گوگل نے جیمینی 4 کاربن لانچ کر دیا، جو سائبر سیکیورٹی اور لمبی دُور کے کاموں میں مقابلہ کرنے والوں سے بہتر کارکردگی دکھاتا ہے

iconMetaEra
بانٹیں
AI summary iconخلاصہ
گوگل کا جیمینی 4 کاربن Artificial Analysis Intelligence Index v5.0 پر 59 سکور کے ساتھ ٹاپ پوزیشن حاصل کرتا ہے، جو Claude Opus 5.5 اور GPT-6 Astra سے بہتر performance دیتا ہے۔ آن-چین تجزیہ سے پتہ چلتا ہے کہ اس ماڈل میں کمزوریوں کی تشخیص (88.2%)، استعمال (54.8%) اور مرمت (71.0%) میں مضبوط کارکردگی ہے۔ یہ ماڈل متعدد دنوں تک کے کاموں میں استحکام برقرار رکھتا ہے۔ خوف اور لالچ کے انڈیکس میں ظاہر ہونے والی مارکیٹ جذبات AI سے چلائی جانے والی نوآوری پر مثبت ہیں۔
یہ ماڈل سائبر سیکیورٹی اور لمبی مدتی کاموں کے معاملے میں موجودہ عرصے کا سب سے اعلیٰ درجہ ہے۔

مضمون کے مصنف، ذریعہ: ماشین کا دل

بالکل ابھی، گوگل نے نئی نسل کے ایک ایڈوانسڈ ماڈل، جسے "سب سے طاقتور ماڈل" کہا جاتا ہے، Gemini 4 Carbon کا اعلان کیا ہے!

یہ ماڈل سائبر سیکیورٹی اور لمبی مدتی کاموں کے معاملے میں موجودہ عالمی سطح کے سب سے آگے کے معیار تک پہنچ چکا ہے۔ کاربن پیچیدہ کاموں کو لگاتار دنوں تک ایسے سنبھال سکتا ہے کہ اسے رکنا نہیں پڑتا اور کام مکمل کرنے کے لیے کوئی جلد بازی نہیں کرتا، جس سے اعلیٰ معیار اور قابل اعتماد کوڈ فراہم ہوتا ہے۔

گیمینی 4 آرگون کے اطلاق کے دو ہفتے بعد ہی، ڈیمس ہیسابس نے ایک بجلی کے ایموجی کے ساتھ شروع کیا، اور گوگل نئے ماڈلز کو بجلی کی رفتار سے ترقی دے رہا ہے۔

بہت اچھا، بہت مضبوط۔ ڈیٹا کے مطابق، یہ نیا کاربن ماڈل حقیقت میں بہت اچھا ہے۔ کاربن نے تیسری طرف کے جائزہ لینے والے ادارے Artificial Analysis کے智能指数 v5.0 میں 59 نمبر حاصل کیے اور پہلے نمبر پر پہنچ گیا۔ اس کے بعد کلوڈ اوپس 5.5 کو 58 نمبر ملے اور GPT-6 Astra کو 57 نمبر۔ تینوں ماڈلز صرف دو نمبروں کے فرق سے الگ ہیں، لیکن "پہلا" وہی ہوتا ہے۔

علاوہ ازیں، کاربن نے خطرات کی دریافت کے معیار SEC-bench Pro میں 88.2% کا اسکور حاصل کیا، خطرات کے استعمال کے معیار ExploitGym میں 54.8% تک پہنچا، اور خطرات کے درستگی کے معیار CWE-bench میں 71.0% تک پہنچا، جس سے مدل نے واضح قیادت قائم کی۔

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

سائبر سیکورٹی کی مکمل لینک SOTA، Chrome ٹیم کے ٹیسٹ کے مطابق "10 گنا زیادہ بہتر"

گوگل نے اپنے باقاعدہ بلاگ میں کاربن کی سائبر سیکیورٹی صلاحیتوں کے لیے بہت زیادہ جگہ دی ہے۔ خاص طور پر، کاربن سائبر سیکیورٹی دفاع کے تین اہم مراحل کو کور کرتا ہے، اور ہر مرحلہ میں SOTA حاصل کیا گیا ہے۔

خرابیوں کی تلاش: SEC-bench Pro پر، Carbon نے 88.2% کا اسکور حاصل کیا، جو GPT-6 Astra کے 85.4% اور Argon کے 83.4% سے زیادہ ہے۔ اس بنچ مارک کا مقصد مدل کو حقیقی سافٹ ویئر میں چھپے ہوئے پیچیدہ سیکورٹی خرابیوں کو خود دریافت کرنے کے لیے ہے۔

خرابی کی تصدیق: ExploitGym پر، Carbon نے 54.8% کا اسکور حاصل کیا، جو دوسرے نمبر پر رہنے والے GPT-6 Astra کے 42.4% سے کافی آگے ہے۔ یہ ٹیسٹ ماڈل کی صلاحیت کو ناپتا ہے کہ وہ خرابی کی عملی استعمال کی تصدیق کر سکتا ہے یا نہیں، جس سے سیکورٹی ٹیمیں مرمت کی ترجیحات طے کر سکتی ہیں۔ 10 گھنٹوں کے محدود وقت میں، Carbon کا اسکور (54.8%) صرف 6 گھنٹوں کے محدود وقت (53.5%) سے تھوڑا سا زیادہ ہے، جس سے ظاہر ہوتا ہے کہ وہ کم وقت میں زیادہ تر تصدیق کا کام مکمل کر لیتا ہے۔

خرابی کا ازالہ: خرابی کی شناخت کے بعد، اس کی بنیادی وجہ کو درست کرنا سائبر سیکورٹی دفاعی زندگی کے دوران ایک اہم مرحلہ ہے۔ کاربن نے کولینیئر کے CWE-bench پر 71.0% کا اسکور حاصل کیا، جس سے تصدیق شدہ دریافتوں کو فوراً کام کرنے والے کوڈ کے ازالے میں تبدیل کیا گیا۔

عوامی بینچ مارک کے علاوہ، گوگل نے اندر کے ڈیٹا بھی فراہم کیے۔ کاربن نے ارگون کے مقابلے میں محفوظ کوڈ جنریٹ کرنے کی کامیابی میں دو گنا سے زیادہ بہتری دکھائی۔ کروم براؤزر ٹیم کے ردعمل میں اس سے بھی زیادہ اظہار کیا گیا، جس میں کاربن کو "دوسرا لیب کا بڑا ایڈوانسڈ ماڈل" کے مقابلے میں اعلیٰ معیار کے محفوظ پچس جنریٹ کرنے میں 10 گنا بہتر بتایا گیا۔

گوگل کے زیرِ انتظام کلاؤڈ سیکیورٹی پلیٹ فارم Wiz نے بھی ٹیسٹ میں شرکت کی، جس نے دیکھا کہ Carbon ویب پینیٹریشن ٹیسٹنگ بینچ مارک میں سب سے آگے ہے، جو Wiz کے "Scan for Good" پروگرام کی ایک مرکزی صلاحیت ہے۔

لمبے مدت کا کام: کئی دنوں تک لگاتار چل سکتا ہے

کاربن کا دوسرا بڑا فیچر "لمبی مدتی کام" کی صلاحیت ہے۔ یہ بھی نئی نسل کے اگرے ہوئے بڑے ماڈلز کے درمیان مقابلے کی ایک اہم صلاحیت بن رہی ہے۔

گوگل کا کہنا ہے کہ ان کی اندر ٹیم نے مشاہدہ کیا کہ کاربن بڑے کوڈ بیس اور بنیادی سسٹمز میں کئی دن تک لگاتار چل سکتا ہے، فائلوں کے درمیان جڑ کی وجہ تلاش کرکے اور پیچھے بنانے میں مدد کر سکتا ہے۔ جب کوئی مسئلہ پیدا ہوتا ہے تو ماڈل خود بخود اپنی حکمت عملی تبدیل کر لیتا ہے اور کام کو فوراً ختم نہیں کرتا۔

اس صلاحیت کی ایک ٹیکنیکل بنیاد لمبے سیاق و سباق کے معالجہ کی نمایاں بہتری ہے۔ GraphWalks ٹیسٹ (256k سے 1M ٹوکن کے دائرے میں BFS F1 ایوان) میں، Carbon نے Argon کے 84.2% سے بڑھ کر 96.2% حاصل کیا، جو GPT-6 Astra کے 71.8% اور Claude Opus 5.5 کے 66.8% سے زیادہ ہے۔ 1M ٹوکن کے سیاق و سباق کی ونڈو کی حمایت کا مطلب ہے کہ ماڈل ایک بار میں تقریباً 1500 صفحات A4 دستاویزات کے برابر معلومات کو معالجہ کر سکتا ہے۔

طویل مدتی صلاحیت کی اہمیت بڑھ رہی ہے، کیونکہ ایجنٹ ورک فلو مدلز سے زیادہ اعلی درجے کی توقعات رکھتا ہے۔ سافٹ ویئر انجینئرنگ کے مثال کے طور پر، واقعی پیچیدہ ترقیاتی کام عام طور پر کوڈ میں تبدیلیوں کا مستقل تعاقب، متعدد برانچز کے تبدیلیوں کو ہم آہنگ کرنا، ماڈیولز کے درمیان تابعیت کا انتظام، اور دہرائے جانے والے ٹیسٹنگ اور مسائل کا ازالہ شامل ہوتا ہے۔ یہ کام گھنٹوں یا حتیٰ کہ دنوں تک جاری رہ سکتا ہے، جو اکیلے سوال جواب کے دائرے سے بہت آگے ہے۔

سائنسی ماڈلز کے لیے، طویل اجرائی عمل کے دوران مقصد کو مستقل رکھنا، وقت پر غلطیوں کا ازالہ کرنا، اور آخرکار قابل اعتماد نتائج فراہم کرنا، ان کی عملی انجینئرنگ قیمت کا اہم معیار بن رہا ہے۔

بینچ مارک پانوراما: اسمارٹ انڈیکس کے 9 جائزے، 4 پہلے مقام

آرٹیفیشل اینالیسس ذہین اندیکس v5.0 فی الحال صنعت میں سب سے زیادہ استعمال ہونے والا جامع جائزہ نظام ہے۔

کاربن نے 59 اسکور کے ساتھ ٹاپ کیا، جس میں 4 ایوارڈز حاصل کیے (HLE-Diamond، Terminal-Bench-Science، AA-Omniscience، AutomationBench-AA)، جو کلاؤڈ Opus 5.5 (58 اسکور) سے 1 اسکور زیادہ اور GPT-6 Astra (57 اسکور) سے 2 اسکور زیادہ ہے، جبکہ دو ہفتے پہلے کے آرگن (50 اسکور) کے مقابلے میں 9 اسکور کا بڑھوتہ ہے۔ Artificial Analysis کے مطابق، کاربن کی قیادت پیچیدہ استدلال، علم اور سائنسی کاموں میں مضبوط کارکردگی کی وجہ سے ہے، جس میں پروگرامنگ اور علمی کاموں میں بڑی ترقی ہوئی ہے (خاص طور پر Gemini سیریز کے سابقہ اداء کے مقابلے میں)، لیکن ان شعبوں میں ابھی تک مکمل قیادت حاصل نہیں کی گئی ہے۔

درج ذیل ابعاد پر منحصر ہے۔

پروگرامنگ کے معاملے میں گوگل ماڈل کا روایتی کمزور نقطہ تھا، لیکن کاربن میں سب سے زیادہ ترقی دیکھنے کو ملتی ہے۔ Artificial Analysis Coding Agent Index پر، کاربن کو Antigravity CLI (high reasoning) کے ساتھ 59 امتیاز ملے، جو پہلے نمبر پر موجود Claude Code + Claude Opus 5.5 (max reasoning، 62 امتیاز) سے صرف 3 امتیاز پیچھے ہے۔ الگ الگ جائزے میں، Terminal-Bench 4.0 پر 64% اور FrontierCode v1.1 پر 51% امتیاز حاصل کرکے دونوں میں دوسرے نمبر پر رہا، جو صرف Claude Opus 5.5 (max، 56%) سے پیچھے ہے۔ WebDev Arena (فُل اسٹیک ویب ڈویلپمنٹ ایونٹ) میں 89 Elo کی اضافہ کرکے چوتھے نمبر پر پہنچ گیا (1768 Elo)۔

علمی کام: AA-Briefcase پر، Carbon (high) کا ایلو اسکور 1609 ہے، جو Argon (high، 1483) سے 126 ایلو اسکور زیادہ ہے۔ سب سے زیادہ بہتری Presentation (پیشکش کی معیار) میں آئی، جو 293 ایلو اسکور بڑھ کر 1598 ہو گیا؛ Analytical Quality (تجزیاتی معیار) بھی 120 ایلو اسکور بڑھ کر 1671 ہو گیا۔ تاہم، کل مل کر یہ اب بھی Kimi K3.1 Pro (1678)، Muse Wonder (max، 1659) اور Grok 4.7 (xhigh، 1638) سے پیچھے ہے۔

علمی موثقیت اور مصنوعی خیالات کی شرح: AA-Omniscience v1.1 نے Carbon پر 54 کا اسکور حاصل کیا، جو Claude Opus 5.5 (max، 48) سے 6 اسکور زیادہ اور Argon (46) سے 8 اسکور زیادہ ہے۔ درست جوابات کی فیصد (درست جوابات کا تناسب) Argon کی 48% سے بڑھ کر 58% ہو گئی، جس میں 10 فیصد کا اضافہ ہوا۔ مصنوعی خیالات کی شرح Argon کی 4% سے بڑھ کر 11% ہو گئی، جو کچھ بڑھ گئی ہے لیکن اب بھی تمام ماڈلز میں دوسری سب سے کم شرح ہے، جو صرف Argon سے نیچے ہے۔ مقابلے کے لیے، Claude Opus 5.5 (max) اور GPT-6 Astra (max) کی مصنوعی خیالات کی شرح دونوں 50% ہے۔

سائنس اور ریاضی: RiemannBench 80.0%، Terminal-Bench-Science 64.8%، دونوں موجودہ بالاترین اسکورز ہیں۔

لاگت کی کارآمدی: کاربن کا ایک اسمارٹ انڈیکس ٹاسک مکمل کرنے کا اوسط اخراج 7.76 امریکی ڈالر ہے، جو کلاؤڈ اوپس 5.5 (میکس، 10.04 ڈالر) سے تقریباً 23% کم ہے اور GPT-6 Astra (میکس، 6.25 ڈالر) کا تقریباً 1.2 گنا ہے۔ ہر ٹاسک کے لیے اوسطاً 123k ٹوکنز پیدا ہوتے ہیں، جو کلاؤڈ اوپس 5.5 (میکس، 173k) سے 29% کم ہیں۔ اسی قیمت پر آرگن (7.68 ڈالر فی ٹاسک) کے مقابلے میں لاگت تقریباً ایک جیسی ہے، لیکن اسمارٹ انڈیکس 9 نمبر زیادہ ہے۔

صناعی تجزیہ ماڈل جائزہ: https://artificialanalysis.ai/models/gemini-4-carbon

سیکورٹی الائنمنٹ: چیٹنگ ریٹ 0%، ہنگامی انجیکشن براک ریٹ 0%

کاربن، تربیت کے مرحلے کی مطابقت، ریل ٹائم میں غلط استعمال کی تشخیص، پرامپٹ انجیکشن کی روک تھام اور سوچ کے سلسلے کی نگرانی سمیت آرگن کی متعدد لیyers کی محفوظ مطابقت کی ساخت کو جاری رکھتا ہے، اور اس پر مزید تقویت کی گئی ہے۔

cheating rate reduced to 0.0%. In the Terminal-Bench 4.0 test, Carbon achieved zero successful cheating attempts, with only 0.4% of attempts to cheat, while overall task accuracy continued to improve. Google stated that this was achieved by further mitigating shortcut exploitation during the training phase.

پرومپٹ انجیکشن حملوں کی کامیابی کی شرح 0.0%۔ گرے سوآن کے انڈائریکٹ پرومپٹ انجیکشن (IPI) ٹیسٹ میں (k=15 حملے)، کاربن نے تمام حملوں کو کامیابی سے روک لیا۔ دیگر اعلیٰ ماڈلز کے مقابلے میں: ارگن 0.7%، کلاؤڈ آپس 5.5 اور کلاؤڈ فیبل 5.1 کی شرح 1.0% ہے، جبکہ GPT-6 Astra کی شرح 8.5% اور Grok 4.6 کی شرح 51.8% ہے۔

کاربن نے دو عام مطابقت کی خرابیوں کو بہتر بنایا ہے: زیادہ کوشش (اوورریچ، یعنی صارف کے ارادے سے زیادہ کام کرنا) میں 26% کی کمی اور کم کوشش (انڈر سروس، یعنی صارف کے درخواست کردہ کاموں کو نظرانداز کرنا) میں 29% کی کمی۔ گوگل نے کاربن کے بارے میں بیان کیا ہے کہ جب یہ ادھورے ٹاسکس کا سامنا کرتا ہے تو ماڈل خودبخود متعلقہ ذرائع تلاش کرتا ہے اور صارف کو معلومات کے فرق کو پیش کرتا ہے، صرف تصدیق کے بعد ہی عمل کرتا ہے، اندازہ لگانے یا زبردستی آگے بڑھنے کی بجائے۔

ماڈل کی شفافیت کے لحاظ سے، کاربن پر Argon کے مقابلے میں غیر مبنی دعوے تقریباً دو گنا کم ہیں۔ جب اہم معلومات کم ہوتی ہیں، تو ماڈل اپنے نتائج میں طریقہ کار کی حدود کو براہ راست نوٹ کرتا ہے یا مکمل نہ ہونے والی پیش رفت کی شرائط کی فہرست پیش کرتا ہے، اور کوئی جعلی یا ادھمی معلومات نہیں دیتا۔

اندرونی ٹیم کے ٹیسٹ کے مطابق، اعلی شدت والی ایلرٹس میں Argon کے مقابلے میں تقریباً 80 فیصد کمی آئی ہے۔

قیمت اور دستیابی

کاربن کی قیمت ارگون کے ساتھ مطابقت رکھتی ہے، معیاری قیمت ہر ملین ان پٹ ٹوکن کے لیے 4 امریکی ڈالر اور ہر ملین آؤٹ پٹ ٹوکن کے لیے 20 امریکی ڈالر ہے۔ فی الحال لانچ ڈسکاؤنٹ 50% دیا جا رہا ہے، جس کا ختم ہونے کا وقت ابھی تک مقرر نہیں ہوا۔ کیشڈ ان پٹ ٹوکن کے لیے 95% ڈسکاؤنٹ دیا جا رہا ہے، جس سے صرف 0.20 امریکی ڈالر / ملین کی قیمت بن جاتی ہے۔ کنٹیکسٹ ونڈو 1M ٹوکن، جس میں متن، تصاویر، ویڈیوز اور آواز کے ان پٹس کی سپورٹ شامل ہے۔

ہر کام کی لاگت کے لحاظ سے، کاربن ایک اسمارٹ انڈیکس کام کو اوسطاً 7.76 امریکی ڈالر میں مکمل کرتا ہے، جو کلاؤڈ اوپس 5.5 (10.04 امریکی ڈالر) سے تقریباً 23% کم ہے، لیکن GPT-6 Astra (6.25 امریکی ڈالر) سے تقریباً 24% زیادہ ہے۔ ہر کام کے لیے اوسطاً 123k ٹوکن پیدا کرتا ہے، جو کلاؤڈ اوپس 5.5 کے 173k سے 29% کم ہے، جو ظاہر کرتا ہے کہ کاربن میں ٹوکن کی کارکردگی کا بھی فائدہ ہے۔

کاربن اس ہفتے سے صرف فیروینڈ پروجیکٹ کے معتبر نیٹ ورک دفاعی افراد کے لیے دریاز کھول رہا ہے، اور بعد میں، فیڈ بیک جمع کرنے اور سیکورٹی گارڈریلز کو بہتر بنانے کے بعد، ڈویلپرز، کاروباروں اور صارفین کے لیے مکمل طور پر دریاز کھولے گا۔

اختتام

پرانا چکر دوبارہ شروع ہو گیا۔ کلاؤڈ نے ایک "نیوکلیئر بمب" چھوڑ دیا، گوگل نے نیا ڈش پیش کر دیا، اور ایپنAI نے فوراً دباؤ بڑھا دیا۔ ایک چکر پورا ہو گیا، اور پھر AI صنعت کا ایک عام سا ہفتہ۔

پچھلے کچھ عرصے میں، گوگل نے ایل جی مڈل کی تیز رفتار ترقی میں اپنا اثر کھو دیا تھا، اور لوگوں نے شک کیا تھا کہ کیا وہ اس مقابلے کی میز پر اپنا مقام برقرار رکھ سکتا ہے۔ لیکن حالیہ مسلسل جاری ہونے والی نئی کامیابیوں، خاص طور پر Carbon، نے ابھی تک اچھا اثر ڈالا ہے۔

بے شک، بڑے کھلاڑی ایک دوسرے کا تعاقب کر رہے ہیں، جتنا زیادہ مقابلہ ہوگا، اس سے صنعت کے لیے اتنا ہی بہتر ہوگا۔ صرف اس بات کے بجائے کہ "AI دنیا کو تباہ کر دے گا" جیسی خوفناک کہانیوں یا "چکر آ جائے گا، بیٹھ جائیں گے" جیسے زبردست مارکیٹنگ سے شور مچایا جائے، ہم چاہتے ہیں کہ ماڈلز حقیقی کاموں میں واقعی ترقی دکھائیں۔

کم زیادہ جھوٹے جادو، زیادہ اصل صلاحیت۔ ایسی AI مقابلہ کی توقع زیادہ دلچسپ ہے۔

اعلان دستبرداری: اس صفحہ پر معلومات تیسرے فریق سے حاصل کی گئی ہوں گی اور یہ ضروری نہیں کہ KuCoin کے خیالات یا خیالات کی عکاسی کرے۔ یہ مواد کسی بھی قسم کی نمائندگی یا وارنٹی کے بغیر صرف عام معلوماتی مقاصد کے لیے فراہم کیا گیا ہے، اور نہ ہی اسے مالی یا سرمایہ کاری کے مشورے کے طور پر سمجھا جائے گا۔ KuCoin کسی غلطی یا کوتاہی کے لیے، یا اس معلومات کے استعمال کے نتیجے میں کسی بھی نتائج کے لیے ذمہ دار نہیں ہوگا۔ ڈیجیٹل اثاثوں میں سرمایہ کاری خطرناک ہو سکتی ہے۔ براہ کرم اپنے مالی حالات کی بنیاد پر کسی پروڈکٹ کے خطرات اور اپنے خطرے کی برداشت کا بغور جائزہ لیں۔ مزید معلومات کے لیے، براہ کرم ہماری استعمال کی شرائط اور خطرے کا انکشاف دیکھیں۔