Google-მა Gemini 4 Carbon წარადგინა - ახალი AI მოდელი კიბერუსაფრთხოებასა და რთულ პროგრამულ ამოცანებზეა ორიენტირებული

Google-მა ხელოვნური ინტელექტის ახალი მოდელი, Gemini 4 Carbon, წარადგინა, რომელსაც კომპანია თავის ყველაზე მძლავრ მოდელად აღწერს. მისი მთავარი უპირატესობები კიბერუსაფრთხოების გაძლიერებული შესაძლებლობები და ხანგრძლივი, მრავალეტაპიანი ამოცანების შესრულებაა.

განახლებული Artificial Analysis Intelligence Index v5.0-ის შეფასებით, Gemini 4 Carbon-მა 59 ქულა მიიღო და რეიტინგში პირველი ადგილი დაიკავა. მოდელმა ასევე აჩვენა გაუმჯობესებული შედეგები პროგრამირებასა და ავტონომიური მოქმედების მქონე AI სისტემებისთვის დამახასიათებელ ამოცანებში. SEC-bench Pro ტესტში მოწყვლადობების აღმოჩენის მაჩვენებელმა 88.2% შეადგინა, ExploitGym-ში ექსპლოიტების გამოყენების შედეგმა — 54.8%, ხოლო CWE-bench-ში კოდის უსაფრთხოების ხარვეზების გამოსწორების მაჩვენებელმა — 71%.

ახალი მოდელი Gemini 4 Argon-ის გამოშვებიდან ორი კვირის შემდეგ წარადგინეს. Google-ის განცხადებით, კომპანიის შიდა გუნდების მიერ რეალურ პროგრამულ გარემოში ჩატარებულმა ტესტირებამ აჩვენა, რომ Carbon-მა შეამცირა არასწორი ქცევის შემთხვევები და მცდარი ინფორმაციის გენერირების სიხშირე.

Google ამჟამად აშშ-ის მთავრობის მიერ მხარდაჭერილ ნებაყოფლობით პროცესში მონაწილეობს, რომელიც AI მოდელების გამოშვებამდე უსაფრთხოების შეფასებას ითვალისწინებს. ამ კვირიდან კომპანია Gemini 4 Carbon-ს შერჩეულ კიბერუსაფრთხოების სპეციალისტებს მიაწვდის, ხოლო შემდგომში წვდომას Fairwind პროგრამის ფარგლებში სხვა პარტნიორებზეც გააფართოებს. მოგვიანებით მოდელი ხელმისაწვდომი გახდება დეველოპერებისთვის, ბიზნესებისთვისა და მომხმარებლებისთვის.

Gemini 4 Carbon-ის ფასი მილიონ შეყვანილ ტოკენზე 2 დოლარი, ხოლო მილიონ გამომავალ ტოკენზე 10 დოლარი იქნება — იგივე, რაც Argon-ის საწყისი ტარიფი. წინასწარ დამუშავებული, ქეშირებული შეყვანის ტოკენებისთვის კი 95%-იანი ფასდაკლება იმოქმედებს.

Google-ის ინფორმაციით, შიდა გუნდებმა Carbon რთულ საინჟინრო სამუშაოებში გამოიყენეს, მათ შორის, დიდ კოდურ ბაზებში შეცდომების აღმოსაჩენად და გამოსასწორებლად. მოდელმა WebDev Arena-ს რეიტინგში 89 Elo ქულა მოიმატა და 1,769 ქულით მეოთხე ადგილზე გადავიდა. Chrome-ის გუნდის განცხადებით, მაღალი ხარისხის პროგრამული შესწორებების გენერირებისას Carbon-მა სხვა ლაბორატორიის მოწინავე მოდელზე ათჯერ უკეთესი შედეგი აჩვენა. კიბერუსაფრთხოების პლატფორმა Wiz-მაც აღნიშნა, რომ მოდელი ვებპენტესტირების რამდენიმე ბენჩმარკში ლიდერობდა.

უსაფრთხოების ტესტებში Carbon-მა Terminal-Bench 4.0-ში წარმატებული მოტყუების მაჩვენებელი 0%-მდე შეამცირა, ხოლო მოტყუების მცდელობების წილი 0.4% იყო. Gray Swan-ის არაპირდაპირი prompt injection-ის ბენჩმარკში კი შეტევების წარმატების მაჩვენებელი 0% დაფიქსირდა — მოდელმა შეფასებული შეტევის ყველა მცდელობას გაუძლო.