رونمایی از Gemini 4 Carbon؛ هوش مصنوعی جدید برای مقابله با تهدیدات سایبری

زهرا رادآخرین بروزرسانی: 9 آبان 14054 دقیقه زمان مطالعه
تصویر معرفی مدل هوش مصنوعی Gemini 4 Carbon گوگل با لوگوی رنگی Gemini و طراحی کریستالی آبی روی پس‌زمینه گرادیانی

گوگل از جدیدترین مدل هوش مصنوعی خود با نام Gemini 4 Carbon رونمایی کرد. این مدل که بر پایه نسل قبلی خود، Gemini 4 Argon، توسعه یافته، تمرکز ویژه‌ای بر برنامه‌نویسی پیشرفته و امنیت سایبری دارد. طبق ادعای گوگل Carbon می‌تواند آسیب‌پذیری‌های پیچیده نرم‌افزاری را شناسایی کند، امکان سوءاستفاده از آن‌ها را بسنجد و برای برطرف‌کردن مشکلات امنیتی، کدهای اصلاح‌شده ارائه دهد. نتایج منتشرشده از آزمون‌های مختلف نیز نشان می‌دهند این مدل در برخی از شاخص‌های ارزیابی، عملکرد قابل‌توجهی داشته است.

گوگل در تاریخ ۲۸ اکتبر ۲۰۲۶ (۶ آبان ۱۴۰۵) از Gemini 4 Carbon رونمایی کرد. این شرکت مدل جدید خود را یکی از پیشرفته‌ترین محصولاتش در زمینه برنامه‌نویسی و امنیت سایبری می‌داند. معرفی Carbon تنها دو هفته پس از عرضه Gemini 4 Argon انجام شده است و نشان می‌دهد گوگل با سرعت زیادی در حال توسعه نسل جدید مدل‌های هوش مصنوعی خود است.

Gemini 4 Carbon در شناسایی آسیب‌پذیری‌های امنیتی چه عملکردی دارد؟

یکی از مهم‌ترین ویژگی‌های مدل جدید گوگل، توانایی آن در شناسایی نقص‌های امنیتی نرم‌افزارها است. Carbon می‌تواند بخش‌های مختلف یک کد را بررسی کند، آسیب‌پذیری‌های احتمالی را پیدا کند و میزان خطر آن‌ها را ارزیابی کند. این فرایند به متخصصان امنیت سایبری کمک می‌کند مشکلات مهم‌تر را شناسایی و برای رفع آن‌ها اولویت‌بندی کنند.

بر اساس اطلاعات منتشرشده در وبلاگ رسمی گوگل، این مدل در آزمون SEC-bench Pro امتیاز ۸۸.۲ درصد را کسب کرده است. این آزمون توانایی مدل‌های هوش مصنوعی در شناسایی آسیب‌پذیری‌های واقعی نرم‌افزارها را ارزیابی می‌کند.

نمودار مقایسه عملکرد Gemini 4 Carbon با مدل‌های GPT-6، Gemini 4 Argon و DeepSeek در بنچمارک امنیت سایبری SEC-bench Pro با امتیاز ۸۸.۲ درصد

Carbon همچنین در آزمون ExploitGym به امتیاز ۵۴.۸ درصد رسیده است. این بنچمارک بررسی می‌کند که یک مدل تا چه اندازه می‌تواند امکان سوءاستفاده از آسیب‌پذیری‌های شناسایی‌شده را تشخیص دهد. علاوه بر این، Gemini 4 Carbon در آزمون CWE-bench امتیاز ۷۱ درصد را به دست آورده است؛ آزمونی که توانایی مدل در اصلاح آسیب‌پذیری‌ها و ارائه راهکارهای فنی برای برطرف‌کردن آن‌ها را می‌سنجد.

البته این ارقام بر اساس ارزیابی‌های منتشرشده از سوی گوگل هستند و به‌تنهایی نمی‌توانند تضمین‌کننده عملکرد یکسان مدل در تمام پروژه‌های واقعی باشند.

عملکرد بهتر Gemini 4 Carbon در برنامه‌نویسی و وظایف پیچیده

قابلیت‌های Carbon به امنیت سایبری محدود نمی‌شوند. گوگل می‌گوید این مدل برای انجام وظایف پیچیده و طولانی‌مدت مهندسی نرم‌افزار طراحی شده است. چنین وظایفی ممکن است به بررسی بخش‌های مختلف یک پروژه، شناسایی علت اصلی خطا و اعمال تغییرات در چندین قسمت از کد نیاز داشته باشند.

به گفته‌ی گوگل، تیم‌های داخلی این شرکت توانسته‌اند از Carbon برای پیگیری پروژه‌های چندمرحله‌ای استفاده کنند؛ فرایندی که گاهی چند روز ادامه پیدا می‌کند. این مدل می‌تواند پس از مواجهه با مشکلات، مسیرهای مختلف را بررسی کند و برای رسیدن به راه‌حل مناسب تلاش کند.

یکی دیگر از نکات قابل‌توجه، عملکرد Carbon در تولید کدهای امن است. گوگل اعلام کرده این مدل در آزمون‌های داخلی بیش از دو برابر بهتر از Gemini 4 Argon عمل کرده است. همچنین این شرکت از بهبود عملکرد Carbon در توسعه وب، استدلال و انجام وظایف مبتنی بر هوش مصنوعی خبر داده است.

جدول مقایسه نتایج بنچمارک هوش مصنوعی Gemini 4 Carbon با Gemini 4 Argon، GPT-6 Astra و Claude Opus 5.5 در برنامه‌نویسی، امنیت سایبری، ریاضیات و پردازش چندوجهی

گوگل دسترسی به Gemini 4 Carbon را محدود کرد

با وجود قابلیت‌های جدید، گوگل فعلاً قصد ندارد Gemini 4 Carbon را بلافاصله در اختیار تمام کاربران قرار دهد. این شرکت اعلام کرده دسترسی اولیه به مدل جدید از طریق گروه محدودی از متخصصان و شرکت‌های فعال در حوزه دفاع سایبری فراهم می‌شود.

گوگل همچنین قصد دارد از طریق برنامه Fairwind، دسترسی به Carbon را به‌تدریج برای شرکای مورداعتماد بیشتری فراهم کند. هدف از این رویکرد، بررسی عملکرد مدل، دریافت بازخورد و بهبود سازوکارهای ایمنی پیش از عرضه گسترده‌تر است.

قیمت اولیه استفاده از این مدل نیز برای هر یک میلیون توکن ورودی ۲ دلار و برای هر یک میلیون توکن خروجی ۱۰ دلار اعلام شده است. پس از پایان دوره قیمت‌گذاری اولیه، این مبالغ به‌ترتیب به ۴ و ۲۰ دلار افزایش پیدا می‌کنند.

در مجموع، Gemini 4 Carbon نشان می‌دهد رقابت شرکت‌های بزرگ فناوری برای توسعه مدل‌های هوش مصنوعی توانمندتر، وارد مرحله تازه‌ای شده است؛ مرحله‌ای که در آن، شناسایی و برطرف‌کردن آسیب‌پذیری‌های نرم‌افزاری اهمیت بیشتری پیدا می‌کند. بااین‌حال، باید منتظر ماند و دید عملکرد این مدل در پروژه‌های واقعی و خارج از محیط‌های آزمایشی تا چه اندازه با نتایج اعلام‌شده از سوی گوگل مطابقت خواهد داشت.

جدیدترین اخبار دنیای تکنولوژی را در آداک مگ بخوانید.

اشتراک‌گذاری نوشته