كشفت جوجل يوم الأربعاء 28 أكتوبر عن Gemini 4 Carbon، نموذجها الرئيسي الجديد، بعد أسبوعين من إتاحة Argon للجمهور. يقدم نفسه كرقم واحد في مؤشر معياري، ولكن بفارق نقطة واحدة فقط، ويركز بشكل أساسي على الأمن السيبراني والمهام التي تستمر لأيام. في الوقت الحالي، لا يمكن الوصول إليه إلا من قبل عدد قليل من المتخصصين في الدفاع السيبراني.
- كشفت جوجل عن Gemini 4 Carbon، وهو يتصدر مؤشر Artificial Analysis بنقطة واحدة فوق Claude Opus 5.5.
- يحقق النموذج 88.2% في اختبار SEC-bench Pro لاكتشاف الثغرات، ويركز على الأمن السيبراني.
- لا يتاح Carbon حاليًا إلا لعدد قليل من متخصصي الدفاع السيبراني، ويُفتح للجمهور لاحقًا دون موعد محدد.
- يُسعَّر النموذج بـ 2 دولار للإدخال و10 دولارات للإخراج عند الإطلاق، ثم يرتفع إلى 4 و20 دولارًا.
نتيجة 88.2% في اختبار SEC-bench Pro لاكتشاف الثغرات: تقدم جوجل هذا الرقم في مقدمة إعلان Gemini 4 Carbon، الموقع من قبل كوراي كافوكجوغلو، نائب الرئيس الأول في جوجل ديب مايند والمهندس الرئيسي للذكاء الاصطناعي في جوجل. يأتي النموذج بعد أسبوعين من إتاحة Argon للجمهور في 13 أكتوبر. تفسر جوجل هذا التسارع بأنه نتيجة عمل حيث يدفع الباحثون والنماذج القدرات إلى الأمام معًا وبسرعة أكبر.
نقل سوندار بيتشاي نفسه الإعلان على X: ذكّر فيه بأن جوجل كانت قد حذرت من أنها ستطلق نماذجها على فترات منتظمة، وأعاد ذكر النتائج الثلاثة في مجال الأمن السيبراني.
مع ذلك، Carbon غير متاح للجميع. هذا الأسبوع، تتيحه جوجل لمجموعة صغيرة من المتخصصين في الدفاع السيبراني، ثم ستوسع الوصول لشركاء موثوقين آخرين عبر برنامج Fairwind الذي أطلق في 2 سبتمبر. القواعد المنشورة لـ Argon تحدّد الوصول لفرق الأمن السيبراني الداخلية وفرق الاستجابة للحوادث وفرق اختبار الاختراق في المؤسسات المعتمدة. كان البرنامج يضم أكثر من 650 شريكًا عند إطلاقه. سيأتي المطورون والشركات والجمهور العام لاحقًا، في أقرب وقت ممكن، دون تاريخ معلن. وتقول جوجل أيضًا إنها تشارك في العملية الطوعية للاختبارات المسبقة التي تجريها الحكومة الأمريكية.
Gemini 4 Carbon يتفوق على Opus 5.5 بنقطة واحدة فقط على Artificial Analysis
تسلط جوجل الضوء على المركز الأول لـ Carbon في مؤشر الذكاء الخاص بـ Artificial Analysis، وتؤكد صفحة الموقع ذلك: الإصدار 5.0، 59 نقطة، رقم واحد من بين 52 نموذجًا. في الجدول المصاحب للإعلان، Claude Opus 5.5 عند 58 وGPT-6 Astra عند 57، بينما يصل Argon إلى حد أقصى 50؛ نجد هذه النتائج الثلاث في تصنيف الموقع. الفرق من نفس الترتيب في مؤشر Vals Index v2.2، حيث يحصل Carbon على 70.4% مقابل 70.2% لـ Opus 5.5. Vals AI، التي تنشر هذا التصنيف، تضع Carbon في المركز الثاني من بين 29 نموذجًا، بنسبة 70.36%.
المصدر: جوجل
| الاختبار | Carbon | Argon | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|---|
| AA Index v5.0 | 59 | 50 | 57 | 58 |
| Vals Index v2.2 | 70.4% | 69.2% | 65.0% | 70.2% |
| SEC-bench Pro | 88.2% | 83.4% | 85.4% | – |
| ExploitGym | 54.8% | 42.0% | 42.4% | 34.5% |
| CWE-bench | 71.0% | 68.0% | 68.0% | 67.0% |
| OSWorld-2.1 (غير متصل) | 81.5% | 74.7% | 80.9% | 87.2% |
| FrontierSWE 2 | 61.2% | 55.0% | 65.5% | 62.3% |
المصدر: جوجل
ومع ذلك، يظهر هذا الجدول نفسه أن Carbon ليس الأول في كل مكان: Claude Opus 5.5 يحتفظ بالأفضلية في OSWorld-2.1، وهو اختبار لاستخدام الكمبيوتر (87.2% مقابل 81.5%)، وGPT-6 Astra في FrontierSWE 2، وهو اختبار للبرمجة (65.5% مقابل 61.2%).
Gemini 4 Carbon يحقق 88.2% في الأمن السيبراني، ولكن باختبارات غير متكافئة
في مجال الأمن السيبراني، تبرز جوجل ثلاثة اختبارات خارجية، تم اجتيازها بدون ضوابط أمان: 88.2% في SEC-bench Pro للعثور على الثغرات، و54.8% في ExploitGym لاستغلالها، و71.0% في CWE-bench لإصلاحها. في SEC-bench Pro، يليه GPT-6 Astra بنسبة 85.4% وArgon بنسبة 83.4%. في ExploitGym، على العكس، الفرق أكثر وضوحًا: GPT-6 Astra عند 42.4% وClaude Opus 5.5 عند 34.5%.
هذه النتائج تأتي من جوجل، وظروف الاختبار ليست متساوية لجميع النماذج. نسبة 54.8% لـ Carbon تتوافق مع حد أقصى 10 ساعات لكل مهمة. مع 6 ساعات، ينخفض إلى 53.5%، مما يبقيه أمام GPT-6 Astra، الذي تم اختباره بدون حد زمني، وأمام Opus 5.5، المحدد بـ 6 ساعات. في CWE-bench، لا تستخدم النماذج نفس أداة البرمجة أيضًا: Antigravity لـ Carbon، وCodex لـ GPT-6 Astra، وClaude Code لـ Opus 5.5. والميزة على Argon، هي 3 نقاط فقط (71.0% مقابل 68.0%).
تشير جوجل أيضًا إلى فريق Chrome، الذي أبلغ أن Carbon كان أفضل بأكثر من 10 مرات من نموذج كبير من مختبر آخر، لم يتم تسميته، في إنتاج تصحيحات عالية الجودة، وWiz، الذي يلاحظ أن Carbon يتصدر معايير اختبار اختراق الويب.
Gemini 4 Carbon: مهام تستمر لأيام وغش أقل، وفقًا لجوجل
تم تصميم Carbon للمشكلات الهندسية الطويلة: داخليًا، رأت فرق جوجل أنه يعمل لأيام للعثور على سبب الأخطاء الدقيقة وإصلاحها في قواعد التعليمات البرمجية الكبيرة. تؤكد الشركة أيضًا على المحاذاة. في Terminal-Bench 4.0، ينخفض الغش الناجح إلى 0.0% والمحاولات إلى 0.4%. تنخفض تنبيهات عدم المحاذاة الخطيرة بنحو 80% في بيئات الكود الداخلية، وتكون الادعاءات غير المدعمة أقل بحوالي مرتين مقارنة بـ Argon. في اختبار حقن الأوامر لـ Gray Swan، لم تنجح أي هجوم (0%، مقابل 0.7% لـ Argon و1.0% لـ Opus 5.5). هذه القياسات منشورة من قبل جوجل وهي في الغالب داخلية: فقط الاختبارات التي تجريها فرق خارجية ستحدد ما إذا كانت ستتأكد.
سعر Gemini 4 Carbon: 2 دولار و10 دولارات عند الإطلاق، ثم 4 دولارات و20 دولارًا
يتم تسعير Carbon بـ 2 دولار لكل مليون وحدة رمزية للإدخال و10 دولارات للإخراج خلال فترة الإطلاق، مثل Argon، مع خصم 95% على وحدات الإدخال المخزنة مؤقتًا. بعد ذلك، سيرتفع السعر إلى 4 دولارات و20 دولارًا، وفقًا لحاشية الإعلان. لا تقدم جوجل تاريخ انتهاء هذا العرض لـ Carbon.
هل ستصمد هذه النتائج عندما يغادر Carbon دائرة المتخصصين المختارين ليصل إلى المطورين، في تاريخ لم تحدد جوجله بعد؟
