گوگل Gemini 4 Carbon را معرفی کرد؛ مدلی با تمرکز بر امنیت سایبری

Carbon چه می‌کند و چه نتایجی گرفته؟

به گفته‌ی گوگل، Carbon در سه مرحله‌ی کار مدافعان امنیتی توانمند شده است: پیدا کردن آسیب‌پذیری در نرم‌افزارهای واقعی، بررسی اینکه آن آسیب‌پذیری واقعاً قابل سوءاستفاده است یا نه، و تولید اصلاح ریشه‌ای در کد.

اعداد منتشرشده توسط خود گوگل چنین است: ۸۸٫۲ درصد در SEC-bench Pro (تشخیص آسیب‌پذیری)، ۵۴٫۸ درصد در ExploitGym (تأیید قابلیت سوءاستفاده) و ۷۱٫۰ درصد در CWE-bench (تولید وصله). گوگل همچنین می‌گوید این مدل در رتبه‌بندی نسخه‌ی ۵٫۰ شاخص هوش Artificial Analysis با امتیاز ۵۹ در جایگاه اول قرار دارد و در WebDev Arena با ۱۷۶۸ امتیاز Elo چهارم شده است، یعنی ۸۹ امتیاز بیشتر از مدل قبلی. این اعداد مستقل راستی‌آزمایی نشده‌اند و در گزارش‌ها به نقل از گوگل آمده‌اند.

ایمنی، قیمت و نحوه‌ی عرضه

Carbon دو هفته پس از مدل Argon عرضه شده و گوگل این سرعت را حاصل همکاری نزدیک پژوهشگران و خود مدل‌ها می‌داند. طبق ادعای گوگل، ادعاهای بدون پشتوانه در خروجی مدل نسبت به Argon حدود نصف شده، رفتار «فراتر از درخواست رفتن» ۲۶ درصد و کم‌کاری ۲۹ درصد کاهش یافته است. در آزمون تزریق پرامپت غیرمستقیم Gray Swan نیز نرخ موفقیت حمله ۰٫۰ درصد گزارش شده (در برابر ۰٫۷ درصد برای Argon). لایه‌های حفاظتی شامل آموزش با تمرکز بر هم‌راستایی، دفاع لحظه‌ای در برابر سوءاستفاده و پایش زنجیره‌ی استدلال است.

قیمت مقدماتی ۲ دلار به‌ازای هر میلیون توکن ورودی و ۱۰ دلار برای هر میلیون توکن خروجی است. پس از دوره‌ی مقدماتی، این مبلغ به ۴ و ۲۰ دلار می‌رسد. برای توکن‌های ورودی کش‌شده ۹۵ درصد تخفیف در نظر گرفته شده است.

دسترسی فعلاً از طریق برنامه‌ی Fairwind به شرکای مورد اعتماد گسترش می‌یابد. گوگل برای در دسترس قرار گرفتن مدل برای توسعه‌دهندگان، کسب‌وکارها و کاربران عادی زمان دقیقی نداده و فقط گفته «در اسرع وقت» انجام می‌شود. اطلاعاتی درباره‌ی اندازه‌ی پنجره‌ی زمینه در صفحه‌ی معرفی نبود.

چرا برای برنامه‌نویس‌ها مهم است؟

مدل‌هایی که هم آسیب‌پذیری پیدا می‌کنند و هم وصله پیشنهاد می‌دهند، می‌توانند چرخه‌ی بازبینی امنیتی را کوتاه کنند. گوگل می‌گوید تیم Chrome کیفیت وصله‌های Carbon را تا ۱۰ برابر بهتر از مدل رقیب ارزیابی کرده است؛ این هم ادعای خود شرکت است. در عین حال، همین توانایی دوکاربردی است و دلیل عرضه‌ی مرحله‌ای و محدود به مدافعان همین نگرانی به نظر می‌رسد.

برای کاربران ایرانی، دسترسی به سرویس‌های گوگل برای مدل‌های پیشرو معمولاً با محدودیت‌های تحریمی و منطقه‌ای همراه است و باید منتظر ماند تا ببینیم Carbon در چه مناطقی و با چه شرایطی عرضه می‌شود. با توجه به اینکه فعلاً دسترسی بسیار محدود است، ارزیابی عملی برای بیشتر توسعه‌دهندگان هنوز ممکن نیست.