Kmalu po predstavitvi modela Gemini 4 Argon je Google DeepMind uradno razkril svoj najnovejši vrhunski model umetne inteligence Gemini 4 Carbon. S tem je precej presenetil, saj je malokdo pričakoval, da bo tako izjemno zmogljivemu modelu tako hitro sledila še boljša rešitev.
Kot je ob predstavitvi sporočil Koray Kavukcuoglu, Googlov vodilni razvijalec arhitektur umetne inteligence, se je novi sistem z 59 točkami takoj zavihtel na vrh skupne lestvice neodvisnega indeksa Artificial Analysis Intelligence Index v5.0.
Gemini 4 Carbon močno presega okvire splošnonamenskih modelov umetne inteligence. Zasnovan je posebej za zahtevne naloge s področja programskega inženirstva, ki trajajo več dni ali tednov, ter za razvoj in nadzor celovitih sistemov kibernetske varnosti. Odkriva lahko globoko skrite ranljivosti in po potrebi niti ne čaka na človeško posredovanje, temveč varnostno vrzel sam preizkusi in odpravi.
Googlovi strokovnjaki so zmogljivosti modela Gemini 4 Carbon preverjali ob strogih zunanjih in notranjih varnostnih ukrepih. Novinec je pri tem dosegel vrhunske rezultate na vseh treh področjih obrambnega procesa.
- Na preizkusu SEC-bench Pro, ki preverja prepoznavanje zahtevnih programskih napak, je novi model dosegel 88,2-odstotno natančnost. GPT-6 Astra je bil na istem preizkusu »le« 85,4-odstotno uspešen, Gemini 4 Argon pa je Carbon prehitel za skoraj 5 % (83,4 %).
- Na preizkusu izkoriščanja ranljivosti ExploitGym, ki preverja tudi potrjevanje ranljivosti in njihovo prednostno razvrščanje, je Gemini 4 Carbon s 54,8-odstotnim rezultatom postavil nov rekord. GPT-6 Astra in Claude Opus 5.5 sta dosegla le 42,4 oziroma 34,5 %.
- Na preizkusu CWE-bench podjetja Collinear, ki preverja odpravljanje odkritih napak na ravni izvorne kode neposredno v delujočem sistemu, se Carbon lahko pohvali z 71-odstotno uspešnostjo. Grok 4.7 in GPT-6 Astra sta tu dosegla 68 %, Claude Opus 5.5 pa 67 %.
Po internih izkušnjah podjetja je Gemini 4 Carbon varno kodo ustvarjal več kot dvakrat uspešneje kot Argon. Googlova ekipa za varnost brskalnika Chrome je poročala, da je Carbon kakovostne popravke napak pripravljal več kot desetkrat učinkoviteje kot »najzmogljivejši model drugega vodilnega podjetja s področja umetne inteligence«. Carbonovo arhitekturo so zasnovali za dolgotrajne in zahtevne inženirske naloge. Po Googlovih opažanjih lahko model več dni dela samostojno ter vztrajno analizira tudi slepe ulice, da bi v obsežni zbirki kode odkril globoko skrite napake.
Google je poudaril, da nenehno spremlja tudi odzive uporabnikov. Zato je izboljšal zmogljivosti modela na številnih področjih, s katerih je zbral še posebej veliko povratnih informacij. Gre predvsem za programiranje, naloge z avtonomnimi agenti, znanstvene naloge, celovit spletni razvoj in večmodalno delovanje. Napredek pri spletnem razvoju je model na lestvici WebDev Arena prinesel na 4. mesto (1.768 točk). GPT-6 Astra je tu še vedno za las boljši (1.773 točk), Claude Opus 5.5 pa ima občutnejšo prednost (1.810 točk).
Razvijalci so tudi najnovejšo različico modela Gemini 4 zasnovali skladno z dosedanjimi strogimi zahtevami. Uvedli so celo več previdnostnih ukrepov kot kdaj prej, kar se bo odrazilo tudi pri uvajanju modela. Carbon naj bi v različnih okoljih deloval pregledneje in iskreneje ter v primerjavi z Argonom število halucinacij zmanjšal tudi za polovico.
Po Googlovih navedbah lahko novi model deluje precej stabilneje in varneje kot nekateri tekmeci. Pri reševanju nalog se učinkoviteje izogiba nedovoljenim bližnjicam, je odporen proti napadom z vrivanjem zlonamernih navodil in bolje sledi navodilom uporabnikov.
Gemini 4 Carbon je prvi vrhunski model, ki je na preizkusu Gray Swan IPI (Indirect Prompt Injection) dosegel 0 %. Preizkus preverja varnost agentov umetne inteligence pred napadi s posrednim vrivanjem zlonamernih navodil, zato rezultat kaže, da novinec na tem področju zagotavlja neprekosljivo varnost.
Google bo Gemini 4 Carbon ponujal ceneje, kot tekmeci ponujajo svoje vrhunske modele, kar je vsekakor odlična novica. Podjetje si nenehno prizadeva s cenami prehiteti konkurenco in privabiti tudi uporabnike, ki bi bili zaradi prihranka pripravljeni uporabljati kitajske modele.
V uvajalnem obdobju obdelava milijona vhodnih žetonov z modelom Gemini 4 Carbon stane 2 dolarja, ustvarjanje milijona izhodnih žetonov pa 10 dolarjev. Pozneje bosta ceni dvakrat višji, torej 4 in 20 dolarjev. Takrat bo še posebej pomembno, da bo mogoče s predpomnjenjem pri vhodnih žetonih prihraniti do 95 %. Te cene so sicer enake kot pri modelu Gemini 4 Argon, zato novi model ni dražji, le dostop do njega ni na voljo vsakomur.
Google se je odločil za previdno uvajanje in neposredno sodeluje v prostovoljnem postopku predhodnega preizkušanja modelov, ki ga izvaja ameriška vlada. V okviru tega postopka v tednu od 26. oktobra do 1. novembra dostop do modela najprej dobiva ozek krog strokovnjakov za kibernetsko varnost, nato pa ga bodo prek programa Fairwind postopoma omogočali izbranim partnerjem.
Razvijalcem, podjetjem in zasebnim uporabnikom bodo širši dostop omogočili po dodatnem prilagajanju varovalnih mehanizmov. Podjetje datuma splošne dostopnosti ni napovedalo, saj bo ta v veliki meri odvisen od rezultatov varnostnih analiz in prvih izkušenj v prihodnjih dneh in tednih.
