معرفی Gemini 4 Argon؛ مدل جدید گوگل با خروجی ۱ میلیون توکن

گوگل از مدل جدید خود با نام Gemini 4 Argon رونمایی کرد؛ مدلی که برای استدلال عمیق در مسائل پیچیده و طولانی طراحی شده و در حوزه‌های مهندسی نرم‌افزار، دانش سازمانی مانند حقوق و مالی، و دفاع سایبری عملکرد پیشرو ارائه می‌دهد. این مدل با افزایش چشمگیر سقف خروجی به ۱ میلیون توکن، گام بزرگی در مسیر هوش مصنوعی مرزی برداشته است.

Gemini 4 Argon که به‌تدریج در اختیار گروهی از مدافعان سایبری منتخب از طریق برنامه Fairwind قرار می‌گیرد، در حال تغییر دادن نحوه کار و ساخت محصولات در گوگل است. این مدل با حفظ استدلال عمیق در گردش‌های کاری طولانی و پیچیده، به تیم‌های داخلی گوگل کمک می‌کند سریع‌تر بسازند و مرزهای بهره‌وری مهندسی را جابه‌جا کنند.

انتشار مرحله‌ای و قیمت‌گذاری

گوگل برای انتشار امن قابلیت‌های مرزی در این سطح، رویکرد مرحله‌ای را در پیش گرفته است. این شرکت در فرآیند داوطلبانه دولت آمریکا برای دسترسی پیش از انتشار مدل مشارکت دارد و همزمان دسترسی را به‌تدریج گسترش می‌دهد. گوگل قصد دارد پیش از عرضه عمومی، بازخورد آزمایش‌کنندگان اولیه را جمع‌آوری کرده و محافظت‌ها را تقویت کند.

قیمت معرفی اولیه Argon برابر با ۲ دلار به ازای هر میلیون توکن ورودی و ۱۰ دلار به ازای هر میلیون توکن خروجی است. توکن‌های ورودی کش‌شده نیز با ۹۵ درصد تخفیف نسبت به قیمت توکن ورودی عرضه می‌شوند.

تأثیر در کار و ساخت داخل گوگل

Gemini 4 Argon هم‌اکنون در گردش‌های کاری داخلی گوگل استفاده می‌شود و هزاران گوگلری نقاط قوت آن را در کارهای تخصصی کدنویسی، پژوهش عمیق‌تر و کیفیت نوشتار برجسته کرده‌اند. این مدل در چند پروژه مشخص نتایج قابل توجهی به دست آورده است:

• بهینه‌سازی الگوریتم‌های کوانتومی: Argon به محققان محاسبات کوانتومی گوگل در بهینه‌سازی منابع فضا-زمان (کیوبیت‌ها × گیت‌ها) زیرروال‌هایی که گلوگاه برنامه‌های مهم هستند کمک کرده است. در یک مثال، در عرض چند دقیقه ۴۰ درصد بهتر از خط پایه منتشرشده عمل کرد.
• کارایی حافظه: تیمی از عامل‌های Argon داده‌های تله‌متری سراسری را تحلیل کردند و به‌طور مستقل بهینه‌سازی‌های حافظه را در مراکز داده گوگل شناسایی و اعمال کردند. این کار پس از اجرا بیش از ۳۰۰ ترابایت حافظه آزاد کرد و برآورد می‌شود مجموع صرفه‌جویی به ۵۰۰ ترابایت تا ۱ پتابایت برسد.
• مهاجرت و بهینه‌سازی پایگاه‌های کد بزرگ: عامل‌های Argon روی مهاجرت کدهای C/C++ به Rust در سراسر گوگل کار می‌کنند؛ از ده‌ها هزار خط در کتابخانه‌های اصلی مانند re2 و libgav1 تا بیش از ۸۰۰ هزار خط برای هسته Zircon فوشیا. با توجه به حیاتی بودن بسیاری از این سیستم‌ها، این بازنویسی‌های بزرگ پیش از ورود به تولید، تحت ممیزی خودکار و انسانی دقیق، تست شبیه‌سازی و بازبینی قرار می‌گیرند.

برای libgav1، نرم‌افزار متن‌باز گوگل برای رمزگشایی ویدیو، عامل‌های Argon یک پورت Rust موجود را گرفتند و ۳۲ هزار خط کد SIMD را با اجرای چندین دور آزمایش مبتنی بر پروفایل و مطالعه خروجی کامپایلر جایگزین کردند تا Rust امنی تولید کنند که کامپایلر آن را به‌طور خودکار بردارسازی کند. نتیجه نهایی، رمزگشای ویدیویی امن از نظر حافظه است که ۲.۷ برابر سریع‌تر از پورت Rust اجرا می‌شود و خروجی ویدیویی یکسانی دارد و به نسخه بهینه‌شده C++ نزدیک‌تر شده است.

سقف خروجی ۱ میلیون توکن

برای پشتیبانی از قابلیت‌های Gemini 4 Argon در موارد استفاده طولانی‌تر و پیچیده‌تر، گوگل سقف خروجی مدل را به‌طور قابل توجهی به ۱ میلیون توکن افزایش داده است؛ رشدی از ۶۴ هزار توکن قبلی که در صنعت بی‌سابقه است. وقتی مدل فضای کافی برای تفکر عمیق و تولید صدها هزار توکن در یک مسیر واحد داشته باشد، سطح جدیدی از عمق استدلال را برای حل مسائل دشوار در یک مرحله اضافه می‌کند.

توانمندی در کدنویسی و گردش‌های کاری سازمانی

قابلیت‌های Gemini 4 Argon در کدنویسی، استدلال و چندوجهی بودن، همراه با توانایی حفظ وظایف طولانی و چندمرحله‌ای، آن را در طیف گسترده‌ای از گردش‌های کاری سازمانی برجسته می‌کند. مهندسان گوگل از Argon برای کارهای روزانه خود استفاده می‌کنند؛ از اشکال‌زدایی معمولی تا مهاجرت پایگاه‌های کد بزرگ و طراحی الگوریتم.

این مدل رکورد جدیدی در بنچمارک DeepSWE v1.1 با امتیاز ۷۷.۹ درصد ثبت کرده است که عملکرد مدل را در وظایف مهندسی نرم‌افزار واقعی و طولانی‌مدت می‌سنجد. فراتر از کدنویسی، Argon مدل برتر در شاخص Vals است که تأثیر اقتصادی در حوزه‌های مالی، کدنویسی، حقوقی و مالیات را با وزن‌دهی هر بخش بر اساس سهم آن در تولید ناخالص داخلی آمریکا اندازه‌گیری می‌کند.

عملکرد برتر مشابهی در ارزیابی‌های تخصصی دیگر دیده می‌شود؛ از جمله Vals Finance Agent v2 برای پژوهش مالی چندمرحله‌ای و بنچمارک عامل حقوقی Harvey برای پژوهش و تنظیم اسناد حقوقی. در بنچمارک AutomationBench متعلق به Zapier که اجرای سرتاسری وظایف اصلی کسب‌وکار را می‌سنجد، Argon با امتیاز ۵۱.۳ درصد رتبه اول را کسب کرده است.

Argon همچنین زمانی که دانش سازمانی نیاز به درک بصری دارد، به‌طور منحصر‌به‌فردی قوی عمل می‌کند. این مدل می‌تواند تحلیل نمودارهای حرفه‌ای انجام دهد، جزئیات را از ویدیوهای طولانی شناسایی کند و بر اساس مجموعه‌ای از اسناد اقدام کند. در بنچمارک LVBench که درک ویدیوی طولانی را می‌سنجد، Argon با امتیاز ۹۱.۷ درصد در وضعیت هنر قرار دارد.

پیشرو در دفاع سایبری

گوگل Gemini 4 Argon را برای توانمندی بالا در دفاع سایبری آموزش داده است تا مدافعان را برای عصر جدید حملات سایبری تجهیز کند. Argon می‌تواند به‌طور مستقل آسیب‌پذیری‌های نرم‌افزاری حیاتی را پیدا کند، اعتبارسنجی کند و وصله کند. برای مدافعان مورد اعتماد و تیم‌های داخلی گوگل، Argon بدون محافظ‌های سایبری منتشر می‌شود تا بتوانند از تمام قابلیت‌های دفاع سایبری مرزی آن استفاده کنند.

شرکت Wiz در حال استفاده از Argon برای دفاع سایبری از طریق ابتکار Scan for Good است؛ برنامه‌ای که به محافظت رایگان از زیرساخت‌های عمومی حیاتی با یافتن و رفع خطرات پرریسک اختصاص دارد. در یک نمایش اولیه از تأثیر آن، مدل یک آسیب‌پذیری حیاتی را کشف کرد که اطلاعات شخصی حساس را در نرم‌افزارهای بهداشتی مورد استفاده بیمارستان‌های سراسر جهان افشا می‌کرد؛ خطری جدی که مدل‌های مرزی قبلی از آن غافل مانده بودند.

در بنچمارک CWE-bench v1 که توانایی مدل در رفع آسیب‌پذیری‌های امنیتی را ارزیابی می‌کند، Argon با امتیاز برتر ۶۸ درصد در جایگاه اول مشترک قرار گرفته است. این مدل جهش‌های چشمگیری در کشف آسیب‌پذیری نسبت به 3.8 Flash Cyber نشان می‌دهد؛ از جمله در بنچمارک جامع داخلی گوگل که طیف گسترده‌ای از خطرات را در پایگاه‌های کد پیچیده شامل ۲۰ زبان برنامه‌نویسی کشف کرد و در بنچمارک داخلی تست نفوذ جعبه سیاه Wiz که توانایی مدل در تحلیل سیستم‌های وب زنده بدون کد منبع را می‌سنجد، Argon در کشف سطح حمله، شناسایی آسیب‌پذیری‌ها و تولید شواهد اثبات مفهوم برای اعتبارسنجی آن‌ها از 3.8 Flash Cyber بهتر عمل می‌کند.

تقویت محافظت‌های مرزی پیش از انتشار گسترده

پیش از عرضه گسترده Gemini 4 Argon، گوگل به تقویت محافظت‌های حیاتی در چهار حوزه اصلی ادامه می‌دهد:

• دفاع در برابر سوءاستفاده: برای جلوگیری از استفاده بدخواهان از Argon در حملات سایبری یا شیمیایی، زیستی، پرتویی و هسته‌ای (CBRN)، مدل طوری طراحی شده که درخواست‌های مضر را رد کند و در عین حال پژوهش علمی مشروع دوکاربرده را طبق چارچوب ایمنی مرزی خود حفظ کند. گوگل تکنیک‌های نظارت بر فعال‌سازی‌های داخلی مدل را برای شناسایی سوءاستفاده تقویت کرده و این محافظت‌ها توسط تیم‌های قرمز داخلی و خارجی با ترکیبی از روش‌های حمله دستی و خودکار آزمایش شده‌اند.
• دفاع در برابر حملات تزریق سریع: Argon مقاوم‌ترین مدل گوگل در برابر تزریق سریع غیرمستقیم است؛ جایی که دستورات یا زمینه‌های مخرب برای ربودن رفتار مدل استفاده می‌شوند. از طریق تیم قرمز خودکار و آموزش تخاصمی، Gemini 4 Argon در بنچمارک تزریق سریع غیرمستقیم (IPI) گری سوان پیشرو است.
• نظارت بر ناهم‌ترازی: برای جلوگیری از خارج شدن Argon از محدوده و انجام وظیفه به روشی فراتر از قصد کاربر، گوگل اقدامات کاهش ناهم‌ترازی را مستقر کرده که زنجیره فکر و اقدامات Argon را نظارت می‌کند و در صورت لزوم اجرا را متوقف می‌کند. گوگل از سیستم مشابهی برای نظارت بر اجراهای آموزشی استفاده کرده و به تیم پاسخ به حوادث اختصاصی هشدار می‌فرستد. این شرکت از صنعت می‌خواهد شفافیت استدلال را در این لحظات حساس حفظ کند تا افکار مدل در شناسایی و تشخیص ناهم‌ترازی مفید بمانند.
• سخت‌سازی سیستم‌ها: با توانمندتر شدن مدل‌های مرزی، آزمایش ایمن آن‌ها به محیط‌های امنی نیاز دارد که با خود سیستم‌ها همگام باشند. گوگل در راستای نقشه راه کنترل عامل خود، محیط‌های سندباکس را با ایزوله و مهر و موم کردن پیش از شروع آموزش یا ارزیابی پرریسک سخت‌تر می‌کند و قصد دارد این بهترین شیوه‌های امنیتی عامل را با شرکا به اشتراک بگذارد.

عرضه قریب‌الوقوع

گوگل Gemini 4 Argon را با قابلیت‌های مرزی در کدنویسی، دانش سازمانی، دفاع سایبری و نوشتار خلاق ساخته است تا شریکی برای توسعه‌دهندگان، حرفه‌ای‌ها و سازمان‌ها در حل دشوارترین مسائل باشد. این مدل ابتدا در اختیار مشتریان API پولی و مشترکین Google AI Ultra قرار می‌گیرد و پس از دریافت بازخورد از گروه اولیه مدافعان سایبری و آزمایش‌کنندگان مورد اعتماد، دسترسی به‌تدریج گسترش می‌یابد.

پرسش‌های متداول

منبع: Google