گوگل از نسل بعدی مدل‌های مرزی خود با نام جمینای ۴ کربن (Gemini 4 Carbon) رونمایی کرد. این مدل که قوی‌ترین نمونه از خانواده جمینای معرفی شده، قابلیت‌های پیشرفتهای در حوزه امنیت سایبری و انجام وظایف پیچیده و بلندمدت (long-horizon) ارائه میدهد.
جمینای ۴ کربن رتبه اول در شاخص هوش مصنوعی (Artificial Analysis Intelligence Index) نسخه ۵.۰ با امتیاز ۵۹ را به خود اختصاص داده است. این مدل پیشرفتهای قابل توجهی در وظایف کدنویسی، ایجنتیک و به‌طور خاص در قابلیت‌های کلیدی دفاع سایبری نشان میدهد.
تمرکز بر امنیت سایبری و وظایف مهندسی پیچیده
جمینای ۴ کربن برای مقابله با مسائل سخت و بلندمدت مهندسی طراحی شده و برای گردش کارهای ایجنتیک پایدار ساخته شده است. تیم‌های داخلی گوگل مشاهده کرده‌اند که این مدل می‌تواند روزها به‌صورت مداوم کار کند تا مسائل پیچیده و چندمرحله‌ای مانند ریشه‌یابی و وصلهگذاری باگ‌های ظریف در پایگاه‌های کد بزرگ و سیستم‌های سطح پایین را حل کند.
بر اساس بازخورد کاربران، عملکرد مدل در حوزههای مختلفی از جمله کدنویسی، وظایف ایجنتیک و علمی، توسعه وب فول‌استک و درک چندوجهی بهبود یافته است. با افزایش کیفیت خروجی‌ها در توسعه وب، این مدل با پرش ۸۹ امتیاز الو، در رتبه چهارم (۱۷۶۸) در وب‌دیو آرنا (WebDev Arena) قرار گرفته است.
دستاوردهای برتر در چرخه دفاع سایبری
جمینای ۴ کربن جهش قابل توجهی در قابلیت‌های امنیت سایبری ارائه میدهد و عملکردی پیشرو در چرخه کامل دفاع سایبری — شامل کشف، اعتبارسنجی و رفع آسیبپذیریها — دارد.
تیم‌های داخلی گوگل در حال حاضر پیشرفتهای قوی‌ای در دفاع سایبری مشاهده می‌کنند. در معیارهای داخلی، نرخ موفقیت جمینای ۴ کربن در تولید کد امن، بیش از دو برابر مدل آرگون (Argon) است. به عنوان مثال دیگر، تیم مرورگر کروم گزارش داده که عملکرد این مدل در تولید وصله‌های باکیفیت، بیش از ۱۰ برابر بهتر از یک مدل مرزی بزرگ از آزمایشگاه دیگر بوده است.
عملکرد در معیارهای استاندارد خارجی
عملکرد برتر این مدل در چندین معیار معتبر خارجی (که بدون محافظ‌ها ارزیابی شده) به وضوح دیده می‌شود:
- کشف آسیب‌پذیری‌های واقعی: هسته دفاع سایبری، یافتن آسیب‌پذیری‌های واقعی است. جمینای ۴ کربن با دستیابی به امتیاز ۸۸.۲٪ در معیار SEC-bench Pro، به‌صورت خودکار نقاط ضعف پیچیده دفن شده در نرم‌افزارهای واقعی را کشف می‌کند.
- اعتبارسنجی ریسک از طریق بهرهبرداری: برای اولویت‌بندی آسیبپذیریها، مدافعان سایبری increasingly به مدل‌ها برای بررسی قابلیت بهرهبرداری (اکسپلویت) تکیه می‌کنند. این مدل با امتیاز ۵۴.۸٪ در معیار محبوب ExploitGym، رکورد جدیدی ثبت کرده است.
- وصلهگذاری در سطح ریشه‌ای: پس از شناسایی آسیبپذیریها، رفع علت ریشه‌ای گامی حیاتی است. جمینای ۴ کربن با دستیابی به امتیاز ۷۱.۰٪ در معیار CWE-bench شرکت کالینیر (Collinear)، یافته‌های تأییدشده را مستقیماً به وصله‌های کد عملیاتی تبدیل می‌کند.
پیشرفت در ایمنی و امنیت مدل‌های مرزی
جمینای ۴ کربن بر روی پشته چندلایه ایمنی و امنیتی مشابه آرگون — که ترکیبی از آموزش مدل، دفاع‌های سوءاستفاده بلادرنگ، تاب‌آوری در برابر تزریق اعلان (prompt injection) و نظارت بر زنجیره تفکر است — بنا شده. با این مدل، گوگل خود را به یک گام فراتر در زمینه همترازی (alignment) challenged کرده و مدل را آموزش داده تا به وظایف پیچیده یا پرتنش به روش درست پاسخ دهد.
دستاوردهای کلیدی در این حوزه عبارتند از:
- کاهش میانبرها و سوءاستفاده از راه‌های فرار: موفقیت در تقلب در معیار Terminal-Bench 4.0 به صفر درصد کاهش یافته و تلاش برای تقلب به ۰.۴٪ رسیده است. در محیط‌های کدنویسی زنده با تیم‌های داخلی، هشدارهای شدید ناهمترازی تقریباً ۸۰٪ کاهش یافته است.
- شفافیت و صداقت بیشتر: در تست‌های داخلی، ادعاهای بدون پشتوانه (unsupported claims) توسط این مدل حدود دو برابر نسبت به آرگون کاهش یافته است.
- مقاومت در برابر تزریق اعلان: در حالی که آرگون قبلاً با نرخ موفقیت حمله بسیار پایین ۰.۷٪ در معیار تزریق اعلان غیرمستقیم (IPI) گری سوان پیشتاز بود، جمینای ۴ کربن به ۰.۰٪ دست یافته و در برابر هر حمله ارزیابی‌شده مقاومت کرده است.
برنامه دسترسی و rollout آگاهانه
گوگل رویکردی آگاهانه برای عرضه این مدل در پیش گرفته و به‌طور فعال در فرآیند داوطلبانه آزمایش پیش از انتشار مدل دولت ایالات متحده مشارکت دارد. از این هفته، جمینای ۴ کربن در دسترس زیرمجموعه‌ای از مدافعان امنیت سایبری قرار خواهد گرفت و به‌تدریج از طریق برنامه فیرویند (Fairwind Program)، دسترسی به شرکای مورد اعتماد دیگر گسترش خواهد یافت.
قیمت‌گذاری این مدل در ابتدا مشابه آرگون خواهد بود: ۲ دلار برای هر میلیون توکن ورودی و ۱۰ دلار برای هر میلیون توکن خروجی. توکن‌های ورودی کش‌شده نیز با ۹۵٪ تخفیف نسبت به قیمت اصلی توکن ورودی محاسبه می‌شوند.
هدف گوگل با جمینای ۴ کربن، ارائه جهش‌های معنادار در مهندسی نرم‌افزار و دفاع سایبری بدون سازش در ایمنی یا قابلیت اطمینان است. این شرکت مشتاق است ببیند که گروه اولیه مدافعان سایبری چگونه از این مدل استفاده می‌کنند و امیدوار است به زودی این مدل را در اختیار توسعه‌دهندگان، کسب‌وکارها و مصرف‌کنندگان قرار دهد.
پرسش‌های متداول
جمینای ۴ کربن در چه حوزههایی پیشرفت قابل توجهی داشته است؟
این مدل پیشرفت عمدهای در حوزههای امنیت سایبری (شامل کشف، بهرهبرداری و وصلهگذاری آسیبپذیریها)، کدنویسی امن و وظایف ایجنتیک بلندمدت نشان میدهد.
دسترسی به مدل جمینای ۴ کربن چگونه خواهد بود؟
در ابتدا این مدل تنها در دسترس گروهی محدود از مدافعان امنیت سایبری قرار می‌گیرد و به‌تدریج از طریق برنامه فیرویند در اختیار شرکای مورد اعتماد دیگر گذاشته می‌شود.
جمینای ۴ کربن چه بهبودهایی در زمینه ایمنی و همترازی داشته است؟
این مدل ادعاهای بدون پشتوانه را حدود دو برابر کاهش داده، هشدارهای شدید ناهمترازی را ۸۰٪ کم کرده و در برابر تزریق اعلان‌ها کاملاً مقاوم شده است.
منبع: Google
