جمینی ۴ کاربن؛ نمرهٔ ۵۹ و رکورد در سه محک امنیت سایبری

گوگل در ۲۸ اکتبر ۲۰۲۶ از جمینی ۴ کاربن (Gemini 4 Carbon) رونمایی کرد؛ مدلی که با نمرهٔ ۵۹ در صدر نسخهٔ v5.0 شاخص هوش Artificial Analysis نشست. جمینی ۴ کاربن هم‌زمان در سه محک اصلی امنیت سایبری بهترین نتیجهٔ ثبت‌شده تا امروز را به دست آورد.

این مدل تنها دو هفته پس از جمینی ۴ آرگون (Gemini 4 Argon) عرضه شد. این فاصلهٔ کوتاه نشان می‌دهد گوگل سرعت انتشار مدل‌های پیشرو خود را بالا برده است. این فاصلهٔ کوتاه در ادامه‌ی خروجی یک میلیون توکنی برای گردش‌کارهای پیچیده سازمانی است که قبلاً دربارهٔ آن گزارش دادیم.

رقابت بر سر هوش و ایمنی

آزمایشگاه‌های پیشرو اکنون در دو جبهه رقابت می‌کنند: نمرهٔ هوش و همراستاسازی (alignment) قابل اثبات. پیش از کاربن، کلود اپوس ۵٫۵ (Claude Opus 5.5) از آنتروپیک با نمرهٔ ۵۸ در صدر این شاخص بود. اوپن‌ای‌آی و xAI هم بیشتر بر عمق استدلال تمرکز کرده‌اند تا دفاع سایبری تخصصی.

گوگل می‌گوید پژوهشگران و مدل‌هایش «دست‌به‌دست هم کار می‌کنند تا قابلیت‌ها را سریع‌تر پیش ببرند و هم‌زمان سازوکارهای حفاظتی را تقویت کنند». فاصلهٔ دوهفته‌ای آرگون و کاربن نمونه‌ای از همین سرعت است.

عرضهٔ تدریجی و همکاری با دولت آمریکا

گوگل می‌گوید رویکردی سنجیده برای عرضه دارد و در فرایند داوطلبانهٔ دولت آمریکا برای آزمایش مدل‌ها پیش از انتشار مشارکت فعال دارد. از همین هفته، کاربن در اختیار گروهی از مدافعان سایبری قرار می‌گیرد. سپس دسترسی به‌تدریج از طریق برنامهٔ Fairwind به شرکای مورد اعتماد دیگر هم می‌رسد.

گوگل همچنان بازخورد جمع می‌کند و حفاظ‌ها (guardrails) را بهبود می‌دهد. پس از آن، کاربن را «در اسرع وقت» از طریق محصولاتش در اختیار توسعه‌دهندگان، کسب‌وکارها و کاربران عادی می‌گذارد. این الگو که ابتدا مدافعان به مدل دسترسی پیدا می‌کنند، نشان می‌دهد نمایش قابلیت‌ها اکنون عمداً پیش از دسترسی گسترده انجام می‌شود.

قیمت جمینی ۴ کاربن

کاربن با همان قیمت معرفی آرگون عرضه می‌شود:

• ۲ دلار برای هر میلیون توکن ورودی
• ۱۰ دلار برای هر میلیون توکن خروجی
• ۹۵ درصد تخفیف برای توکن‌های ورودی کش‌شده نسبت به قیمت توکن ورودی

این قیمت یکسان نشان می‌دهد گوگل در دورهٔ دسترسی اولیه برای قابلیت‌های امنیت سایبری هزینهٔ اضافه نمی‌گیرد.

نتایج جمینی ۴ کاربن در محک‌های امنیت سایبری

به گفتهٔ گوگل، کاربن در کل چرخهٔ دفاع سایبری، یعنی کشف، اعتبارسنجی و رفع آسیب‌پذیری، بهترین نتایج را گرفته است. این محک‌ها بدون حفاظ‌ها ارزیابی شده‌اند:

• SEC-bench Pro (کشف آسیب‌پذیری): ۸۸٫۲ درصد. کاربن به‌طور خودکار نقص‌های پیچیدهٔ پنهان در نرم‌افزارهای واقعی را پیدا می‌کند.
• ExploitGym (اعتبارسنجی بهره‌برداری): ۵۴٫۸ درصد. این محک می‌سنجد کدام آسیب‌پذیری‌ها واقعاً قابل بهره‌برداری‌اند. مدافعان سایبری برای اولویت‌بندی رفع آسیب‌پذیری‌ها بیش از پیش به چنین بررسی‌هایی تکیه می‌کنند.
• CWE-bench (وصلهٔ ریشه‌ای): ۷۱٫۰ درصد در محک CWE-bench شرکت Collinear. کاربن یافته‌های تأییدشده را مستقیماً به وصله‌های کد قابل اجرا تبدیل می‌کند.

توسعهٔ وب و کدنویسی

کاربن در جدول WebDev Arena با ۸۹ امتیاز اِلو (Elo) افزایش به ۱۷۶۹ رسید و برای توسعهٔ فول‌استک وب در رتبهٔ ۴ قرار گرفت. گوگل بر پایهٔ بازخورد کاربران روی کدنویسی، کارهای عامل‌محور و علمی، توسعهٔ فول‌استک وب و درک چندوجهی کار کرده است.

به گفتهٔ گوگل، کاربن در محک‌های داخلی بیش از ۲ برابر آرگون در تولید کد امن موفق بوده است. تیم کروم هم گزارش داده کاربن در تولید وصله‌های باکیفیت بیش از ۱۰ برابر بهتر از مدل پیشرو یک آزمایشگاه دیگر عمل کرده است. ویز (Wiz)، پلتفرم امنیت ابری گوگل، نیز کاربن را در محک‌های تست نفوذ وب پیشتاز می‌بیند؛ قابلیتی که برای طرح Scan for Good این پلتفرم اهمیت محوری دارد.

کارهای عامل‌محور چندروزه

کاربن برای مسائل مهندسی دشوار و بلندمدت و گردش‌کارهای عامل‌محور طولانی طراحی شده است. تیم‌های گوگل دیده‌اند این مدل روزها کار می‌کند و از بن‌بست‌ها عبور می‌کند. نمونهٔ این کارها، ریشه‌یابی و رفع باگ‌های ظریف در کدبیس‌های بزرگ و سیستم‌های سطح پایین است.

همراستاسازی و ایمنی

کاربن بر همان پشتهٔ چندلایهٔ ایمنی و امنیت آرگون ساخته شده است. این پشته آموزش مدل، دفاع بی‌درنگ در برابر سوءاستفاده، مقاومت در برابر تزریق پرامپت و نظارت بر زنجیره تفکر را با هم ترکیب می‌کند. گوگل این بار مدل را طوری آموزش داده که در کارهای پیچیده یا پرفشار رفتار درست‌تری داشته باشد.

• کاهش میان‌بُر و سوءاستفاده از خلأها: در Terminal-Bench 4.0، تقلب موفق به ۰٫۰ درصد و تلاش برای تقلب به ۰٫۴ درصد رسید و صحت کلی هم بهتر شد. در محیط‌های زندهٔ کدنویسی با تیم‌های داخلی، هشدارهای همراستاسازی با شدت بالا نزدیک به ۸۰ درصد کم شد.
• شفافیت و صداقت بیشتر: در آزمون‌های داخلی، ادعاهای بی‌پشتوانه حدود ۲ برابر کمتر از آرگون بود. کاربن به‌جای ساختن اطلاعات یا طفره رفتن، ملاحظات روش‌شناختی را در خروجی می‌آورد یا فهرست روشنی از کارهای باقی‌مانده ارائه می‌کند.
• همکاری بهتر در شرایط مبهم: کاربن به‌جای حدس زدن، منابع مرتبط را پیدا می‌کند و پیش از اقدام، ناهمخوانی‌ها را به کاربر نشان می‌دهد.
• انجام کامل کار بدون زیاده‌روی: کاربن زیاده‌روی را ۲۶ درصد و کم‌کاری را ۲۹ درصد کاهش داد. نتیجه، اجرای قابل‌اعتمادتر برنامه‌های چندمرحله‌ای در چارچوب محدودیت‌های پروژه است.

مقاومت در برابر تزریق پرامپت

در محک Gray Swan Indirect Prompt Injection (IPI) Benchmark، نرخ موفقیت حمله برای کاربن ۰٫۰ درصد بود؛ یعنی مدل در برابر همهٔ حمله‌های ارزیابی‌شده مقاومت کرد. رکورد قبلی این محک با ۰٫۷ درصد در اختیار آرگون بود. رکورد قبلی این محک با ۰٫۷ درصد در اختیار آرگون بود که اولویت گوگل در عرضه مدل Argon را شکل می‌داد.

چرخهٔ دفاع سایبری؛ محور تازهٔ رقابت

نتایج کاربن نشان می‌دهد چرخهٔ دفاع سایبری، یعنی کشف، اعتبارسنجی و رفع، به عاملی برای تمایز مدل‌های پیشرو تبدیل شده است. اگر نتیجهٔ ۰٫۰ درصدی در Gray Swan تکرارپذیر باشد، رقبا باید به این سطح از مقاومت در برابر تزریق پرامپت برسند. فاصلهٔ دوهفته‌ای آرگون و کاربن هم از چرخه‌ای درونی حکایت دارد که در آن مدل‌ها به پژوهشگران در ساخت نسل بعد کمک می‌کنند.

برای متخصصان، پیام اصلی این است که گردش‌کارهای کدنویسی عامل‌محور چندروزه از مرحلهٔ نمایشی به سطح استفادهٔ واقعی نزدیک می‌شوند.

گام بعدی شما

• پس از دسترسی گروه‌های بیشتر به کاربن، ببینید نمره‌های ۸۸٫۲ درصد در SEC-bench Pro و ۵۴٫۸ درصد در ExploitGym به‌طور مستقل تکرار می‌شوند یا نه.
• اگر در تیم امنیتی کار می‌کنید، مراحل گسترش دسترسی از طریق برنامهٔ Fairwind را دنبال کنید و ببینید بازخوردها پیش از عرضهٔ عمومی چه بهبودی در حفاظ‌ها ایجاد می‌کند.
• واکنش آنتروپیک و اوپن‌ای‌آی را در ارزیابی‌های بعدی امنیت سایبری‌شان زیر نظر بگیرید.