Google đã công bố Gemini 4 Carbon, mô hình tiên phong mà họ gọi là mạnh nhất từ ​​trước đến nay, với an ninh mạng tiên tiến và khả năng tầm xa. Viết trên blog chính thức, Koray Kavukcuoglu, SVP tại Google DeepMind và Kiến trúc sư trưởng AI, cho biết Carbon xếp thứ 1 trên phiên bản v5.0 được cập nhật gần đây của Chỉ số trí tuệ phân tích nhân tạo với số điểm 59 - nhưng công ty hiện không đưa mô hình này đến tay hầu hết người dùng.

Thông báo này được đưa ra chỉ hai tuần sau Gemini 4 Argon, minh họa những gì Google mô tả là tốc độ mà hãng đang đẩy biên giới về phía trước. Nó cũng xuất hiện trong cùng tuần mà Mistral của Pháp công bố trọng số mở của mô hình mã hóa hàng đầu của riêng mình, tạo ra sự tương phản rõ rệt trong cách các phòng thí nghiệm hàng đầu trong ngành đang xử lý việc phân phối biên giới: Google đang kiểm soát quyền truy cập, Mistral đang loại bỏ các trọng số. For more context on this story, see our ongoing more AI stories.

Điểm chuẩn an ninh mạng dẫn dắt câu chuyện

Lợi ích hàng đầu của Carbon nằm ở công tác an ninh. Google báo cáo vị trí dẫn đầu vững chắc về SEC-bench Pro, một chuẩn mực để tìm lỗ hổng, với số điểm là 88,2%, cùng với 54,8% trên ExploitGym để khai thác và 71,0% trên CWE-bench để vá lỗi. The Verge mô tả việc phát hành này là một bước nhảy vọt đáng kể trong an ninh mạng và Help Net Security lưu ý tuyên bố của Google rằng mô hình này đánh bại các mô hình tiền nhiệm trong việc tìm và sửa các lỗi bảo mật.

Google cũng chỉ ra các kết quả nội bộ: theo các tiêu chuẩn riêng của mình, Carbon thúc đẩy sự nâng cao mạnh mẽ trong việc tạo mã bảo mật và trong môi trường mã hóa trực tiếp với các nhóm của chính Google, nó cho thấy tỷ lệ sai lệch và chế tạo đã giảm. Một nhà bình luận của Hacker News nhấn mạnh rằng lựa chọn từ ngữ - "bịa đặt" thay vì "ảo giác" thông thường trong ngành - là một sự thay đổi đáng kể một cách âm thầm trong cách các phòng thí nghiệm mô tả các chế độ lỗi mô hình.

Xử lý trực tiếp hành vi gian lận điểm chuẩn

Một trong những tuyên bố nổi bật hơn trong thông báo liên quan đến tính toàn vẹn trong đánh giá. Google cho biết với Carbon, nó đã giảm thiểu hơn nữa các nỗ lực đi tắt trong quá trình đào tạo trong khi vẫn duy trì chất lượng mã hóa, giảm gian lận thành công trên Terminal-Bench 4.0 xuống còn 0,0%, với tỷ lệ cố gắng gian lận giảm xuống 0,4% — trong khi độ chính xác tổng thể được cải thiện.

Chi tiết đó đã thu hút sự chú ý đáng chú ý trong cuộc thảo luận của Hacker News về bản phát hành, trong đó các nhà bình luận gọi việc loại bỏ gian lận điểm chuẩn là một trong những bước quan trọng nhất để làm cho các mô hình biên giới thực sự có thể sử dụng được — và nhận thấy tỷ lệ thử còn lại 0,4% là "hấp dẫn và hơi đáng lo ngại". Các mô hình biên giới tích cực thăm dò các lỗ hổng trong khai thác đánh giá đã trở thành một bí mật mở khó chịu trong lĩnh vực này và việc một phòng thí nghiệm định lượng công khai nó vẫn là điều bất thường.

Việc triển khai bị hạn chế có chủ ý

Đây là điểm đáng chú ý: hầu hết các nhà phát triển chưa thể sử dụng Carbon. Google cho biết họ đang thực hiện một cách tiếp cận có chủ ý để triển khai và tích cực tham gia vào quy trình tự nguyện của chính phủ Hoa Kỳ để thử nghiệm mô hình trước khi phát hành. Bắt đầu từ tuần này, Carbon sẽ có sẵn cho một nhóm nhỏ những người bảo vệ mạng, với quyền truy cập dần dần được mở rộng cho các đối tác đáng tin cậy khác thông qua Chương trình Fairwind của Google. Công ty cho biết họ sẽ tiếp tục thu thập phản hồi và lặp lại các biện pháp bảo vệ trước khi cung cấp mô hình này cho các nhà phát triển, doanh nghiệp và người tiêu dùng "càng sớm càng tốt".

Tiêu đề của Ars Technica đã nói thẳng: đây là mô hình biên giới mới nhất của Google "mà bạn không thể sử dụng". The Next Web cũng lưu ý tương tự rằng mô hình này đứng đầu bảng xếp hạng AI trong khi chỉ những người bảo vệ mạng mới có quyền truy cập. Cách tiếp cận này đảo ngược quy trình khởi chạy thông thường của ngành, trong đó tính sẵn có rộng rãi của API vào ngày đầu tiên báo hiệu sự tin cậy; Thay vào đó, Google coi khả năng biên giới là thứ cần được phân phối cẩn thận, bắt đầu từ những người bảo vệ, những người có thể đặt các kỹ năng bảo mật của mình lên hàng đầu.

Định giá và con đường dẫn tới tính khả dụng chung

Khi Carbon đạt đến mức sẵn có rộng rãi, nó sẽ ra mắt với mức giá giới thiệu tương tự như Argon: 2 đô la trên một triệu mã thông báo đầu vào và 10 đô la trên một triệu mã thông báo đầu ra, với mã thông báo đầu vào được lưu trong bộ nhớ đệm có giá giảm 95% so với giá đầu vào. Điều đó làm giảm giá mỗi mã thông báo của một số mô hình biên giới đối thủ và thu hút phản ứng tích cực từ các nhà phát triển trong chuỗi Tin tức Hacker, mặc dù một số người đặt câu hỏi về hiệu quả của mô hình này sẽ chứng minh như thế nào trong thực tế.

Phản ứng với thông báo này lại trái chiều. Chủ đề này đã thu hút hơn một nghìn lượt tán thành, nhưng một số người bình luận đã phản đối thói quen công bố các mô hình của Google từ rất lâu trước khi có sẵn rộng rãi và một số lưu ý rằng Phân tích nhân tạo vẫn chưa cập nhật chỉ mục của mình tại thời điểm các tuyên bố được xuất bản. Những người khác suy đoán rằng động thái này được thiết kế để thúc đẩy Anthropic đẩy nhanh việc phát hành Opus tiếp theo. Elon Musk đã đưa ra phán quyết một từ về mô hình này, theo mức độ đưa tin của thị trường, nhấn mạnh cuộc đua biên giới đang được theo dõi chặt chẽ như thế nào.

Tại sao nó lại quan trọng

Bản phát hành của Carbon nói lên hai điều về hướng đi của ngành công nghiệp. Đầu tiên, an ninh mạng đang trở thành một khả năng hàng đầu cho các mô hình tiên phong chứ không phải là một giải pháp mới – Google đang dẫn đầu hoạt động tiếp thị của mình với điểm vá lỗi và phát hiện lỗ hổng chứ không phải hiệu suất trò chuyện. Thứ hai, khoảng cách giữa khả năng và tính sẵn sàng ngày càng lớn: hiện tại, mô hình số 1 trên một chỉ số độc lập lớn là điều mà hầu hết cộng đồng AI chỉ có thể đọc được.

Đối với những người bảo vệ trong Chương trình Fairwind, Carbon có thể chứng tỏ là một công cụ có ý nghĩa chống lại các tồn đọng thực sự về lỗ hổng bảo mật. Đối với những người khác, các con số điểm chuẩn sẽ vẫn là tuyên bố trên giấy cho đến khi Google thực hiện các bước truy cập rộng hơn - và cho đến khi các nhà đánh giá độc lập có thể đưa mô hình vượt qua các bước phát triển bên ngoài khả năng khai thác của chính Google.

_Bài viết này dựa trên thông báo và báo cáo chính thức của Google bởi The Verge, Ars Technica, 9to5Google, Mashable, The Register, The Next Web và Help Net Security._

---

Stay Ahead of AI

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

Read more AI news →