جمینای ۴ کربن؛ مدل تازه گوگل که دوباره صدر جدول هوش مصنوعی را گرفت
گوگل روز ۲۸ اکتبر ۲۰۲۶ از تازهترین و پیشرفتهترین مدل هوش مصنوعی خودش رونمایی کرد: جمینای ۴ کربن. این مدل وعدهی بهبود در امنیت سایبری و مهندسی نرمافزار پیچیده را میدهد، آن هم با همان قیمت ورودی مدل قبلی گوگل یعنی آرگون. بر اساس آزمایشهای خود گوگل و ارزیابهای مستقل، کربن حالا رتبهی اول جهان را در بیشتر بنچمارکهای رایج سازمانی از آن خودش کرده است؛ اما نکتهی مهم اینجاست که دسترسی به آن فعلاً محدود است.
زمینه و پسزمینه
گوگل در ابتدا دسترسی به کربن را فقط به گروه منتخبی از متخصصان دفاع سایبری در برنامهی ویژهای بهنام Fairwind Program داده است؛ یعنی اکثر توسعهدهندگان و کسبوکارها باید برای عرضهی عمومیتر صبر کنند. گوگل گفته است که این عرضهی گستردهتر «در اولین زمان ممکن» بعد از «جمعآوری بازخورد و اصلاح محافظهای ایمنی» اتفاق میافتد. این رویکرد محتاطانه نشان میدهد که گوگل، برخلاف بعضی رقبا، ترجیح میدهد مدلهای قدرتمندتر خودش را ابتدا در محیطهای کنترلشده آزمایش کند.
ارزیاب مستقل Artificial Analysis در شاخص هوش نسخه ۵ خودش، کربن را با حالت استدلال بالا در رتبهی اول با ۵۹ امتیاز قرار داده، درحالیکه کلود اوپوس ۵.۵ با ۵۸ امتیاز، جیپیتی-۶ استرا با ۵۷ امتیاز و آرگون با ۵۰ امتیاز در رتبههای بعدی هستند. در گزارش رسمی گوگل هم کربن در ۱۵ از ۱۷ ردیف بنچمارک، بهترین نتیجه را کسب کرده؛ با این حال اوپنایآی هنوز در یک آزمون مهندسی نرمافزار و آنتروپیک در یک ارزیابی استفاده از کامپیوتر جلوتر هستند.
تحلیل: قیمتگذاری، محدودیتها و رقابت
گوگل اعلام کرده کربن با قیمت ۲ دلار به ازای هر میلیون توکن ورودی و ۱۰ دلار به ازای هر میلیون توکن خروجی عرضه میشود، به همراه تخفیف ۹۵ درصدی برای ورودیهای کششده. اما این نرخها موقتی هستند؛ یک پانویس در اعلامیهی گوگل مشخص میکند که بعداً قیمتها به ۴ و ۲۰ دلار افزایش پیدا میکنند، بدون اینکه گوگل زمان دقیق پایان این دورهی معرفی را اعلام کند.
آزمایشهای مستقل همچنین نشان میدهند که این مدل بدون نقطهضعف نیست. کربن نسبت به آرگون در کدنویسی و کارهای دانشی پیشرفت قابلتوجهی دارد، اما در برخی کارهای حرفهای از چند رقیب عقب میماند و در یک آزمون دانش واقعی، نرخ توهم (hallucination) بالاتری نسبت به آرگون ثبت کرده است. برای کسبوکارها، این اعلامیه یک مدل قویتر روی کاغذ را نشان میدهد، بدون افزایش قیمت نسبی به آرگون، اما هنوز جایگزین عمومی و در دسترسی برای آرگون نیست. آرگون که در ۱۳ اکتبر بهصورت گستردهتر عرضه شده بود، همچنان مدلی است که مشتریان میتوانند از طریق پیشنهاد عمومی فعلی گوگل آن را آزمایش کنند.
اگر بخواهیم مسیر عرضهی کربن را با آرگون مقایسه کنیم، باید بین اعلام و عرضهی عمومی تفاوت گذاشت. گوگل آرگون را ۳۰ سپتامبر معرفی کرد و ابتدا تنها شرکای امنیتی تاییدشده از طریق Fairwind به آن دسترسی داشتند؛ عرضهی گستردهتر آن در ۱۳ اکتبر اتفاق افتاد. کربن حالا ۱۵ روز بعد از آن گسترش معرفی شده است. آرگون از همان ابتدا روی کارهای مهندسی سنگین، تحقیق تخصصی و وظایف امنیتی تمرکز داشت؛ گوگل دربارهی ایجنتهایی توضیح داده بود که به بهینهسازی حافظه و مهاجرت کد از C/C++ به Rust کمک میکنند، البته با تست و بازبینی انسانی برای تغییرات حساس کد. امنیت سایبری هم محور اصلی آرگون بود؛ این مدل برای کشف باگها، تایید اهمیت آنها و تولید اصلاحیه طراحی شده بود.
تفاوت اصلی بین کربن و آرگون، طبق گفتهی گوگل، در بهبود عملکرد در همین حوزههای موجود است، بهخصوص در کارهای مهندسی طولانیمدت، تست نفوذ و پایداری ایجنتها. گوگل هنوز گزارش فنی کامل منتشر نکرده و نگفته که آیا جمینای ۴ کربن معماری مدل تازهای دارد یا نه، و تعداد پارامترها را هم فاش نکرده است. در متن اعلامیه، که کورای کاووکچواوغلو، معاون ارشد گوگل دیپمایند و معمار ارشد هوش مصنوعی گوگل نوشته، آمده: «داخل تیمهای ما، کربن روزها بدون وقفه اجرا شده است.» این شرکت توضیح میدهد که مدل در کدبیسهای بزرگ، حتی وقتی روشهایی ناموفق باشند، ادامه میدهد تا باگها را تشخیص دهد و رفع کند.
طبق اسناد مدل آرگون، ظرفیت زمینهی مشترک (context) آن بیش از یک میلیون توکن است که ورودی و خروجی را همزمان پوشش میدهد، با امکان افزایش خروجی فراتر از سقف پیشفرض ۶۵۵۳۶ توکن. این مدل متن، تصویر، ویدیو، صدا و پیدیاف را بهعنوان ورودی میپذیرد.
از منظر رقابت بازار، عرضهی کربن دقیقاً در بازهای اتفاق میافتد که اوپنایآی با جیپیتی-۶ استرا و آنتروپیک با کلود اوپوس ۵.۵ در حال رقابت فشرده برای عنوان «بهترین مدل هوش مصنوعی جهان» هستند. هر تغییر کوچک در رتبهبندی بنچمارکها میتواند روی تصمیمگیری شرکتهای بزرگ برای انتخاب ارائهدهندهی هوش مصنوعی اصلیشان اثر بگذارد. استراتژی گوگل برای عرضهی محدود کربن، بهنظر میرسد تلاشی برای کاهش ریسک انتشار سریع یک مدل بسیار قدرتمند بدون آزمایش کافی روی سناریوهای امنیتی حساس باشد؛ رویکردی که میتواند در بلندمدت به اعتمادسازی بیشتر کمک کند، حتی اگر در کوتاهمدت رقبا با عرضهی سریعتر، سهم بازار بیشتری جذب کنند.
برای کاربران و توسعهدهندگانی که منتظر دسترسی عمومی به کربن هستند، بهترین راهکار فعلاً دنبالکردن اعلامیههای بعدی گوگل است؛ تا آن زمان، آرگون همچنان گزینهی در دسترس و قابل آزمایش گوگل برای کارهای پیچیدهی مهندسی و امنیتی باقی میماند.
منبع: VentureBeat
کربن برای کسبوکارها چه معنایی دارد؟
برای تیمهای فنی که در حال انتخاب میان ارائهدهندگان مدلهای بزرگ زبانی هستند، اعلامیهی کربن یک پیام واضح دارد: رتبهی اول بنچمارک همیشه بهمعنای بهترین گزینهی عملی نیست. چون دسترسی به کربن محدود است، شرکتهایی که همین امروز به دنبال ارتقای زیرساخت هوش مصنوعی خود هستند، همچنان باید روی آرگون، کلود اوپوس ۵.۵ یا جیپیتی-۶ استرا حساب کنند که همگی بهصورت عمومی در دسترساند. به بیان دیگر، کربن بیشتر یک «نشانه» از جهتی است که گوگل در ماههای آینده به آن میرود، نه یک محصول آماده برای استقرار گسترده در همین لحظه.
نرخ بالاتر توهم کربن نسبت به آرگون در آزمون دانش واقعی هم نکتهای است که نباید نادیده گرفته شود. برای کاربردهایی که دقت فکتی اهمیت بالایی دارد، مثل خلاصهسازی اسناد حقوقی یا پاسخگویی به سؤالات مشتریان دربارهی محصولات، این افزایش نرخ خطا میتواند مهمتر از چند امتیاز بالاتر در بنچمارکهای کدنویسی باشد. به همین دلیل، تیمهای فنی باید فراتر از عناوین «رتبهی اول جهان» نگاه کنند و ببینند مدل دقیقاً در کدام نوع وظیفه برای کاربرد خاص آنها بهترین عملکرد را دارد.
از زاویهی دیگر، محدود نگهداشتن دسترسی به کربن برای متخصصان امنیت سایبری، نشانهای از حساسیت گوگل به ریسک سوءاستفاده از مدلهای بسیار قدرتمند در حوزهی امنیت است. مدلی که میتواند باگهای پیچیده را پیدا کند و برای آنها اکسپلویت بسازد، همانقدر که برای تیمهای دفاعی مفید است، میتواند در دست افراد نامناسب خطرناک هم باشد. به همین دلیل، رویکرد مرحلهای گوگل، یعنی عرضهی اول به شرکای تاییدشده، منطقی بهنظر میرسد؛ حتی اگر این رویکرد سرعت تجاریسازی مدل را کاهش دهد.
در نهایت، باید این رونمایی را در چارچوب رقابت گستردهتر صنعت دید؛ جایی که گوگل، اوپنایآی و آنتروپیک تقریباً هر ماه مدل یا نسخهی تازهای عرضه میکنند. برای کاربران نهایی، این رقابت فشرده معمولاً بهمعنای بهبود مستمر کیفیت و گاهی کاهش قیمت است، اما برای تیمهای فنی که باید زیرساخت خودشان را با این تغییرات هماهنگ کنند، پیگیری این تحولات و ارزیابی مجدد انتخابهایشان هر چند ماه یکبار، به بخشی ضروری از کار تبدیل شده است.