گوگل نے نئی جنریشن کا سامنا کرنے والا ماڈل Gemini 4 Carbon جاری کیا ہے، جس کا مرکزی توجہ لمبے وقت کے AI Agent، سافٹ ویئر انجینئرنگ اور سائبر سیکیورٹی کی صلاحیتوں میں بہتری پر ہے۔ Carbon نے Artificial Analysis Intelligence Index v5.0 میں 59 نمبروں کے ساتھ اب تک پہلی جگہ حاصل کی ہے، اور خرابیوں کی دریافت، خرابیوں کے استعمال کی تصدیق اور کوڈ کی مرمت کے امتحانات میں بالترتیب 88.2%، 54.8% اور 71.0% کا اسکور حاصل کیا ہے۔ گوگل کا کہنا ہے کہ یہ بڑے کوڈ بیس میں کئی دن تک لگاتار چل سکتا ہے، جب تک کہ وہ راستہ نہ مل جائے، اور چال بازی، حد سے باہر عمل اور بے بنیاد دعوؤں کو کم کرتا ہے۔ تاہم، اس بار یہ زیادہ درست طور پر ایک “امتحان کے اعداد و شمار کے ساتھ محدود پری ریلیز” ہے: Carbon فی الحال صرف کچھ سائبر دفاعی اداروں کے لیے دستیاب ہے، عام ڈوولپرز کے لیے کوئی عوامی API موجود نہیں ہے؛ اور زیادہ تر سیکیورٹی اور قابلیت کے ڈیٹا Google کے اندر کے ٹیسٹس سے حاصل کیے گئے ہیں، جنہیں مستقل طور پر دوبارہ تجربہ کیا جانا ضروری ہے۔مضمون کے مصنف، ذریعہ: Google DeepMind
کاربن نئی ہلکی مدل نہیں ہے، بلکہ آرگون کی تیز رفتار اپ ڈیٹ ہے
جیمنی 4 کاربن، جیمنی 4 آرگن کے تقریباً دو ہفتے بعد ایک اور ایڈوانسڈ ماڈل کے طور پر متعارف کرایا گیا۔ گوگل نے اس کے پیرامیٹرز، آرکیٹیکچر میں تبدیلیوں، تربیتی ڈیٹا یا تربیتی کمپوٹنگ پاور کا اعلان نہیں کیا، اور نہ ہی یہ واضح کیا گیا کہ کاربن دوبارہ پری ٹرینڈ ماڈل ہے، آرگن کا گہرا پوسٹ ٹرینڈ ورژن، یا ایک ہی بنیادی ماڈل کا اپڈیٹڈ چیک پوائنٹ۔
ایک ہی سیکل کے سائز، قریبی قیمت اور مختصر اشاعت کے درمیان کے فاصلے کے حوالے سے، یہ Gemini 4 سیریز کی ایک تیز رفتار صلاحیت کی ترقی جیسا لگتا ہے، نہ کہ کم لاگت والے سیناریوز کے لیے "Flash" ماڈل۔ تاہم، یہ صرف عوامی معلومات پر مبنی ایک اندازہ ہے، اور Google نے دونوں کے درمیان تکنیکی تعلق کو باقاعدگی سے تصدیق نہیں کیا ہے۔
کاربن متن، تصویر، آواز اور ویڈیو ان پٹ کو سپورٹ کرتا ہے، جبکہ آؤٹ پٹ اب بھی متن پر مرکوز ہے، اور کنٹیکس ونڈو 10 لاکھ ٹوکن ہے۔ گوگل اسے "لمبے مدتی" ماڈل کے طور پر پیش کرتا ہے: ان کی اندر کی ٹیم نے اسے کئی دنوں تک لگاتار چلایا ہے، بڑے کوڈ بیسز کی دوبارہ جانچ کی ہے، سسٹم کے نیچے کے حصوں میں پوشیدہ خطاوں کا پتہ لگایا ہے، اور ناکام راستوں پر رکنے کے بجائے تلاش جاری رکھی ہے۔
کلیہ رینکنگ میں پہلے نمبر پر، لیکن تمام پراجیکٹس لیڈ نہیں کر رہے
کاربن نے Artificial Analysis کے نئے Intelligence Index v5.0 میں 52 مڈلز میں 59 نمبر حاصل کرکے پہلی جگہ حاصل کی ہے۔ تقابلی طور پر، Google کی طرف سے جاری کی گئی اسی جدول میں Claude Opus 5.5 کو 58 نمبر، GPT‑6 Astra کو 57 نمبر اور پچھلی نسل کا Argon 50 نمبر ملا ہے۔ یہ انڈیکس نو سیٹس پروگرامنگ، علم، استدلال، سائنس اور آٹومیشن ٹاسکس پر مشتمل ہے اور صرف Google کے اپنے سوالات کا استعمال نہیں کرتا۔
لیکن "جامع پہلے" کا مطلب ہے کہ مکمل طور پر اگے ہیں۔
فرنٹیئرSWE 2 سافٹ ویئر انجینئرنگ ایوان میں، کاربن کا اسکور 61.2% ہے، جو GPT-6 Astra کے 65.5% اور Claude Opus 5.5 کے 62.3% سے کم ہے؛ OSWorld کمپیوٹر آپریشن آفلائن سب سیٹ میں، کاربن کا اسکور 81.5% ہے، جو اب بھی Opus 5.5 کے 87.2% سے کم ہے۔ اس کے قابل ذکر اسکورز میں Terminal-Bench 4.0 کا 65.2%، AutomationBench کا 53.9%، اور GraphWalks لمبے کنٹیکس ٹیسٹ کا 96.2% شامل ہیں۔
آرٹیفیشل اینالیسس نے اس بات کو بھی ظاہر کیا کہ کامیابی کے پیچھے کیا اخراجات ہیں۔ کاربن نے اپنے مجموعی ٹیسٹ سیٹ میں تقریباً 200 ملین آؤٹ پٹ ٹوکنز پیدا کیے، جبکہ مساوی ماڈلز کا درمیانی عدد تقریباً 64 ملین ہے، جس سے پتہ چلتا ہے کہ وہ کامیابی کے لیے زیادہ استدلال اور متن استعمال کرتا ہے۔ درست قیمتوں کے مطابق، ایک انڈیکس ٹاسک مکمل کرنے کا اوسط اخراج تقریباً 7.76 ڈالر ہے۔ ٹیسٹ ریکارڈ کے مطابق آؤٹ پٹ کی رفتار تقریباً 99.8 ٹوکن فی سیکنڈ ہے، لیکن پہلا ٹوکن حاصل کرنے میں تقریباً 97.5 سیکنڈ لگتے ہیں۔ اس لیے، یہ طویل مدتی ٹاسکس کے لیے مناسب ہے جہاں گہری تجزیہ کا انتظار کیا جا سکے، نہ کہ فوری جواب کی ضرورت والے انٹرایکٹو سیناریوز کے لیے۔
سائبر سیکیورٹی "دریافت — تصدیق — درست کرنا" کے تین مراحل کو کور کرتی ہے
گوگل نے اس بار سائبر سیکیورٹی کو کاربن کا مرکزی فائدہ بنایا ہے، صرف ایک مکمل صلاحیت نہیں۔
SEC‑bench Pro میں، کاربن نے 88.2% کا اسکور حاصل کیا، جس کا مقصد حقیقی سافٹ ویئر میں پیچیدہ خامیوں کو تلاش کرنا تھا؛ ExploitGym میں 54.8% تک پہنچا، جس میں ماڈل کو یہ جانچنا تھا کہ کیا ایک خامی حقیقت میں استعمال کی جا سکتی ہے؛ اور CWE‑bench میں 71.0% تک پہنچا، جس میں اس کی صلاحیت کا جائزہ لیا گیا کہ وہ بنیادی وجوہات کو تلاش کر سکتا ہے اور ٹیسٹ پاس کرنے والے فکس کوڈ جنریٹ کر سکتا ہے۔
یہ تین صلاحیتیں محفوظ کام کے تین مراحل کے مطابق ہیں: مشکوک مسائل کی تشخیص، حقیقی خطرے کا جائزہ لینا، اور مرمت مکمل کرنا۔ گوگل کا خیال ہے کہ انہیں ایک ہی ایجنٹ پروسیس میں شامل کرنا روایتی حفاظتی اسکیننگ سے پیدا ہونے والے بہت سارے کم قیمت والے ایلرٹس کو کم کر سکتا ہے جو بعد میں تصدیق اور مرمت نہیں ہو پاتے۔
گوگل کے اندر سیکورٹی کوڈ جنریٹر ٹیسٹ میں، کاربن کی کامیابی کی شرح کہی جاتی ہے کہ ارگون سے دوگنا زیادہ ہے؛ کروم ٹیم نے بھی رپورٹ کی ہے کہ اس کا اعلیٰ معیار کے پیچھے کا کام دوسرے لیب کے سرٹھ مڈل مڈلز سے دس گنا زیادہ ہے۔ لیکن گوگل نے اس میں شامل مقابلہ کرنے والے مڈلز، مکمل سوالات، نمونہ کا سائز اور ناکام واقعات کو شائع نہیں کیا ہے، اس لیے "دس گنا" کو تمام کوڈ بیسز پر لاگو ہونے والی مستقل نتیجہ کے طور پر نہیں سمجھا جانا چاہیے۔
گوگل نے واضح طور پر بتایا ہے کہ تین عوامی سائبر سیکیورٹی کے نتائج کو پروڈکشن سیکیورٹی پابندیوں کو بند کرنے کے ماحول میں پیمانہ لگایا گیا ہے۔ اصل مصنوعات کو لانچ کرنے کے بعد، خطرناک درخواستوں کو مسترد کر دیا جا سکتا ہے، راؤٹ کر دیا جا سکتا ہے، یا ٹول کے اختیارات پر پابندی لگائی جا سکتی ہے، اور اصل دستیاب صلاحیتیں بے حفاظت评估 کے مطابق نہیں ہو سکتیں۔
کم چیٹنگ اور کم حدود کا انتها، لیکن "0% حملہ کامیاب" کا مطلب مطلق محفوظ نہیں
لمبے عرصے تک ایجنٹ کے خطرات صرف غلط جوابات تک محدود نہیں ہیں، بلکہ اس میں مقاصد کو پورا کرنے کے لیے اسکورنگ کے خامیوں کی تلاش، پابندیوں کو چھوڑنا، یا وہ کام کر چکے ہونے کا دعویٰ کرنا جو عملی طور پر نہیں کیا گیا، بھی شامل ہے۔
گوگل کے مطابق، کاربن کی Terminal‑Bench 4.0 میں کامیاب چیٹنگ کی شرح 0% تک کم ہو گئی ہے، اور چیٹنگ کی کوشش کی شرح 0.4% ہے؛ اندر کے حقیقی پروگرامنگ ماحول میں، اعلی شدت کے "ناہموار رویے" کے ایلرٹس ارگون کے مقابلے میں تقریباً 80% کم ہیں۔ اندر کے جائزے سے یہ بھی ظاہر ہوا کہ بے بنیاد دعوؤں میں تقریباً نصف کمی آئی، زیادہ اقدامات میں 26% کمی آئی، اور منطقی کاموں کو نہ کرنے کی صورت میں 29% کمی آئی۔
گرے سوان کے غیر مستقیم اشارہ انجیکشن ٹیسٹ میں، کاربن نے 0% حملہ کامیابی کی شرح ریکارڈ کی، جو آرگون کی 0.7% سے بہتر ہے۔ اس کا مطلب یہ ہے کہ اس نے اس ٹیسٹ سیٹ میں تمام حملوں کو روک لیا، لیکن اس کا مطلب یہ نہیں کہ کسی بھی ویب سائٹ، دستاویز یا ٹول کے ذریعہ واپس آنے والے برے اشارے اسے متاثر نہیں کر سکتے۔ اشارہ انجیکشن کے حملوں کے طریقے مستقل تبدیل ہوتے رہتے ہیں، اور ایک بنچ مارک پر 0% کو حقیقی ڈپلومنٹ میں صفر خطرہ سمجھنا مناسب نہیں۔
خاصة طور پر، اوپر ذکر کیے گئے دھوکہ دہی، حد سے باہر کام، بے بنیاد دعوؤں اور اندر کی ایلرٹ ڈیٹا کو بنیادی طور پر خود گوگل نے تعریف کیا اور پیمائش کیا ہے۔ اب تک کاربن کے لیے کوئی الگ مکمل ماڈل کارڈ دستیاب نہیں ہے، اور گوگل ماڈل کارڈ ڈائریکٹری اب بھی پہلے جاری کردہ آرگن کو ہی فہرست میں شامل کرتی ہے؛ باہر کے طرف سے ان قابلیت کے نتائج کو بڑے پیمانے پر دوبارہ ٹیسٹ کرنے کے لیے کافی رسائی حاصل نہیں ہوئی ہے۔
قیمت جاری کر دی گئی ہے، لیکن ماڈل ابھی تک عوامی طور پر لائیو نہیں ہوا۔
گوگل نے اپنے باقاعدہ لانچ کے وقت آرگون کے ایک جیسی رعایتی قیمتیں متعین کی ہیں: ہر ملین ان پٹ ٹوکن کے لیے 2 امریکی ڈالر، ہر ملین آؤٹ پٹ ٹوکن کے لیے 10 امریکی ڈالر، اور کیش ان پٹ کی قیمت میں 95% کی کمی؛ رعایتی دور کے ختم ہونے کے بعد قیمتیں 4 اور 20 امریکی ڈالر پر واپس آ جائیں گی۔
تاہم، قیمت کا اعلان یہ نہیں سمجھا جانا چاہئے کہ اب عام Gemini API کالز کے ذریعے دستیاب ہے۔ کاربن پہلے صرف ایک چھوٹی سی نیٹ ورک دفاعی اداروں کی فہرست کو ہی کھولے گا اور امریکی حکومت کے доб自愿 پری ریلیز ٹیسٹ میں شرکت کرے گا؛ اس کے بعد یہ فیروینڈ محفوظ شراکت داروں تک توسیع پائے گا۔ گوگل نے صرف اس بات کا اظہار کیا ہے کہ وہ فیدبیک اور تحفظ کے اصلاحات مکمل ہونے کے بعد "جلد سے جلد" ڈویلپرز، کاروباروں اور صارفین کے لیے دستیاب کرے گا، لیکن کوئی مخصوص تاریخ نہیں دی گئی۔
یہی وہ جگہ ہے جہاں کمیونٹی کے درمیان زیادہ تر بحث ہو رہی ہے: رینکنگ میں کاربن کے نتائج ظاہر ہو چکے ہیں، لیکن عام صارفین ان کی تصدیق خود نہیں کر سکتے۔ ہیکر نیوز پر متعلقہ تھریڈ کا اس وقت تک اسکور 799 اور 655 تبصرے تھے، جن میں بہت سے بحثیں ارزیابی کے اعداد و شمار کو چیلنج نہیں کر رہی تھیں، بلکہ "پہلے پہلا نتیجہ اعلان کریں، بعد میں رسائی فراہم کریں" والے اشاعت کے طریقے کو چیلنج کر رہی تھیں۔
اس لیے، کاربن کا اب تک کا سب سے منطقی ترجمہ یہ ہے کہ گوگل نے ایک ایسا امیدوار ماڈل پیش کیا ہے جو ارگون کے مقابلے میں مجموعی ایجنٹ کابیلیت اور سائبر سیکیورٹی میں واضح طور پر بہتر ہے، اور اس کے لیے کافی مکمل جائزہ جدول فراہم کیا ہے؛ لیکن یہ ابھی تک ایک وہ ماڈل نہیں ہے جسے ڈویلپرز آزادانہ طور پر ٹیسٹ اور ڈپلوی کر سکیں۔ اس کی حقیقی قیمت کا فیصلہ یہ ہوگا کہ کیا کھولنے کے بعد وہی قیمت، تاخیر اور ٹولز کا ماحول استعمال کرتے ہوئے ان نتائج کو دوبارہ حاصل کیا جا سکتا ہے، اور پیداواری تحفظ فعال ہونے پر کتنی سیکیورٹی کابیلیت باقی رہتی ہے۔


