Gemini 4 Carbon, bilhassa birden fazla aşamadan oluşan ve uzun süreli çalışma gerektiren mühendislik görevleri için geliştirildi. Google, Carbon için güvenlik açığı bulmayı ölçen SEC-bench Pro’da yüzde 88,2, açıkların kullanılabilirliğini sınayan ExploitGym’de yüzde 54,8 ve düzeltme üretimini değerlendiren CWE-bench’te yüzde 71 başarı bildiriyor.
Neler yaşandı?
Şirketin bugüne kadarki en güçlü modeli olarak tanımladığı Carbon, henüz genel kullanıma açılmıyor.
Google, yeni amiral gemisi yapay zeka modeli Gemini 4 Carbon’u tanıttı.
İlk erişim bu hafta Fairwind Programı kapsamındaki seçili siber savunma ekiplerine verilecek. Geliştiriciler, işletmeler ve bireysel kullanıcılar içinse kesin bir çıkış tarihi açıklanmadı. Şirketin resmi kanallarından yapılan açıklamada, her iki modelin de genel kullanıma sunulmadığı, erişimin belirli kriterlere bağlandığı belirtildi.
Carbon’un en fazla öne çıkarılan yönü siber güvenlik.
Model, bağımsız değerlendirme kuruluşu Artificial Analysis’in yeni güncellenen genel zeka sıralamasında da birinci sıraya yerleşti. Google’ın şirket içi testlerine göre model, günler boyunca çalışarak büyük kod tabanlarında karmaşık hataların kaynağını bulabiliyor ve bunları giderebiliyor. Google’ın 28 Ekim tarihli açıklamasına göre Carbon, büyük kod tabanlarında hatanın kaynağını bulma ve düzeltme gibi çok aşamalı mühendislik işleri için geliştirildi.
Şirket içindeki ekipler, modelin çıkmazlarla karşılaşsa bile bazı görevleri günler boyunca sürdürebildiğini belirtiyor.
Google CEO’su Sundar Pichai, duyuruyu “Modellerimizi periyodik olarak yayınlayacağımızı söylemiştim” notuyla paylaştı.
Düşük seviyeli sistemlerdeki ince hataların tespiti ve düzeltilmesi de modelin hedeflediği kullanım alanları arasında bulunuyor. Carbon, Google’ın yalnızca iki hafta önce geniş kullanıma sunduğu Gemini 4 Argon’un üzerine inşa edildi. Burada anlatılan süre, her isteğin günlerce bekleyeceği anlamına gelmiyor, modelin uzun bir iş akışını takip edebilmesini ifade ediyor.
Bu da yapay zeka yarışında yeni model çıkarma hızının ne kadar arttığını gösteriyor. Google’ın bugüne kadarki en güçlü modeli olarak tanımladığı Carbon, Artificial Analysis Intelligence Index’in v5.0 sürümünde 59 puanla ilk sıraya yerleşti. Carbon’un erişim durumu, 13 Ekim’de genel kullanıma açılan Gemini 4 Argon’dan farklı.
Açıklamada öne çıkan ifadeler
Google DeepMind’ın başındaki isimlerden Koray Kavukçuoğlu imzalı resmi duyuruya göre Carbon, “uzun soluklu” görevler için tasarlandı.
Model, web geliştirme performansında da büyük önem taşıyan bir ilerleme belirtti. Yani tek bir soruya cevap vermekten çok, saatler hatta günler süren çok adımlı işleri kendi başına yürütebilen yapay zeka ajanlarına odaklanıyor. Google, şirket içi testlerde Carbon’un çıkmaz sokaklara girdiğinde pes etmeden günlerce çalışarak büyük kod tabanlarındaki gizli hataların kök nedenini bulup düzelttiğini söylüyor.
WebDev Arena sıralamasında 89 Elo puanlık artış elde eden Gemini 4 Carbon, 1768 puanla dördüncü sıraya çıktı. Şirket bunun yanı sıra kodlama, bilimsel görevler, web geliştirme ve görsel içerikleri anlama tarafında da iyileştirmeler yaptığını belirtiyor. Modeli uygulamasında göremeyen kullanıcıların beklemesi gerekiyor.
Carbon, web geliştirme becerilerini ölçen WebDev Arena sıralamasında 89 puanlık sıçramayla 4. sıraya arttı. Fiziksel dünyayı simüle edebilen ve etkileşimli ortamlar oluşturabilen Genie serisinin dördüncü nesil modeli Genie 4, araştırmacılar ve geliştiriciler için bir bekleme listesi üzerinden erişime açıldı.
Şirkete göre birçok testte GPT-6 Astra, Claude Opus 5.5 ve Claude Fable 5.1’i geride bırakan yeni model, henüz çok yeni olan Gemini 4 Argon’a kıyasla kodlama, inisiyatif gerektiren görevler ve güvenlik açıklarının tespiti gibi siber güvenlik çalışmalarında kritik ilerlemeler sunuyor. Gemini 4 Carbon’un en büyük önem taşıyan yeniliklerinden biri, siber güvenliğin farklı aşamalarında gösterdiği performans.
Google, modelin bir güvenlik açığını bulmaktan, bu açığın gerçekten istismar edilebilir olup olmadığını doğrulamaya ve sonunda kalıcı bir yama yazmaya kadar tüm savunma sürecinde en iyi sonuçları verdiğini söylüyor. Şirket bu dış test setlerindeki ölçümleri güvenlik kısıtlamaları olmadan yaptığını açıkça belirtiyor. Model; yazılımlardaki güvenlik açıklarını bulma, bu açıkların gerçekten istismar edilip edilemeyeceğini doğrulama ve kök nedenlerini gideren kod düzeltmeleri üretme konularında iddialı sonuçlar elde etti.
Modelin ölçekli eğitim verileri ve gelişmiş fiziksal gerekçelendirme yetenekleri, robotik ve sanal dünya uygulamalarında yeni kapılar aralayacak 것으로 bekleniyor. Ancak Google bu rakibin adını vermiyor. Chrome ekibinin yüksek kaliteli yamalar üretirken başka bir laboratuvarın büyük modeline kıyasla on katı aşan sonuç aldığı da aktarılıyor.
Bunun yanı sıra dış testlerin modelin güvenlik filtreleri kapalıyken yapıldığını not etmek gerekiyor. Şirketin şirket içi değerlendirmelerine göre Gemini 4 Carbon, güvenli kod üretimindeki başarı oranını Gemini 4 Argon’a kıyasla iki katından fazla artırdı. Güvenlik ve dürüstlük tarafında da iddialı rakamlar var.
Google bunun yanı sıra Chrome ekibinin, modelin yüksek kaliteli kod yamaları üretme performansını başka bir yapay zeka laboratuvarının gelişmiş modeliyle karşılaştırdığında 10 kattan fazla daha iyi performans gözlemlediğini kaydetti.
Gemini ailesinin en yeni sınır modeli olan Gemini 4 Carbon, adından da anlaşılacağı üzere siber güvenlik uzmanları için özel olarak tasarlandı.
Model, kanıtı olmayan iddiaları Argon’a göre ortalama yarıya düşürüyor. Fakat duyuru karşılaştırılan modeli adlandırmıyor. Google, modelin genişletilmesi sürecinde güvenlik ve etik standartların korunduğunu özellikle belirtti.
Google’ın bulut güvenliği platformu Wiz de Carbon’un web sızma testi alanındaki performansına göze çarptı. Bu yetenekler, güvenlik açıklarının daha hızlı belirlenmesi ve yazılımların daha güvenli hale getirilmesi açısından önem taşıyor.
Gray Swan’ın dolaylı istem enjeksiyonu testinde saldırı başarı oranı da yüzde sıfır olarak veriliyor.
Öğrenilenlere göre, güvenilirlik tarafında Google, dayanaksız iddiaların Argon’a göre ortalama yarıya indiğini ve şirket içi kodlama ortamlarındaki ciddi uyumsuzluk uyarılarının tahminen yüzde 80 azaldığını bildiriyor. Google, yeni modelde yalnızca performansa değil, güvenilirliğe ve güvenlik önlemlerine de odaklandığını belirtiyor. Argon ile aynı maliyette olacağı açıklanan model, Google’ın açıklamasına göre verilen görevleri çok uzun süreler boyunca hatasız şekilde yerine getirebiliyor.
Bu sonuç, değerlendirilen saldırılarla sınırlı, modelin her koşulda hatasız veya saldırılara bağışık olduğunu göstermiyor. Geliştirici fiyatı, Argon’daki tanıtım fiyatıyla aynı: milyon girdi tokeni başına 2 dolar, milyon çıktı tokeni başına 10 dolar. Gemini 4 Carbon, karmaşık görevlerde kanıtsız iddiaları azaltmak, kullanıcı talimatlarını daha doğru takip etmek ve belirsiz durumlarda varsayımlarda bulunmak yerine ilgili kaynakları incelemek üzere geliştirildi.
Şirket, geliştiricilere, işletmelere ve bireysel kullanıcılara ilişkin daha geniş erişim öncesinde güvenlik önlemlerini test etmeye ve geliştirmeye devam ediyor. Şirket bunun yanı sıra ABD hükümetinin yayın öncesi gönüllü model testi sürecine katıldığını belirtiyor.
Yorumlar (0)