Gemini 4 Argon लॉन्च केल्यावर फक्त दोन आठवड्यांनी Google ने Gemini 4 Carbon ची घोषणा केली आहे, जिला ते आतापर्यंतचं सर्वात सशक्त मॉडेल म्हणतात, ते सायबर सुरक्षा आणि दीर्घकालीन अभियांत्रिकी कामासाठी बनवले आहे. Google DeepMind च्या Koray Kavukcuoglu यांनी 28 ऑक्टोबर रोजी केलेल्या घोषणेत हे मॉडेल 59 गुणांसह Artificial Analysis Intelligence Index मध्ये पहिल्या स्थानी असल्याचं सांगितलं.
बेंचमार्क आकडे हा आत्मविश्वास समजावतात. Carbon ने SEC-bench Pro वर 88.2 टक्के गुण मिळवले, ही चाचणी तपासते की मॉडेल प्रोडक्शन सॉफ्टवेअरमध्ये लपलेल्या खऱ्या कमकुवतता स्वतःहून शोधू शकतं का. ते CWE-bench वर 71 टक्क्यांपर्यंत पोहोचतं, जी ज्ञात कमकुवत प्रकारांसाठी कार्यक्षम दुरुस्त्या तयार करण्याची क्षमता मोजते, आणि ExploitGym वर 54.8 टक्के, जी शोषण तपासते. फुल-स्टॅक वेब डेव्हलपमेंटच्या WebDev Arena मध्येही ते चौथ्या स्थानावर पोहोचलं आहे.
Carbon ला नेहमीच्या मॉडेल रिलीजपासून वेगळं करणारी गोष्ट म्हणजे त्याचा हेतू. हे चॅटबॉट अपग्रेड नाही. Google सांगतं की त्याच्या टीम्स ते सलग अनेक दिवस चालवतात, मोठ्या codebases आणि low-level सिस्टम्समधील सूक्ष्म bugs चा मूळ कारण शोधून त्यांची दुरुस्ती करण्यासाठी, अडथळे आले तरी सोडत नाहीत. हे अभियांत्रिकी एजंट म्हणून डिझाइन केलं आहे, बोलण्यासाठी नाही.
Google ने सांगितलेली अंतर्गत निकाल लक्षवेधी आहेत. Carbon सुरक्षित कोड तयार करण्यात Argon पेक्षा दुपटीहून अधिक यशस्वी असल्याचं सांगितलं जातं. Chrome टीमचं म्हणणं आहे की त्याने दुसऱ्या लॅबच्या frontier मॉडेलच्या तुलनेत दहापटीहून अधिक वेगाने उच्च दर्जाचे patches तयार केले. Google चं क्लाउड सिक्युरिटी प्लॅटफॉर्म Wiz ते web penetration testing बेंचमार्क्समध्ये आघाडीवर पाहतं, तीच क्षमता Wiz स्वतःच्या scanning कार्यक्रमात वापरतं.
तरीही ते जवळजवळ कोणीच वापरू शकत नाही. या आठवड्यापासून फक्त काही निवडक सायबर संरक्षकांनाच प्रवेश मिळेल, आणि आणखी विश्वासू भागीदारांना Google च्या Fairwind Program मधून टप्प्याटप्प्याने घेतलं जाईल. Google अमेरिकन सरकारच्या ऐच्छिक pre-release चाचणी प्रक्रियेत सहभागी आहे. डेव्हलपर्स, व्यवसाय आणि ग्राहकांना वाट पाहावी लागणार.
हा संयमच खरी बातमी आहे. या पातळीवर कमकुवतता शोधणारं आणि तपासणारं मॉडेल संरक्षक आणि हल्लेखोर दोन्हांसाठी सारखंच मौल्यवान आहे. दरवाजे उघडण्यापूर्वी Google हा समतोल खुलेपणाने तपासत आहे, आणि scoreboards पेक्षा प्रवेशाचे निर्णय कदाचित मॉडेलची खरी क्षमता अधिक सांगतील.
किंमत कथेचा दुसरा भाग सांगते. Carbon Argon च्याच introductory किमतीवर लॉन्च होईल: प्रति दशलक्ष input tokens दोन डॉलर आणि प्रति दशलक्ष output tokens दहा डॉलर, cached input वर 95 टक्के सूट. ही production ची अर्थव्यवस्था आहे, research ची नाही. रिलीज झाल्यावर हे मॉडेल कमाईला लागेल अशी Google ची अपेक्षा आहे.
नेत्यांसाठी दोन धडे आहेत. पहिला, क्षमतेच्या नेतृत्वात आता deployment चा निर्णयही समाविष्ट आहे: frontier मॉडेलबद्दलचा सर्वात अर्थपूर्ण संकेत हळूहळू हा होत आहे की कोणाला आणि केव्हा ते स्पर्श करायला परवानगी आहे. दुसरा, सुरक्षा टीम्सनी अशा जगाची तयारी ठेवावी जिथे AI संस्था patch करण्याहून वेगाने उणिवा शोधेल, कारण या क्षमतेचा संरक्षणात्मक वापर लवकरच standard equipment बणेल.
Frontier आता फक्त leaderboard नाही. ते एक दरवाजा आहे. प्रवेश रुंदावण्यापूर्वीच आपले सुरक्षा workflows आणि governance उभे करणाऱ्या संस्थाच दरवाजा उघडल्यावर तयार असतील.
गणितीय पद्धतीने विचार करा. हुशारीने अभियांत्रिकी करा. धोरणात्मकपणे नेतृत्व करा. जबाबदारीने बांधा. जागतिक पातळीवर वाढा. कृत्रिम बुद्धिमत्तेद्वारे खरी व्यावसायिक किंमत निर्माण करा.
