการฉีดพร้อมท์ทางอ้อมของ Grey Swan นั้น Google กล่าวว่า Carbon ผลักดันอัตราความสำเร็จในการโจมตีจาก 0.7 เปอร์เซ็นต์โดยที่ Argon ลดลงเหลือ 0.0 เปอร์เซ็นต์ ซึ่งขัดขวางทุกความพยายามในการจัดการในชุดทดสอบ ตัวถอดรหัสเตือนว่านี่ไม่ได้หมายความว่าการฉีดยาทันทีจะได้รับการแก้ไข — การทดสอบดูอิ่มตัว — แต่ผลลัพธ์ที่ได้ช่วยอธิบายว่าทำไมเจ้าหน้าที่สหรัฐฯ ต้องการดูโมเดลก่อนการปรับใช้งานก่อนที่จะเผยแพร่สู่สาธารณะ

สองโมเดลชายแดนในสองสัปดาห์

ก้าวคือข้อความ สองชายแดนเผยแพร่ภายในสองสัปดาห์ - Argon ในช่วงกลางเดือนตุลาคม, Carbon ในขณะนี้ - ทำเครื่องหมายจังหวะที่ก้าวร้าวจาก Google DeepMind ในขณะที่แข่งขันกับ Anthropic และ OpenAI สำหรับบอร์ดผู้นำอิสระอันดับต้น ๆ และสำหรับสัญญาระดับองค์กร

สำหรับตอนนี้ ป้ายบอกคะแนนอ่านได้ดังนี้: Carbon เป็นผู้นำดัชนีโดยรวม, Claude Opus 5.5 ยังคงรักษาตำแหน่งผู้นำด้านการเข้ารหัสแบบเอเจนต์ และโมเดลที่มีความสามารถทางไซเบอร์ที่แข็งแกร่งที่สุดในตลาดอยู่เบื้องหลังประตูตรวจสอบของรัฐบาล เมื่อ Carbon เปิดกว้างมากขึ้น ราคาที่ไม่เปลี่ยนแปลงหมายความว่าการแข่งขันจริงจะถูกตัดสินโดยความสามารถต่อโทเค็น แทนที่จะเป็นส่วนลด และ Google เพิ่งยกระดับตัวชี้วัดนั้น

---

ก้าวนำหน้า AI

รับข่าวสาร AI การวิเคราะห์ และความก้าวหน้าล่าสุด ทั้งหมดในที่เดียว

อ่านข่าว AI เพิ่มเติม →