गूगल ने जेमिनी 4 कार्बन लॉन्च किया, जो साइबर सुरक्षा और लंबी दूरी के कार्यों में प्रतिद्वंद्वियों को पीछे छोड़ देता है

iconMetaEra
साझा करें
AI summary iconसारांश
Google का Gemini 4 Carbon Artificial Analysis Intelligence Index v5.0 पर 59 स्कोर के साथ शीर्ष स्थान पर है, जो Claude Opus 5.5 और GPT-6 Astra को पीछे छोड़ देता है। ऑन-चेन विश्लेषण से पता चलता है कि इसमें वल्नरेबिलिटी डिटेक्शन (88.2%), एक्सप्लॉइटेशन (54.8%) और रिपेयर (71.0%) में मजबूत प्रदर्शन है। मॉडल बहु-दिवसीय कार्यों में स्थिरता बनाए रखता है। भय और लालच सूचकांक में प्रतिबिंबित बाजार भावना AI-संचालित नवाचार पर बुलिश है।
This model has achieved state-of-the-art performance in both cybersecurity and long-range task processing capabilities.

लेखक, स्रोत: मशीन ऑफ़ द इंडिया

अभी-अभी, Google ने अगली पीढ़ी के अग्रणी मॉडल, 'सबसे शक्तिशाली मॉडल' Gemini 4 Carbon को लॉन्च करने की घोषणा की!

यह मॉडल साइबर सुरक्षा और दीर्घकालिक कार्य संसाधन क्षमता दोनों में वर्तमान में सर्वोत्तम स्तर पर पहुंच गया है। कार्बन जटिल कार्यों को कई दिनों तक निरंतर संसाधित कर सकता है, बिना ठहराव के और बिना कार्य पूरा करने के लिए कोई छोटा रास्ता अपनाए, अंततः उच्च गुणवत्ता वाला और विश्वसनीय कोड प्रदान करता है।

गेमिनी 4 आर्गन के लॉन्च के बाद सिर्फ दो हफ्ते बीते हैं। डेमिस हैसाबिस ने एक बिजली के इमोजी के साथ शुरुआत की, और गूगल नए मॉडल को "बिजली की तरह तेजी से दोहरा रहा है"।

बहुत अच्छा, बहुत आत्मविश्वास से। डेटा के अनुसार, यह नया Carbon मॉडल वाकई बहुत अच्छा है। Carbon ने तीसरे पक्ष के मूल्यांकन संस्थान Artificial Analysis के स्मार्ट इंडेक्स v5.0 में 59 अंक प्राप्त किए और पहले स्थान पर पहुंच गया। इसके बाद Claude Opus 5.5 को 58 अंक मिले और GPT-6 Astra को 57 अंक। तीनों मॉडल्स के बीच केवल 2 अंकों का अंतर है, लेकिन 'पहला' हमेशा पहला होता है।

इसके अलावा, कार्बन ने दुर्बलता खोज बेंचमार्क SEC-bench Pro में 88.2% का स्कोर प्राप्त किया, दुर्बलता दोहन बेंचमार्क ExploitGym में 54.8% और दुर्बलता ठीक करने के बेंचमार्क CWE-bench में 71.0% का स्कोर प्राप्त किया, जिससे मॉडल ने स्पष्ट अग्रणी स्थिति स्थापित की।

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

नेटवर्क सुरक्षा की पूर्ण लंबाई में SOTA, Chrome टीम द्वारा परीक्षण किया गया '10 गुना से अधिक अच्छा'

Google ने अपने आधिकारिक ब्लॉग में कार्बन की साइबर सुरक्षा क्षमताओं के लिए बहुत सारा स्थान दिया है। विस्तार से देखें तो, कार्बन साइबर सुरक्षा रक्षा के तीन महत्वपूर्ण चरणों को कवर करता है, और प्रत्येक चरण में यह SOTA तक पहुँचता है।

लुप्त बिंदु खोजें: SEC-bench Pro पर, Carbon ने 88.2% का स्कोर प्राप्त किया, जो GPT-6 Astra के 85.4% और Argon के 83.4% से अधिक है। इस बेंचमार्क का उद्देश्य मॉडल को वास्तविक सॉफ्टवेयर में छिपे जटिल सुरक्षा दुर्बलताओं को स्वयं खोजने के लिए प्रेरित करना है।

वैलिडेशन वल्नरेबिलिटी: ExploitGym पर, Carbon ने 54.8% स्कोर प्राप्त किया, जो दूसरे स्थान पर GPT-6 Astra के 42.4% से काफी आगे है। यह परीक्षण मॉडल की क्षमता को मापता है कि वह वास्तविक उपयोग की संभावना की पुष्टि कर सकता है, जिससे सुरक्षा टीमें पैचिंग की प्राथमिकता तय कर सकें। 10 घंटे के समय सीमा में, Carbon का स्कोर 6 घंटे के समय सीमा से बहुत कम अंतर (54.8% बनाम 53.5%) है, जो दर्शाता है कि यह कम समय में अधिकांश पुष्टि कार्य पूरा कर सकता है।

दोष का निवारण: दोष की पहचान के बाद, मूल कारण को ठीक करना साइबर सुरक्षा रक्षा जीवन चक्र का एक महत्वपूर्ण चरण है। कार्बन ने कोलिनियर के CWE-bench पर 71.0% की दक्षता प्राप्त की है, जिससे पुष्टि किए गए आविष्कारों को सीधे कार्यात्मक कोड निवारण में परिवर्तित किया जा सकता है।

पब्लिक बेंचमार्क के अलावा, गूगल ने आंतरिक डेटा भी प्रदान किया है। कार्बन द्वारा सुरक्षित कोड उत्पन्न करने की सफलता की दर आर्गन से दोगुनी से अधिक है। क्रोम ब्राउज़र टीम की प्रतिक्रिया और भी अधिक आश्चर्यजनक है, जिन्होंने रिपोर्ट किया कि कार्बन, "दूसरे प्रयोगशाला के बड़े अग्रणी मॉडल" की तुलना में उच्च गुणवत्ता वाले सुरक्षा पैच उत्पन्न करने में 10 गुना बेहतर प्रदर्शन करता है।

Google के क्लाउड सुरक्षा प्लेटफॉर्म Wiz ने भी परीक्षण में भाग लिया और देखा कि Carbon Web पेनेट्रेशन टेस्टिंग बेंचमार्क में अग्रणी प्रदर्शन कर रहा है, जो Wiz के 'Scan for Good' योजना की प्रमुख क्षमताओं में से एक है।

Long-term task: Can run continuously for several days

Carbon का एक और प्रमुख फीचर «लॉन्ग-रेंज टास्क» क्षमता है। यह भी नवीनतम पीढ़ी के अग्रणी बड़े मॉडल्स के प्रतिस्पर्धा का एक महत्वपूर्ण पहलू बन रहा है।

गूगल ने बताया कि आंतरिक टीम ने देखा कि कार्बन बड़े कोड बेस और निचले स्तर की प्रणालियों में कई दिनों तक लगातार चल सकता है, जिससे फाइलों के बीच मूल कारण की पहचान और पैच उत्पन्न होते हैं। जब कोई अवरोध आता है, तो मॉडल स्वयं रणनीति समायोजित करता है और कार्य को सीधे समाप्त नहीं करता।

इस क्षमता की तकनीकी आधारशिला में से एक है लंबे संदर्भ प्रसंस्करण क्षमता में महत्वपूर्ण सुधार। GraphWalks परीक्षण (256k से 1M टोकन के रेंज में BFS F1 मूल्यांकन) में, Carbon ने Argon के 84.2% से बढ़कर 96.2% प्राप्त किया, जो GPT-6 Astra के 71.8% और Claude Opus 5.5 के 66.8% से 20 प्रतिशत से अधिक आगे है। 1M टोकन के संदर्भ विंडो का समर्थन करने का अर्थ है कि मॉडल एक साथ लगभग 1500 पृष्ठ A4 दस्तावेज़ के समतुल्य जानकारी को प्रसंस्कृत कर सकता है।

लंबे समय तक क्षमता का महत्व बढ़ रहा है, क्योंकि एजेंट वर्कफ्लो मॉडल से अधिक उच्च आवश्यकताएँ रखता है। सॉफ्टवेयर इंजीनियरिंग के उदाहरण के साथ, वास्तविक रूप से जटिल विकास कार्य अक्सर कोड परिवर्तनों का लगातार अनुसरण, कई शाखाओं के संशोधनों को समन्वयित करना, क्रॉस-मॉड्यूल निर्भरताओं को संभालना और बार-बार परीक्षण और समस्याओं को ठीक करना शामिल होते हैं। ये कार्य कई घंटों या यहां तक कि कई दिनों तक जारी रह सकते हैं, जो एकल प्रश्न-उत्तर की सीमा से परे हैं।

लंबे समय तक निष्पादन के दौरान उन्नत मॉडल की क्षमता, लक्ष्य के साथ संगत रहने, समय पर त्रुटियों को ठीक करने और अंततः विश्वसनीय परिणाम प्रदान करने की, अब उनके वास्तविक इंजीनियरिंग मूल्य के मापदंड बन रही है।

बेंचमार्क पैनोरमिक: स्मार्ट इंडेक्स 9 आयामों में 4 प्रथम

Artificial Analysis बुद्धिमान सूचकांक v5.0 वर्तमान में उद्योग में सबसे अधिक संदर्भित समग्र मूल्यांकन प्रणाली है।

कार्बन ने कुल 59 अंकों के साथ शीर्ष स्थान प्राप्त किया, जिसमें 4 श्रेणियों (HLE-Diamond, Terminal-Bench-Science, AA-Omniscience, AutomationBench-AA) में एकल शीर्ष स्थान प्राप्त किया, जो Claude Opus 5.5 (58 अंक) से 1 अंक अधिक और GPT-6 Astra (57 अंक) से 2 अंक अधिक है, और दो हफ्ते पहले के Argon (50 अंक) की तुलना में 9 अंक की वृद्धि हुई है। Artificial Analysis के अनुसार, कार्बन की अग्रणी स्थिति जटिल तर्क, ज्ञान और वैज्ञानिक कार्यों में मजबूत प्रदर्शन के कारण है, जिसमें प्रोग्रामिंग और ज्ञान-आधारित कार्यों में भारी प्रगति हुई है (विशेष रूप से Gemini सीरीज़ के पिछले प्रदर्शन की तुलना में), हालाँकि इन क्षेत्रों में अभी भी समग्र अग्रणी स्थिति प्राप्त नहीं की गई है।

नीचे विभिन्न आयामों पर विस्तार से बताया गया है।

प्रोग्रामिंग के मामले में, Google मॉडल की पारंपरिक कमजोरी है, और Carbon की प्रगति सबसे अधिक ध्यान देने योग्य है। Artificial Analysis Coding Agent Index पर, Carbon ने Antigravity CLI (high reasoning) के साथ 59 अंक प्राप्त किए, जो पहले स्थान पर स्थित Claude Code + Claude Opus 5.5 (max reasoning, 62 अंक) से केवल 3 अंक पीछे है। एकल परीक्षणों में, Terminal-Bench 4.0 पर 64% और FrontierCode v1.1 पर 51% अंक मिले, दोनों में दूसरा स्थान हासिल किया, जो Claude Opus 5.5 (max, 56%) के बाद है। WebDev Arena (फुल-स्टैक वेब डेवलपमेंट अरेना) में 89 Elo की बढ़ोतरी के साथ चौथे स्थान पर पहुँच गया (1768 Elo)।

ज्ञान कार्य: AA-Briefcase पर, Carbon (high) का स्कोर 1609 Elo है, जो Argon (high, 1483) की तुलना में 126 अंक अधिक है। सबसे बड़ी वृद्धि Presentation (प्रस्तुति गुणवत्ता) घटक में हुई है, जो 293 Elo बढ़कर 1598 हो गया; Analytical Quality (विश्लेषणात्मक गुणवत्ता) भी 120 अंक बढ़कर 1671 हो गया। हालाँकि, यह अभी भी Kimi K3.1 Pro (1678), Muse Wonder (max, 1659) और Grok 4.7 (xhigh, 1638) से पीछे है।

ज्ञान की विश्वसनीयता और भ्रम दर: AA-Omniscience v1.1 ने Carbon पर 54 का स्कोर प्राप्त किया, जो Claude Opus 5.5 (max, 48) से 6 अंक अधिक और Argon (46) से 8 अंक अधिक है। सटीकता (सही उत्तरों का अनुपात) Argon के 48% से बढ़कर 58% हो गई, जो 10 प्रतिशत बिंदुओं की वृद्धि है। भ्रम दर Argon के 4% से बढ़कर 11% हो गई, हालाँकि यह फिर से बढ़ी है, लेकिन सभी मॉडल्स में दूसरी सबसे कम है, केवल Argon के बाद। तुलना के लिए, Claude Opus 5.5 (max) और GPT-6 Astra (max) की भ्रम दर 50% है।

Science and Mathematics: RiemannBench 80.0%, Terminal-Bench-Science 64.8%, both current highest scores.

लागत कुशलता: कार्बन द्वारा एक स्मार्ट इंडेक्स कार्य पूरा करने की औसत लागत 7.76 डॉलर है, जो Claude Opus 5.5 (max, 10.04 डॉलर) की तुलना में लगभग 23% कम है और GPT-6 Astra (max, 6.25 डॉलर) की तुलना में लगभग 1.2 गुना है। प्रति कार्य औसतन 123k टोकन आउटपुट उत्पन्न किया जाता है, जो Claude Opus 5.5 (max, 173k) से 29% कम है। समान मूल्य श्रेणी के Argon (प्रति कार्य 7.68 डॉलर) के साथ लागत लगभग समान है, लेकिन स्मार्ट इंडेक्स 9 अंक अधिक है।

कृत्रिम विश्लेषण मॉडल मूल्यांकन विश्लेषण: https://artificialanalysis.ai/models/gemini-4-carbon

सुरक्षा समायोजन: धोखाधड़ी दर 0%, प्रॉम्प्ट इंजेक्शन ब्रेकअव दर 0%

Carbon, Argon के बहु-स्तरीय सुरक्षा ढांचे को जारी रखता है, जिसमें प्रशिक्षण चरण की सुसंगठितता, वास्तविक समय दुरुपयोग पता लगाना, प्रॉम्प्ट इंजेक्शन रोकथाम और थिंकिंग चेन मॉनिटरिंग शामिल है, और इस पर अतिरिक्त मजबूती भी जोड़ी गई है।

चेटिंग दर 0.0% तक घट गई है। Terminal-Bench 4.0 परीक्षण में, कार्बन की चेटिंग सफलता दर शून्य थी, और चेटिंग का प्रयास केवल 0.4% था, जबकि कुल कार्य सटीकता अभी भी बढ़ रही है। Google का कहना है कि यह ट्रेनिंग चरण में मॉडल के शॉर्टकट उपयोग (shortcut exploitation) को और अधिक कम करके प्राप्त किया गया है।

प्रॉम्प्ट इंजेक्शन हमले की सफलता की दर 0.0%। ग्रे स्वान के अप्रत्यक्ष प्रॉम्प्ट इंजेक्शन (Indirect Prompt Injection, IPI) बेंचमार्क में (k=15 हमले के प्रयास), कार्बन ने सभी हमलों को सफलतापूर्वक रोक दिया। अन्य अग्रणी मॉडलों के प्रदर्शन की तुलना: आर्गन 0.7%, क्लॉड ओपस 5.5, क्लॉड फेबल 5.1 के लिए 1.0%, GPT-6 Astra 8.5%, और Grok 4.6 51.8%।

कार्यनियंत्रण स्तर पर, कार्बन ने दो सामान्य अनुकूलन विफलता पैटर्न में सुधार किया है: अतिक्रमण (ओवररीच, यानी उपयोगकर्ता के इरादे से अधिक की गई क्रियाएँ) में 26% की कमी और अपर्याप्त सेवा (अंडर-सर्विस, यानी उपयोगकर्ता के अनुरोधों को छोड़ देना) में 29% की कमी। गूगल ने वर्णन किया है कि अधिसूचित कार्यों के सामने कार्बन का व्यवहार इस प्रकार है कि मॉडल सक्रिय रूप से संबंधित स्रोतों को प्राप्त करता है और उपयोगकर्ता को सूचना अंतर प्रस्तुत करता है, जिसके बाद ही यह कार्रवाई करता है, अनुमान लगाए बिना या जबरदस्ती आगे बढ़े बिना।

Carbon के मॉडल पारदर्शिता में, Argon की तुलना में असमर्थित दावे लगभग दो गुना कम हैं। जब महत्वपूर्ण जानकारी अनुपलब्ध होती है, तो मॉडल आउटपुट में विधि सीमाओं को सीधे नोट करता है या अपूर्ण पूर्वशर्तों की सूची बनाता है, और कोई झूठ नहीं बनाता या अस्पष्ट नहीं करता।

आंतरिक टीम के परीक्षण के अनुसार, उच्च गंभीरता वाली संरेखित चेतावनियाँ Argon की तुलना में लगभग 80% कम हो गई हैं।

प्राइसिंग और उपलब्धता

कार्बन की कीमत आर्गन के साथ समान है: प्रति लाख इनपुट टोकन 4 डॉलर और प्रति लाख आउटपुट टोकन 20 डॉलर। वर्तमान में लॉन्च छूट 50% उपलब्ध है, जिसका समाप्ति समय अभी तय नहीं हुआ है। कैश्ड इनपुट टोकन के लिए 95% की छूट उपलब्ध है, जिससे केवल 0.20 डॉलर/लाख हो जाता है। 1M टोकन की कंटेक्स्ट विंडो समर्थित है, जो टेक्स्ट, इमेज, वीडियो और ऑडियो इनपुट को समर्थन करती है।

प्रति कार्य लागत के आधार पर, कार्बन एक स्मार्ट इंडेक्स कार्य पूरा करने की औसत लागत 7.76 डॉलर है, जो क्लॉड ओपस 5.5 (10.04 डॉलर) से लगभग 23% कम है, लेकिन GPT-6 Astra (6.25 डॉलर) से लगभग 24% अधिक है। प्रति कार्य औसतन 123k टोकन उत्पन्न करता है, जो क्लॉड ओपस 5.5 के 173k टोकन से 29% कम है, जिससे स्पष्ट होता है कि कार्बन में टोकन की दक्षता का भी लाभ है।

Carbon इस सप्ताह से पहले Fairwind प्रोजेक्ट में विश्वसनीय नेटवर्क डिफेंडर्स के लिए उपलब्ध होगा, और बाद में फीडबैक एकत्र करने और सुरक्षा सुरक्षाओं को दोहराने के बाद डेवलपर्स, उद्यमों और उपभोक्ताओं के लिए विस्तारित किया जाएगा।

अंत

परिचित चक्र वापस आ गया है। क्लॉड ने अभी एक “परमाणु बम” फेंका, गूगल ने नया डिश पेश किया, और ओपनएआई ने तुरंत आग बढ़ा दी। एक चक्र पूरा होने के बाद, AI उद्योग का फिर से एक साधारण हफ्ता बीत गया।

कुछ समय पहले, गूगल लगता था कि अग्रणी बड़े मॉडल के तेज़ विकास में अपनी आवाज़ खो बैठा है, और यहां तक कि लोगों को संदेह होने लगा कि क्या वह प्रतिस्पर्धा की मेज़ पर अपनी स्थिति बनाए रख पाएगा। लेकिन हाल के लगातार जारी किए गए परिणाम, खासकर Carbon, अभी भी आश्चर्यचकित करने लायक हैं।

बेशक, बड़े खिलाड़ी एक-दूसरे का पीछा कर रहे हैं, और जितना अधिक प्रतिस्पर्धा होगी, उतना ही पूरे उद्योग के लिए अच्छा होगा। हालाँकि, हम इस बात की अपेक्षा करते हैं कि मॉडल वास्तविक कार्यों में वास्तविक प्रगति दिखाएं, न कि "AI द्वारा दुनिया का विनाश" जैसी संकट कहानियों या "चक्कर आ जाने वाले" अतिशयोक्तिपूर्ण मार्केटिंग से ध्यान आकर्षित करने की।

कम झूठे नाटक, अधिक असली क्षमता। ऐसी AI प्रतियोगिता अधिक उत्सुकता से प्रतीक्षा की जाती है।

डिस्क्लेमर: इस पेज पर दी गई जानकारी थर्ड पार्टीज़ से प्राप्त की गई हो सकती है और यह जरूरी नहीं कि KuCoin के विचारों या राय को दर्शाती हो। यह सामग्री केवल सामान्य सूचनात्मक उद्देश्यों के लिए प्रदान की गई है, किसी भी प्रकार के प्रस्तुतीकरण या वारंटी के बिना, न ही इसे वित्तीय या निवेश सलाह के रूप में माना जाएगा। KuCoin किसी भी त्रुटि या चूक के लिए या इस जानकारी के इस्तेमाल से होने वाले किसी भी नतीजे के लिए उत्तरदायी नहीं होगा। डिजिटल संपत्तियों में निवेश जोखिम भरा हो सकता है। कृपया अपनी वित्तीय परिस्थितियों के आधार पर किसी प्रोडक्ट के जोखिमों और अपनी जोखिम सहनशीलता का सावधानीपूर्वक मूल्यांकन करें। अधिक जानकारी के लिए, कृपया हमारे उपयोग के नियम और जोखिम प्रकटीकरण देखें।