Gemini 4 Carbon و Argon: بررسی مدل‌های آزمایشی و قابلیت‌های پیشرفته هوش مصنوعی گوگل

در حالی که غول فناوری گوگل خود را برای عرضه گسترده مدل پیشرفته هوش مصنوعی Gemini 4 Argon آماده می‌کند، شواهدی از آزمایش مدل دیگری با نام رمز Carbon در پلتفرم داخلی کدنویسی این شرکت به نام Jetski منتشر شده است. این تحولات نشان‌دهنده تلاش مستمر گوگل برای ارتقاء قابلیت‌های هوش مصنوعی خود، به‌ویژه در حوزه برنامه‌نویسی و پردازش‌های پیچیده است. در این مقاله به بررسی جزئیات این مدل‌ها، نتایج بنچمارک‌ها و تفاوت‌های احتمالی آن‌ها می‌پردازیم.

بررسی مدل آزمایشی Gemini 4 Carbon و عملکرد آن

بر اساس گزارش‌های منتشر شده، یکی از کارکنان گوگل عملکرد مدل Carbon را در حوزه برنامه‌نویسی عامل‌محور، قابل مقایسه با مدل‌های پیشرفته‌ای چون Claude Opus 5.5 توصیف کرده است. این مقایسه نشان‌دهنده پتانسیل بالای Carbon در انجام وظایف پیچیده کدنویسی و توسعه عامل‌های هوشمند است. با این حال، برای ارزیابی دقیق توانایی‌های این مدل، تحقیقات و آزمایش‌های بیشتری لازم است. هنوز مشخص نیست که آیا Carbon به عنوان نسخه به‌روزرسانی شده Argon عرضه خواهد شد یا به عنوان یک مدل مستقل در خانواده Gemini 4 معرفی می‌شود.

در اواخر سپتامبر، گوگل از نسل جدید مدل‌های Gemini 4 رونمایی کرد. بازخوردهای اولیه برای نسخه Argon جامع بود، اما برخی از مهندسان معتقد بودند که این مدل در تسک‌های پیچیده برنامه‌نویسی، عملکرد ضعیف‌تری نسبت به رقبای خود داشته و شبیه به مدل‌های قدیمی‌تر عمل می‌کند. این موضوع، گوگل را بر آن داشت تا مدل Carbon را بر روی پلتفرم کدنویسی داخلی خود، یعنی Jetski، مورد آزمایش قرار دهد. نتایج اولیه حاکی از آن است که Carbon توانسته عملکردی مشابه با Claude Opus 5.5، که یکی از قوی‌ترین مدل‌های آنتروپیک برای توسعه عامل‌های طولانی‌مدت محسوب می‌شود، ارائه دهد. یکی از کارمندان گوگل در این باره گفته است: «Carbon واقعاً عالی است و حس کار با Opus 5.5 را منتقل می‌کند.»

نام‌های رمز داخلی مدل‌های Gemini 4

گزارش‌ها حاکی از آن است که گوگل از نام‌های رمز متعددی برای مدل‌های خانواده Gemini 4 استفاده می‌کند که لزوماً با نام نهایی محصولات مطابقت ندارند. بر اساس اطلاعات موجود:

• Barium-B و Argon: نسخه داخلی Barium-B به عنوان Gemini 4 Argon برای عرضه عمومی انتخاب شده است.
• Carbon: کارکنان گوگل در حال حاضر در حال آزمایش مدلی با این نام رمز هستند. هنوز مشخص نیست که Carbon نسخه جدیدی از Argon است یا مدلی مستقل.
• Gemini Pro Next: این عبارت در برخی گفتگوهای داخلی پیرامون Carbon دیده شده، اما شواهد کافی برای معرفی آن به عنوان نام تجاری رسمی وجود ندارد.

ارزیابی تخصصی و بنچمارک‌های Gemini 4 Argon

برای سنجش توانایی‌های مدل Gemini 4 Argon، گوگل نتایج ارزیابی‌های تخصصی خود را در چهار حوزه کلیدی منتشر کرده است:

۱. بنچمارک مهندسی نرم‌افزار بلندمدت (DeepSWE v1.1)

در این ارزیابی که بر سنجش عملکرد مدل‌ها در حل پروژه‌های سنگین کدنویسی تمرکز دارد، Gemini 4 Argon با کسب امتیاز چشمگیر ۷۷.۹ درصد، بالاتر از مدل‌های رقیب مانند GPT-6 Astra (۷۴.۱٪) و Claude Opus 5.5 (۷۴.۲٪) قرار گرفته است. این نتایج نشان‌دهنده قدرت Argon در پردازش و حل مسائل پیچیده نرم‌افزاری است.

۲. پایداری امنیتی و مقاومت در برابر حملات (Gray Swan IPI)

نتایج تست‌های امنیتی نشان می‌دهد که Argon در برابر تلاش برای دستکاری پرامپت و حملات تزریقی بسیار مقاوم است. این مدل نرخ موفقیت حمله بسیار پایینی (۰.۷ درصد) را ثبت کرده که نشان‌دهنده امنیت بالای ساختاری آن نسبت به سایر مدل‌های موجود در بازار است.

۳. کشف و رفع آسیب‌پذیری‌های نرم‌افزاری (CWE-bench v1)

در بنچمارک تخصصی شناسایی باگ‌ها و آسیب‌پذیری‌های امنیتی کدها، Argon با کسب امتیاز ۶۸ درصد، هم‌تراز با مدل‌های پیشرفته‌ای چون Grok 4.7 و GPT-6 Astra قرار گرفته است. این قابلیت برای توسعه‌دهندگان بسیار ارزشمند است تا بتوانند کدهای امن‌تر و پایدارتری تولید کنند.

۴. کشف آسیب‌پذیری‌های دنیای واقعی و تست نفوذ (Wiz Benchmark)

در تست‌های عملی اسکن سورس‌کد در ۲۰ زبان مختلف برنامه‌نویسی، Gemini 4 Argon به امتیاز ۸۵.۸ درصد دست یافته است. همچنین در تست نفوذ بدون سورس‌کد (Wiz Penetration Test) با ثبت امتیاز ۷۰.۹ درصد، قدرتمندترین عملکرد را در تست‌های نفوذ سایبری نشان داده است.

افزایش چشمگیر سقف توکن خروجی در Gemini 4 Argon

یکی از مهم‌ترین پیشرفت‌ها در Gemini 4 Argon، افزایش ۱۶ برابری سقف توکن‌های خروجی از ۶۴ هزار به یک میلیون توکن است. این ظرفیت عظیم به مدل اجازه می‌دهد تا در یک مسیر پردازشی، صدها هزار توکن را تولید کرده و مسائل پیچیده و چندمرحله‌ای را با عمق استدلال بیشتری بررسی کند. این قابلیت برای وظایف طولانی برنامه‌نویسی، تحلیل اسناد حجیم و گردش‌کارهای سازمانی بسیار کاربردی خواهد بود.

کاربردهای واقعی Gemini 4 Argon در پروژه‌های گوگل

عامل‌های مبتنی بر Gemini 4 Argon در حال حاضر در گردش‌کارهای داخلی گوگل مورد استفاده قرار می‌گیرند. برخی از نمونه‌های برجسته عبارتند از:

• انتقال گسترده کدها به Rust: عامل‌های Argon در حال انتقال کدهای C و C++ به زبان Rust در پروژه‌های مختلف گوگل هستند، از کتابخانه‌های اصلی گرفته تا هسته سیستم‌عامل Fuchsia.
• افزایش سرعت رمزگشای ویدئویی: با بهینه‌سازی نسخه Rust نرم‌افزار libgav1، سرعت اجرای آن ۲.۷ برابر افزایش یافته است.
• شناسایی و اصلاح خودکار آسیب‌پذیری‌های امنیتی: این قابلیت در چارچوب برنامه Fairwind و با همکاری متخصصان دفاع سایبری مورد استفاده قرار می‌گیرد.

وضعیت عرضه عمومی Gemini 4 Argon

گوگل عرضه اولیه Gemini 4 Argon را از طریق برنامه Fairwind برای گروهی از متخصصان مورداعتماد در حوزه امنیت سایبری آغاز کرده است. انتظار می‌رود پس از دریافت بازخوردهای اولیه و ادامه ارزیابی‌های ایمنی، دسترسی به این مدل به تدریج برای توسعه‌دهندگان، کسب‌وکارها و کاربران عمومی گسترش یابد. تاریخ دقیقی برای عرضه عمومی هنوز اعلام نشده است.

چرا هوشی؟

در دنیای امروز که مدل‌های هوش مصنوعی با سرعت سرسام‌آوری در حال پیشرفت هستند، دسترسی به پلتفرمی قدرتمند و شفاف برای استفاده از این فناوری‌ها امری ضروری است. هوشی با ارائه APIهای قدرتمند و شفاف، امکان ساخت توکن‌های API سفارشی و توسعه ایجنت‌های کدنویسی پیشرفته را برای شما فراهم می‌کند. با استفاده از داشبورد هوشی، می‌توانید به راحتی پروژه‌های خود را مدیریت کرده و از قابلیت‌های بی‌نظیر مدل‌های هوش مصنوعی بهره‌مند شوید. برای شروع، کافیست در هوشی ثبت‌نام کنید و دنیای جدیدی از امکانات را کشف نمایید.