Gemini 4 Carbon؛ مدل گوگل برای کشف باگ و نوشتن وصله امنیتی

گوگل با معرفی Gemini 4 Carbon می‌خواهد هوش مصنوعی را از یک دستیار ساده کدنویسی به عاملی برای پیگیری پروژه‌های پیچیده و دفاع سایبری تبدیل کند. این مدل می‌تواند آسیب‌پذیری‌ها را شناسایی کند، امکان سوءاستفاده از آن‌ها را بسنجد و برای رفع مشکل، کد اصلاحی پیشنهاد دهد؛ قابلیتی که برای تیم‌های توسعه و امنیت اهمیت زیادی دارد.

#نکات کلیدی

• Carbon برای برنامه‌نویسی پیشرفته، کشف آسیب‌پذیری و تولید کد امن‌تر ساخته شده است.
• گوگل می‌گوید این مدل می‌تواند چند روز روی وظایف پیچیده مهندسی نرم‌افزار کار کند.
• مدل گوگل در SEC-bench Pro امتیاز ۸۸٫۲ درصد گرفته و از GPT-6 Astra جلو افتاده است.
• Carbon در همه ارزیابی‌ها برتر نیست و در WebDev Arena رتبه چهارم را دارد.
• دسترسی اولیه به مدل محدود به متخصصان دفاع سایبری و شرکای مورد اعتماد است.

#Carbon چگونه باگ‌ها را دنبال می‌کند؟

Gemini 4 Carbon بر پایه Gemini 4 Argon توسعه یافته و به گفته گوگل، در استدلال پیچیده، برنامه‌نویسی و اجرای وظایف چندمرحله‌ای پیشرفت کرده است. تمرکز آن روی کارهایی است که به بررسی مداوم، آزمودن چند راه‌حل و اصلاح خطاها نیاز دارند؛ نه صرفاً تولید یک پاسخ یا قطعه‌کد در چند ثانیه.

گوگل می‌گوید Carbon در آزمایش‌های داخلی توانسته چند روز روی مسائل پیچیده کار کند، از بن‌بست‌های فنی عبور کند و باگ‌های ظریف را در کدبیس‌های بزرگ و سیستم‌های سطح پایین بیابد و اصلاح کند. البته چنین عملکردی به معنی استقلال کامل مدل نیست؛ دسترسی به ابزارها، محیط اجرا و نظارت انسانی همچنان روی نتیجه اثر می‌گذارد.

#تمرکز ویژه بر دفاع سایبری

مهم‌ترین ویژگی Carbon پوشش چند مرحله از چرخه دفاع سایبری است. مدل ابتدا ضعف احتمالی را پیدا می‌کند، سپس قابل سوءاستفاده بودن آن را می‌سنجد و در نهایت می‌تواند برای رفع ریشه‌ای مشکل، وصله پیشنهاد کند. جزئیات معرفی و نتایج ارزیابی این مدل در گزارش Gemini 4 Carbon منتشر شده است.

در آزمون SEC-bench Pro، این مدل امتیاز ۸۸٫۲ درصد را ثبت کرده؛ درحالی‌که امتیاز GPT-6 Astra برابر با ۸۵٫۴ درصد اعلام شده است. گوگل همچنین می‌گوید نرخ موفقیت Carbon در تولید کد امن بیش از دو برابر Argon بوده و تیم Chrome نیز در آزمایش خود، بهبود بیش از ۱۰ برابری تولید وصله‌های باکیفیت را نسبت به یک مدل پیشرفته دیگر گزارش کرده است. بااین‌حال، جزئیات کافی برای تعمیم این نتایج داخلی به همه زبان‌ها و پروژه‌های واقعی منتشر نشده است.

Carbon در آزمون Gray Swan نیز برای مقاومت در برابر تزریق غیرمستقیم دستور، نرخ موفقیت حمله صفر درصد را ثبت کرده است. این نتیجه فقط به شرایط همان ارزیابی مربوط می‌شود و تضمینی برای مصونیت مدل در برابر تمام حملات واقعی نیست.

#بنچمارک‌ها چه تصویری نشان می‌دهند؟

Carbon با امتیاز ۵۹ در نسخه پنجم Artificial Analysis Intelligence Index به رتبه نخست رسیده است، اما نتیجه آزمون‌های دیگر نشان می‌دهد انتخاب بهترین مدل به نوع کار بستگی دارد. این مدل در WebDev Arena با امتیاز ۱۷۶۹ چهارم شده و پشت سر Claude Opus 5.5، GPT-6.1 Astra و Claude Sonnet 5.5 قرار گرفته است. در شاخص Coding Agent متعلق به Artificial Analysis نیز Carbon پس از Claude Code با مدل Opus 5.5 جای دارد.

گوگل در ارزیابی‌های داخلی از کاهش ادعاهای بدون پشتوانه نسبت به Argon، کاهش ۲۶ درصدی رفتارهای خارج از محدوده وظیفه و کاهش ۲۹ درصدی انجام ناقص درخواست‌ها خبر داده است. هشدارهای مرتبط با ناهماهنگی شدید رفتاری در محیط‌های داخلی برنامه‌نویسی نیز نزدیک به ۸۰ درصد کمتر شده‌اند. این ارقام امیدوارکننده‌اند، اما همچنان به آزمون‌های اعلام‌شده از سوی خود شرکت مربوط می‌شوند.

#قیمت و دسترسی محدود

در دوره مقدماتی، هزینه ورودی Carbon برای هر یک میلیون توکن ۲ دلار و هزینه خروجی ۱۰ دلار تعیین شده است. توکن‌های ورودی کش‌شده نیز با تخفیف ۹۵ درصدی محاسبه می‌شوند. پس از این دوره، قیمت ورودی به ۴ دلار و خروجی به ۲۰ دلار افزایش می‌یابد، اما گوگل هنوز زمان پایان دوره مقدماتی را مشخص نکرده است.

Carbon فعلاً در اختیار عموم قرار ندارد. عرضه از گروهی از متخصصان دفاع سایبری آغاز می‌شود و سپس از طریق برنامه Fairwind به شرکای مورد اعتماد بیشتری گسترش پیدا می‌کند؛ توسعه‌دهندگان، کسب‌وکارها و کاربران عادی باید منتظر مراحل بعدی بمانند.

#جمع‌بندی

Gemini 4 Carbon در آزمون‌های امنیتی و وظایف طولانی مهندسی نرم‌افزار توانایی‌های قابل‌توجهی نشان داده، اما هنوز نمی‌توان آن را برنده قطعی رقابت دانست. اگر شما برای یک تیم توسعه یا امنیت مدل انتخاب می‌کنید، نتایج Carbon یادآوری می‌کند که باید عملکرد واقعی در پروژه خودتان را بسنجید، نه اینکه فقط به رتبه یک بنچمارک تکیه کنید.