جوجل تطلق Gemini 4 Carbon، وتتفوق على المنافسين في مجالات الأمن السيبراني والمهام طويلة المدى

iconMetaEra
مشاركة
AI summary iconملخص
يتصدر Gemini 4 Carbon من Google مؤشر الذكاء الاصطناعي للتحليل الفني الإصدار 5.0 بدرجة 59، متفوقًا على Claude Opus 5.5 وGPT-6 Astra. تُظهر التحليلات على السلسلة أداءً قويًا في كشف الثغرات (88.2%)، والاستغلال (54.8%)، والإصلاح (71.0%). يحافظ النموذج على الاستقرار خلال المهام المتعددة الأيام. يظل_sentiment_ السوق، كما يعكسه مؤشر الخوف والطمع، إيجابيًا تجاه الابتكارات المدعومة بالذكاء الاصطناعي.
يصل هذا النموذج إلى أعلى مستويات التقدم الحالية في مجال الأمن السيبراني وقدرات معالجة المهام الطويلة المدى.

كاتب المقال، المصدر: Machine Learning China

للتو، أعلنت Google عن إطلاق نموذج متقدم جديد، Gemini 4 Carbon، المُسمى "أقوى نموذج".

يصل هذا النموذج إلى أعلى مستويات التقدم الحالية في الأمان السيبراني وقدرة معالجة المهام الطويلة المدى. يمكن لـ Carbon معالجة المهام المعقدة على مدار أيام متواصلة دون التوقف أو اللجوء إلى طرق مختصرة لإكمال المهام، مما يضمن تسليم كود عالي الجودة وموثوق.

مرّت أسبوعان فقط منذ إصدار الطراز الرائد السابق Gemini 4 Argon. بدأ ديميس هاسابيس برمز البرق، حيث تقوم جوجل بـ"التطوير بسرعة البرق" للنموذج الجديد.

جيد جدًا، وبثقة كبيرة. من حيث البيانات، يبدو أن نموذج Carbon الجديد هذا ممتاز حقًا. حصل Carbon على درجة 59 في مؤشر الذكاء v5.0 من جهة التقييم الخارجية Artificial Analysis، ليحتل المرتبة الأولى. يليه Claude Opus 5.5 بدرجة 58، ثم GPT-6 Astra بدرجة 57. تختلف النماذج الثلاثة فقط بدرجتين، لكن "المرتبة الأولى" هي المرتبة الأولى.

بالإضافة إلى ذلك، حقق Carbon درجة 88.2% في معيار اكتشاف الثغرات SEC-bench Pro، و54.8% في معيار استغلال الثغرات ExploitGym، و71.0% في معيار إصلاح الثغرات CWE-bench، حيث حدد النموذج تفوقًا واضحًا في جميعها.

رابط المدونة: https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/

أعلى أداء في الأمان السيبراني على طول السلسلة، اختبر فريق Chrome أنه "أفضل بعشر مرات على الأقل"

لقد خصصت Google قسمًا كبيرًا من مدونتها الرسمية لcapabilities الأمن السيبراني لـ Carbon. وبالتحديد، يغطي Carbon المراحل الثلاث الأساسية للدفاع الأمني السيبراني، وكل مرحلة تحقق أداءً قياسيًا (SOTA).

البحث عن الثغرات: على منصة SEC-bench Pro، حقق Carbon درجة 88.2٪، متفوقًا على GPT-6 Astra بدرجة 85.4٪ وArgon بدرجة 83.4٪. تتمثل مهمة هذا الاختبار القياسي في جعل النموذج يكتشف تلقائيًا ثغرات أمنية معقدة مخبأة في البرمجيات الحقيقية.

فحص الثغرة: على منصة ExploitGym، حصل Carbon على درجة 54.8٪، متقدماً بشكل كبير على المركز الثاني GPT-6 Astra الذي حصل على 42.4٪. يقيس هذا الاختبار قدرة النموذج على التحقق من قابلية استغلال الثغرات الفعلية، مما يساعد فرق الأمن على تحديد أولويات الإصلاح. ضمن حدود زمنية قدرها 10 ساعات، كان الفارق صغيراً بين Carbon وحدود 6 ساعات (54.8٪ مقابل 53.5٪)، مما يشير إلى أنه يستطيع إكمال معظم أعمال التحقق في وقت قصير.

إصلاح الثغرة: بعد تحديد الثغرة، يُعد إصلاح السبب الجذري خطوة أساسية في دورة حياة الدفاع الأمني الشبكي. حقق Carbon نسبة 71.0% على CWE-bench الخاص بـ Collinear، وحول الاكتشافات المُصادق عليها مباشرة إلى إصلاحات كود قابلة للتطبيق.

بالإضافة إلى البيانات العامة، قدمت Google بيانات داخلية. إن نسبة نجاح Carbon في توليد كود آمن أعلى بمرتين أكثر من Argon. وبلغت ملاحظات فريق متصفح Chrome مستوى أكبر، حيث أفادوا أن Carbon أداء أفضل بعشر مرات من "نموذج رائد كبير من مختبر آخر" في توليد تصحيحات أمنية عالية الجودة.

شاركت منصة الأمان السحابي Wiz التابعة لجوجل في الاختبار، ولاحظت أن Carbon تتصدر في معيار اختبار الاختراق الويب، وهو أحد القدرات الأساسية في برنامج Wiz "Scan for Good".

مهمة طويلة المدى: يمكن تشغيلها بشكل مستمر لعدة أيام

من أبرز ميزات كاربون أيضًا قدرة "المهام الطويلة المدى". وهي تصبح واحدة من المهارات الأساسية في المنافسة بين النماذج الكبيرة الحديثة.

أشارت جوجل إلى أن فرقها الداخلية لاحظت أن Carbon يمكنه العمل بشكل مستمر لعدة أيام داخل مكتبات كود كبيرة وأنظمة أساسية، وإنجاز تتبع الأسباب الجذرية وإنشاء التصحيحات عبر الملفات. عندما يواجه نفقًا مسدودًا، يمكن للنموذج تعديل استراتيجيته تلقائيًا للمضي قدمًا دون إنهاء المهمة مباشرة.

أحد الأسس التقنية لهذه القدرة هو التحسن الملحوظ في معالجة السياق الطويل. في اختبار GraphWalks (تقييم BFS F1 في نطاق 256k إلى 1M رمز)، ارتفع Carbon من 84.2% في Argon إلى 96.2%، متقدماً على GPT-6 Astra بنسبة 71.8% وClaude Opus 5.5 بنسبة 66.8% بأكثر من 20 نقطة مئوية. دعم نافذة سياقية بحجم 1M رمز يعني أن النموذج يمكنه معالجة كمية مكافئة لحوالي 1500 صفحة من المستندات بحجم A4 في مرة واحدة.

يصبح القدرة على التحمل الطويل أكثر أهمية بسبب المتطلبات الأعلى التي يفرضها سير عمل الوكلاء على النماذج. على سبيل المثال، في هندسة البرمجيات، غالبًا ما تتضمن مهام التطوير المعقدة حقًا تتبعًا مستمرًا للتغييرات في الكود، وتنسيق التعديلات على فروع متعددة، ومعالجة التبعيات عبر الوحدات، واختبار وإصلاح المشكلات مرارًا وتكرارًا. هذه المهام قد تستغرق ساعات أو حتى أيام، وهي تتجاوز بكثير نطاق السؤال والجواب الواحد.

بالنسبة للنماذج الرائدة، فإن القدرة على الحفاظ على الاتساق في الأهداف، وتصحيح الأخطاء في الوقت المناسب، وتقديم نتائج موثوقة على مدار فترات تنفيذ طويلة، تصبح معيارًا مهمًا لتقييم قيمتها الهندسية العملية.

مُرشد Benchmark: تقييم ذكي لـ 9 مؤشرات مع 4 مراكز أولى

Artificial Analysis المؤشر الذكي v5.0 هو نظام التقييم الشامل الأكثر استخدامًا في الصناعة حاليًا.

حقق Carbon إجمالي درجة 59، وحصد المركز الأول في أربع فئات (HLE-Diamond و Terminal-Bench-Science و AA-Omniscience و AutomationBench-AA)، متفوقًا على Claude Opus 5.5 (58 درجة) بدرجة واحدة، وعلى GPT-6 Astra (57 درجة) بدرجتين، ومحققًا تحسنًا قدره 9 درجات مقارنة بـ Argon (50 درجة) قبل أسبوعين. وفقًا لتقييم Artificial Analysis، فإن تفوق Carbon يُعزى إلى أدائه القوي في المهام المعقدة للتفكير، والمعرفة، والعلوم، مع تقدم كبير في البرمجة وعمل المعرفة (خاصة مقارنة بالأداء التاريخي لسلسلة Gemini)، لكنه لا يزال لا يتفوق بشكل شامل في هذه المجالات.

يتم التفصيل أدناه حسب الأبعاد.

من حيث البرمجة، كانت نقطة ضعف تقليدية لنماذج Google، وأكبر تقدم يُلاحظ في Carbon. على مؤشر Artificial Analysis Coding Agent، حصل Carbon مع Antigravity CLI (عالي التفكير) على درجة 59، متخلفًا بفارق 3 نقاط فقط عن Claude Code + Claude Opus 5.5 (أقصى تفكير، 62 نقطة). في التقييمات الفردية، حصل Terminal-Bench 4.0 على 64% وFrontierCode v1.1 على 51%، واحتل المرتبة الثانية في كلاهما خلف Claude Opus 5.5 (أقصى، 56%). كما ارتفع Carbon بمقدار 89 Elo ليصل إلى المركز الرابع في WebDev Arena (متنافسات التطوير الويب الشامل) بدرجة 1768 Elo.

عمل المعرفة: على AA-Briefcase، حصل Carbon (high) على 1609 Elo، بزيادة قدرها 126 نقطة مقارنة بـ Argon (high، 1483). وكان أكبر تحسن في بُعد Presentation (جودة العرض)، حيث ارتفع 293 Elo إلى 1598؛ كما ارتفعت Analytical Quality (جودة التحليل) بمقدار 120 نقطة إلى 1671. لكنه لا يزال متأخرًا بشكل عام عن Kimi K3.1 Pro (1678) وMuse Wonder (max، 1659) وGrok 4.7 (xhigh، 1638).

مصداقية المعرفة ومعدل الهلوسة: حصل AA-Omniscience v1.1 على درجة 54 على Carbon، متقدماً على Claude Opus 5.5 (max، 48) بفارق 6 نقاط، وعلى Argon (46) بفارق 8 نقاط. ارتفع معدل الدقة (نسبة الإجابات الصحيحة) من 48% لدى Argon إلى 58%، بزيادة قدرها 10 نقاط مئوية. ارتفع معدل الهلوسة من 4% لدى Argon إلى 11%، رغم العودة للارتفاع، إلا أنه لا يزال ثاني أقل معدل بين جميع النماذج، بعد Argon. كمقارنة، فإن معدل الهلوسة لكل من Claude Opus 5.5 (max) وGPT-6 Astra (max) هو 50%.

العلوم والرياضيات: RiemannBench 80.0٪، Terminal-Bench-Science 64.8٪، كلاهما أعلى درجة حاليًا.

كفاءة التكلفة: تبلغ التكلفة المتوسطة لإنجاز مهمة مؤشر ذكي بواسطة Carbon 7.76 دولارًا، وهي أقل بحوالي 23% مقارنة بـ Claude Opus 5.5 (الحد الأقصى، 10.04 دولارًا)، وأعلى بـ 1.2 مرة من GPT-6 Astra (الحد الأقصى، 6.25 دولارًا). ينتج متوسط 123k رمز لكل مهمة، وهو أقل بنسبة 29% مقارنة بـ Claude Opus 5.5 (الحد الأقصى، 173k). مقارنة بـ Argon بنفس السعر (7.68 دولارًا لكل مهمة)، فإن التكلفة متكافئة تقريبًا، لكن المؤشر الذكي أعلى بـ 9 نقاط.

تحليل نموذج Artificial Analysis: https://artificialanalysis.ai/models/gemini-4-carbon

التوافق الأمني: معدل الغش 0٪، معدل اختراق حقن التعليمات البرمجية 0٪

يستمر هيكل Carbon في تعزيز نظام الدفاع متعدد الطبقات لـ Argon، والذي يشمل التوافق أثناء التدريب، وكشف الاستخدام الضار في الوقت الفعلي، وحماية ضد حقن الأوامر، ومراقبة سلسلة التفكير، مع تعزيز إضافي على هذا الأساس.

انخفض معدل الغش إلى 0.0%. في اختبار Terminal-Bench 4.0، كان معدل نجاح الغش لـ Carbon صفرًا، مع نسبة محاولات الغش فقط 0.4%، في حين استمرت دقة المهمة العامة في الارتفاع. أفادت Google أن هذا تم تحقيقه من خلال تخفيف سلوك الاستغلال المختصر (shortcut exploitation) بشكل إضافي أثناء مرحلة التدريب.

نجاح هجوم حقن التلميحات: 0.0%. في اختبار معياري لحقن التلميحات غير المباشر (Indirect Prompt Injection, IPI) من Gray Swan (k=15 محاولة هجوم)، نجح Carbon في صد جميع الهجمات. مقارنة بأداء النماذج الرائدة الأخرى: Argon 0.7%، Claude Opus وClaude Fable كلاهما 1.0%، GPT-6 Astra 8.5%، Grok 4.6 بلغ 51.8%.

على مستوى التحكم في السلوك، قام Carbon بتحسين موضعين شائعين لفشل التوافق: انخفاض بنسبة 26% في التصرف المفرط (overreach، أي العمليات التي تتجاوز نية المستخدم)، وانخفاض بنسبة 29% في التقصير في التنفيذ (under-service، أي إغفال العمليات المطلوبة من قبل المستخدم). وصفت Google تغير سلوك Carbon عند مواجهة مهام غامضة بأنه يُجري استرجاعًا نشطًا للمصادر ذات الصلة ويعرض فروقات المعلومات للمستخدم قبل اتخاذ أي إجراء، دون تخمين أو دفع قسري.

في الشفافية النموذجية، تقلّ ادعاءات Carbon غير المدعومة بنسبة حوالي مرتين مقارنة بـ Argon. عندما تفتقر المعلومات الأساسية، يُشير النموذج مباشرةً في الإخراج إلى قيود المنهجية أو يسرد الشروط المسبقة غير المكتملة، دون اختراع أو تمويه.

أظهرت الاختبارات الداخلية أن التنبيهات ذات الحدة العالية قد انخفضت بنسبة تقارب 80% مقارنة بـ Argon.

السعر والتوافر

يتم تسعير Carbon بنفس سعر Argon، بسعر قياسي قدره 4 دولارات لكل مليون توكين إدخال و20 دولارًا لكل مليون توكين إخراج. حاليًا، يتم تقديم خصم 50% عند الإطلاق، ولم يُحدد موعد انتهائه. يُقدم خصم 95% على توكينات الإدخال المخزنة، ليصبح السعر 0.20 دولار فقط لكل مليون. نافذة السياق 1M توكين، وتدعم إدخال النصوص والصور والفيديو والصوت.

من حيث التكلفة لكل مهمة، فإن متوسط تكلفة Carbon لإكمال مهمة مؤشر ذكي هو 7.76 دولارًا أمريكيًا، وهو أقل بحوالي 23% مقارنة بـ Claude Opus 5.5 (10.04 دولارًا أمريكيًا)، لكنه أعلى بحوالي 24% مقارنة بـ GPT-6 Astra (6.25 دولارًا أمريكيًا). وتنتج Carbon متوسط 123k token لكل مهمة، وهو أقل بنسبة 29% مقارنة بـ 173k token لـ Claude Opus 5.5، مما يشير إلى أن Carbon تتمتع أيضًا بميزة في كفاءة الـ token.

يتم فتح Carbon بداية من هذا الأسبوع لأول مرة لمُدافعين موثوقين في مشروع Fairwind، ثم سيتم التوسع تدريجيًا بعد جمع الملاحظات وتحسين حواجز الأمان، ليُفتح لاحقًا أمام المطورين والشركات والمستهلكين.

الخاتمة

الدورة المألوفة عادت مرة أخرى. بعد أن ألقى كلاود قنبلة نووية، قدم جوجل طبقًا جديدًا، ثم زادت أوپن أي أي من حدة هجومها. بعد جولة كاملة، كانت أسبوعًا عاديًا آخر في صناعة الذكاء الاصطناعي.

في الفترة الأخيرة، بدا أن جوجل فقدت صوتها في التطور السريع للنماذج الكبيرة المتقدمة، حتى أن البعض شككوا في قدرتها على البقاء في لعبة المنافسة. لكن الإنجازات الجديدة التي أطلقتها مؤخرًا، خاصة Carbon، ما زالت قادرة على إثارة الإعجاب.

بالطبع، مع تنافس الكبار بعضهم مع بعض، كلما زاد التنافس، كان ذلك أفضل للصناعة بأكملها. لكننا نفضل رؤية تقدم ملموس في النماذج في المهام الحقيقية، بدلاً من الاعتماد على سرديات الأزمات مثل "الذكاء الاصطناعي سيدمر العالم" أو التسويق المبالغ فيه الذي يُشعر الناس بالدوار والارتباك لخلق ضجّة.

قليل من التصنع وكثير من المهارات الحقيقية. مثل هذا التنافس في الذكاء الاصطناعي هو ما يستحق التوقع.

إخلاء المسؤولية: قد تكون المعلومات الواردة في هذه الصفحة قد حصلت عليها من أطراف ثالثة ولا تعكس بالضرورة وجهات نظر أو آراء KuCoin. يُقدّم هذا المحتوى لأغراض إعلامية عامة فقط ، دون أي تمثيل أو ضمان من أي نوع ، ولا يجوز تفسيره على أنه مشورة مالية أو استثمارية. لن تكون KuCoin مسؤولة عن أي أخطاء أو سهو ، أو عن أي نتائج ناتجة عن استخدام هذه المعلومات. يمكن أن تكون الاستثمارات في الأصول الرقمية محفوفة بالمخاطر. يرجى تقييم مخاطر المنتج بعناية وتحملك للمخاطر بناء على ظروفك المالية الخاصة. لمزيد من المعلومات، يرجى الرجوع إلى شروط الاستخدام واخلاء المسؤولية.