ეს მნიშვნელოვანი რელიზი, რომელიც სულ ორი კვირის წინ წარდგენილი Gemini 4 Argon-ის ფუნდამენტურ გაგრძელებას წარმოადგენს, კიდევ ერთხელ უსვამს ხაზს იმ მაღალ ტემპს, რომლითაც ტექნოლოგიური გიგანტი ხელოვნური ინტელექტის საზღვრებს აფართოებს.
ლიდერობა ბენჩმარკებსა და კიბერუსაფრთხოების ციკლში
Artificial Analysis Intelligence Index v5.0-ის განახლებულ რეიტინგში Carbon-ი პირველ ადგილს იკავებს (59 ქულით). მოდელმა უპრეცედენტო წარმადობა აჩვენა კიბერუსაფრთხოების სრულ ციკლში: მოწყვლადობების აღმოჩენაში (SEC-bench Pro) - 88.2%, რისკების ვალიდაციაში ექსპლუატაციის გზით (ExploitGym) — 54.8%, ხოლო კოდის ძირეულ გასწორებაში კი (CWE-bench) - 71.0%.
Google-ის შიდა ტესტებისა და Chrome-ის გუნდის შეფასებით, Carbon კონკურენტ ლაბორატორიებთან შედარებით ათჯერ უფრო ხარისხიან და უსაფრთხო პატჩებს აგენერირებს. გარდა ამისა, წამყვანი ღრუბლოვანი უსაფრთხოების პლატფორმა Wiz მას უკვე აქტიურად იყენებს ვებ-პენეტრაციული ტესტირებისა და Scan for Good ინიციატივის ფარგლებში.
გრძელვადიანი ინჟინერია და ვებ-დეველოპმენტი
Carbon-ი შექმნილია განსაკუთრებით რთული, მრავალდღიანი აგენტური სამუშაო ნაკადებისთვის. ის წარმატებით უმკლავდება ისეთ რთულ საინჟინრო გამოწვევებს, როგორიცაა უზარმაზარი კოდის ბაზებისა და დაბალი დონის სისტემების დიაგნოსტიკა, მრავალეტაპიანი პრობლემების გადაჭრა და გამოუვალი სიტუაციების გადალახვა.
ვებ დეველოპმენტის მიმართულებით, WebDev Arena-ზე მოდელმა 89 პუნქტით მოიმატა და მე-4 ადგილზე (1768 ქულით) გადაინაცვლა, რაც ვიზუალური და კოდირების არტეფაქტების ხარისხის მნიშვნელოვან გაუმჯობესებაზე მიუთითებს.
უსაფრთხოების უმაღლესი სტანდარტები
მიუხედავად გაზრდილი ავტონომიისა, Google-ი განსაკუთრებულ ყურადღებას აქტიურ უსაფრთხოებას უთმობს. Carbon-ი Argon-ის მრავალშრიან დაცვის არქიტექტურას ეფუძნება, თუმცა კიდევ უფრო შორს მიდის მოდელის შესაბამისობის (alignment) კუთხით:
ნულოვანი ტოლერანტობა მოტყუების მიმართ: Terminal-Bench 4.0-ზე „მოტყუების“ მცდელობები 0.0%-მდე შემცირდა, ხოლო მაღალი სიმძიმის არასწორი მიმართულებით სვლის (misalignment) გაფრთხილებებმა თითქმის 80%-ით იკლო.
მედეგობა პრომპტ-ინექციების მიმართ: Gray Swan-ის არაპირდაპირი პრომპტ-ინექციების (IPI) ბენჩმარკზე Carbon-მა აბსოლუტური, 0.0%-იანი წარმატების მაჩვენებელი დააფიქსირა. მოდელმა წარმატებით გაუძლო ყველა სატესტო შეტევას.
გამჭვირვალობა და გულწრფელობა: Carbon-მა ორჯერ შეამცირა დაუსაბუთებელი მტკიცებების რაოდენობა და რთულ ამოცანებში მომხმარებელს უშუალოდ მეთოდოლოგიურ შეზღუდვებს აცნობს, ნაცვლად ფაქტების ფაბრიკაციისა.
ხელმისაწვდომობა და ფასები
Google ირჩევს ფრთხილ, ეტაპობრივ მიდგომას მოდელის გამოშვებასთან დაკავშირებით. აშშ-ის მთავრობის წინასწარი ტესტირების პროცესში მონაწილეობის პარალელურად, Carbon-ი პირველ ეტაპზე სანდო კიბერმცველებისთვის და Fairwind პროგრამის მონაწილეებისთვის ირთვება.
ბაზარზე იმავე საწყისი ფასით გამოდის, რაც Argon იყო: $2 მილიონ შემავალ და $10 მილიონ გამავალ ტოკენზე, ხოლო ქეშირებულ შემავალ ტოკენებზე მომხმარებლები 95%-იანი ფასდაკლებით ისარგებლებენ. უახლოეს მომავალში Google გეგმავს Carbon-ის ხელმისაწვდომობის გაფართოებას დეველოპერებისთვის, ბიზნესებისა და ფართო სამომხმარებლო ბაზრისთვისაც.
