گوگل در پستی در وبلاگ رسمی خود در ۲۸ اکتبر از Gemini 4 Carbon رونمایی کرد و آن را توانمندترین مدل هوش مصنوعی خود برای وظایف بلندمدت (Long-Horizon Tasks) توصیف کرد. این مدل از این هفته ابتدا در اختیار گروهی از مدافعان سایبری (Cyber Defenders) قرار می‌گیرد و توسعه‌دهندگان، کسب‌وکارها و مصرف‌کنندگان فعلاً به آن دسترسی ندارند.
عرضه محدود و زمان‌بندی دسترسی
Gemini 4 Carbon دو هفته پس از Gemini 4 Argon عرضه می‌شود. گوگل می‌گوید در آزمون‌های داخلی، Carbon روزها روی وظایف مهندسی کار کرده و با عبور از موانع، باگ‌های ظریف (Subtle Bugs) را در پایگاه‌های کد بزرگ تشخیص، ریشه‌یابی و وصله‌گذاری (Patch) کرده است. موج اول دسترسی محدود به مدافعان سایبری است و سپس شرکای مورد اعتماد بیشتری از طریق برنامه Fairwind Program اضافه می‌شوند.
عملکرد و نتایج بنچمارک‌ها
به گزارش گوگل، Carbon در شاخص هوش Artificial Analysis Intelligence Index v5.0 با امتیاز ۵۹ رتبه اول را کسب کرده است. در WebDev Arena نیز این مدل ۸۹ امتیاز Elo افزایش داده و به ۱۷۶۸ رسیده که جایگاه چهارم را به آن می‌دهد.
تمرکز اصلی این عرضه بر امنیت سایبری است و گوگل این نتایج را اعلام کرده است:
- SEC-bench Pro برای سنجش کشف خودکار آسیب‌پذیری‌های واقعی (Real-World Vulnerabilities): ۸۸.۲ درصد
- ExploitGym برای بررسی امکان بهره‌برداری (Exploit) از نقص‌های کشف‌شده: ۵۴.۸ درصد
- CWE-bench برای سنجش تبدیل نقص‌های تأییدشده به وصله‌های کد کارآمد: ۷۱.۰ درصد
گوگل ادعا می‌کند Carbon در بنچمارک‌های داخلی، بیش از دو برابر Argon در تولید کد امن (Secure Code) موفق بوده است. تیم امنیت Chrome نیز گزارش داده است که Carbon وصله‌های باکیفیت را با نرخ بیش از ده برابر یک مدل مرزی بزرگ (Large Frontier Model) از آزمایشگاه دیگر تولید کرده است. گوگل یادآوری می‌کند که بنچمارک‌های خارجی امنیت سایبری بدون محافظ‌ها (Guardrails) ارزیابی شده‌اند.
قیمت‌گذاری API
قیمت مقدماتی API با Gemini 4 Argon یکسان است: ۲ دلار به ازای هر یک میلیون توکن ورودی (Input Tokens) و ۱۰ دلار به ازای هر یک میلیون توکن خروجی (Output Tokens). توکن‌های ورودی کش‌شده (Cached Input Tokens) نیز ۹۵ درصد کمتر از نرخ استاندارد ورودی قیمت‌گذاری می‌شوند. پس از پایان دوره مقدماتی، قیمت‌ها به ۴ دلار برای هر یک میلیون توکن ورودی و ۲۰ دلار برای هر یک میلیون توکن خروجی افزایش می‌یابد.
ایمنی و برنامه Fairwind
گوگل می‌گوید Carbon بر همان پشته ایمنی (Safety Stack) Argon ساخته شده است. در آزمون خود شرکت، نرخ موفقیت حمله در بنچمارک تزریق پرامپت غیرمستقیم Gray Swan به ۰.۰ درصد رسیده، در حالی که این رقم برای Argon برابر ۰.۷ درصد بوده است. همچنین هشدارهای ناهم‌ترازی با شدت بالا (High-Severity Misalignment Alerts) در محیط‌های کدنویسی داخلی زنده تقریباً ۸۰ درصد کاهش یافته است. گوگل در فرایند داوطلبانه آزمون مدل پیش از انتشار دولت آمریکا نیز مشارکت دارد.
توسعه‌دهندگان می‌توانند بودجه خود را بر اساس قیمت‌های مقدماتی و استاندارد منتشرشده برنامه‌ریزی کنند. با این حال، گوگل تاریخی برای دسترسی عمومی به API اعلام نکرده و همه ارقام بنچمارک‌ها از اعلامیه خود شرکت آمده و تأیید مستقل نشده‌اند.