Gemini 4 Carbon চালু আছে

Gemini 4 Carbon হলো Google DeepMind-এর প্রকাশিত সর্বশেষ ফ্ল্যাগশিপ বৃহৎ মডেল, যা Gemini 4 Argon-এর পরবর্তী প্রজন্মের ফ্রন্টিয়ার মডেল। Artificial Analysis Intelligence Index 5.0-এ 59 পয়েন্ট নিয়ে Gemini 4 Carbon শীর্ষে রয়েছে, Claude Opus 5.5 এবং GPT-6 Astra-কে ছাড়িয়ে গেছে। সাইবার নিরাপত্তা প্রতিরক্ষার পূর্ণ জীবনচক্রে দুর্বলতা অনুসন্ধান, কাজে লাগানোর যাচাই, প্যাচ মেরামত এবং অত্যন্ত দীর্ঘমেয়াদি স্বায়ত্তশাসিত প্রোগ্রামিং কাজে এটি নতুন SOTA অর্জন করেছে।

অত্যন্ত দীর্ঘমেয়াদি স্বায়ত্তশাসিত প্রোগ্রামিং: এটি একটানা কয়েক দিন চলতে পারে এবং বড় কোডবেসে লুকানো Bug-এর মূল কারণ শনাক্ত করে স্বয়ংক্রিয়ভাবে প্যাচ লিখতে পারে।
দুর্বলতা অনুসন্ধান: SEC-bench Pro-তে 88.2% পেয়ে নতুন SOTA তৈরি করেছে এবং V8 ইঞ্জিন, Linux kernel-এর মতো বাস্তব সফটওয়্যার থেকে জটিল উচ্চঝুঁকির দুর্বলতা স্বয়ংক্রিয়ভাবে শনাক্ত করতে পারে।
দুর্বলতা কাজে লাগানোর যাচাই: ExploitGym-এ 54.8% পেয়ে রেকর্ড ভেঙেছে। আক্রমণকারীর মতো করে যাচাই করে দুর্বলতা বাস্তবে কাজে লাগানো সম্ভব কি না, ফলে প্রতিরক্ষা দল মেরামতের অগ্রাধিকার নির্ধারণ করতে পারে।
মূল কারণভিত্তিক স্বয়ংক্রিয় প্যাচ: CWE-bench-এ 71.0% অর্জন করেছে। যাচাইকৃত দুর্বলতার সন্ধানকে সরাসরি কার্যকর এবং বিদ্যমান ফিচার নষ্ট না করা মেরামত কোডে রূপান্তর করতে পারে।
ফুল-স্ট্যাক ডেভেলপমেন্ট ও ফ্রন্টএন্ড নির্মাণ: WebDev Arena Elo 89 পয়েন্ট বেড়ে 1769 হয়েছে। কম্পোনেন্টের মান ও চূড়ান্ত আউটপুট উল্লেখযোগ্যভাবে উন্নত হয়েছে এবং গড় কাজের খরচ কমেছে।
অত্যন্ত দীর্ঘ কনটেক্সটে বহু-পদক্ষেপের সিদ্ধান্ত: 256k–1M কনটেক্সটের GraphWalks পরীক্ষায় 96.2% পেয়ে প্রতিদ্বন্দ্বীদের তুলনায় অনেক এগিয়ে রয়েছে। দীর্ঘমেয়াদি ব্যবসায়িক পরিচালনা সিমুলেশন (Vending-Bench 2)-এ চূড়ান্ত অ্যাকাউন্ট ব্যালান্স Opus 5.5-এর প্রায় 1.8 গুণ।

দীর্ঘমেয়াদি স্বায়ত্তশাসিত এজেন্ট আর্কিটেকচার: Carbon বিশেষভাবে ”কয়েক দিন ধরে চলা দীর্ঘ horizon-এর ইঞ্জিনিয়ারিং কাজের” জন্য তৈরি। বড় কোডবেস ও নিম্নস্তরের সিস্টেমে কাজ করার সময় এর মূল শক্তি হলো অবিচল অনুসন্ধান ব্যবস্থা। একাধিকবার অচল পথে গিয়েও এটি পিছিয়ে আসতে, পথ পরিবর্তন করতে এবং কাজ চালিয়ে যেতে পারে; মূল কারণ শনাক্ত করা থেকে প্যাচ সরবরাহ পর্যন্ত বহু-পদক্ষেপের সম্পূর্ণ চক্র স্বাধীনভাবে সম্পন্ন করে।
সাইবার নিরাপত্তা প্রতিরক্ষার পূর্ণ জীবনচক্রের সক্ষমতা: এর নিরাপত্তা সক্ষমতা ”দুর্বলতা খোঁজা—যাচাই—মেরামত” এই তিন ধাপে গঠিত। পণ্যভিত্তিক সুরক্ষা-নিয়ন্ত্রণ থেকে বিচ্ছিন্ন পূর্ণ সক্ষমতার অবস্থায় এগুলোকে প্রশিক্ষণ ও মূল্যায়ন করা হয়েছে। শনাক্তকরণ ধাপে SEC-bench Pro-তে 88.2%, যাচাই ধাপে ExploitGym-এ 54.8% এবং মেরামত ধাপে CWE-bench-এ 71.0% অর্জন করেছে। এই তিনটি ধাপ আবিষ্কার থেকে সম্পূর্ণ সমাধান পর্যন্ত একটি পূর্ণাঙ্গ শৃঙ্খল তৈরি করে। সরকারি তথ্য অনুযায়ী, অভ্যন্তরীণ নিরাপত্তা কোড তৈরির সাফল্যের হার Argon-এর তুলনায় 2 গুণেরও বেশি বেড়েছে। Chrome দলের বাস্তব পরীক্ষায়, প্যাচের মান অন্য একটি শীর্ষস্থানীয় গবেষণাগারের ফ্রন্টিয়ার মডেলের তুলনায় 10 গুণেরও বেশি এগিয়ে।
অ্যালাইনমেন্ট প্রশিক্ষণ ও প্রতারণা দমন: উচ্চ স্কোরের মডেল ”পরীক্ষার স্ক্রিপ্ট বদলে কৃত্রিমভাবে সফল হওয়ার” সমস্যার মোকাবিলায় Carbon প্রশিক্ষণ পর্যায়েই শর্টকাট ও দুর্বলতা কাজে লাগানোর প্রবণতা দমন করে। ফলে Terminal-Bench 4.0-এ সফল প্রতারণার হার 0.0%-এ এবং প্রতারণার প্রচেষ্টার হার 0.4%-এ নামিয়ে আনা হয়েছে। একই সঙ্গে নির্ভুলতা বাড়ার পাশাপাশি অভ্যন্তরীণ লাইভ কোডিং পরিবেশে উচ্চ-গুরুত্বের অ্যালাইনমেন্ট-বিচ্যুতি সতর্কতা প্রায় 80% কমেছে।

বর্তমানে Carbon কেবল Fairwind Program-এর মাধ্যমে নির্বাচিত কিছু সাইবার নিরাপত্তা প্রতিরক্ষা কর্মীর জন্য উন্মুক্ত। সাধারণ ডেভেলপার, প্রতিষ্ঠান ও ভোক্তাদের Google-এর পরবর্তী বিজ্ঞপ্তির জন্য অপেক্ষা করতে হবে।

সামগ্রিক বুদ্ধিমত্তায় শীর্ষস্থান: Artificial Analysis Intelligence Index 5.0-এ 59 পয়েন্ট নিয়ে বিশ্বে প্রথম হয়েছে এবং Claude Opus 5.5 ও GPT-6 Astra-কে সরাসরি ছাড়িয়ে গেছে।
অত্যন্ত দীর্ঘমেয়াদি স্বায়ত্তশাসিত প্রোগ্রামিং: একটানা কয়েক দিন চলতে পারে, অচল পথ পেরিয়ে বড় কোডবেসে লুকানো Bug-এর মূল কারণ শনাক্ত করে স্বাধীনভাবে মেরামতের প্যাচ সম্পন্ন করতে পারে। Terminal-Bench 4.0-এ 65.2% পেয়ে প্রতিদ্বন্দ্বীদের এগিয়ে রয়েছে।
সাইবার নিরাপত্তার পূর্ণ জীবনচক্রে SOTA: ”দুর্বলতা খোঁজা (SEC-bench Pro 88.2%)—যাচাই (ExploitGym 54.8%)—প্যাচ প্রয়োগ (CWE-bench 71.0%)” পুরো প্রক্রিয়াকে অন্তর্ভুক্ত করে এবং তিনটিই সর্বশেষ রেকর্ড।
অত্যন্ত দীর্ঘ কনটেক্সটে আধিপত্য: 256k–1M কনটেক্সটের GraphWalks পরীক্ষায় 96.2% পেয়ে Opus 5.5 (66.8%) ও Astra (71.8%)-এর তুলনায় অনেক এগিয়ে।
প্রায় শূন্য প্রতারণা ও শূন্য হ্যালুসিনেশন (অ্যালাইনমেন্টের দিক থেকে): Terminal-Bench-এ সফল প্রতারণার হার 0.0%-এ নামিয়ে এনেছে, পরোক্ষ প্রম্পট ইনজেকশনের বিরুদ্ধে 100% প্রতিরোধী এবং ভিত্তিহীন দাবি Argon-এর তুলনায় প্রায় 2 গুণ কমেছে।

প্রকল্পের অফিসিয়াল ওয়েবসাইট: https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/

সাইবার নিরাপত্তা প্রতিরক্ষা: SEC-bench Pro-তে 88.2%, ExploitGym-এ 54.8% এবং CWE-bench-এ 71.0% অর্জন করে ”দুর্বলতা খোঁজা—যাচাই—প্যাচ প্রয়োগ” পূর্ণ জীবনচক্র স্বয়ংক্রিয় করে।
অত্যন্ত দীর্ঘমেয়াদি স্বায়ত্তশাসিত প্রোগ্রামিং: একটানা কয়েক দিন অচল পথ পেরিয়ে বড় কোডবেসে লুকানো Bug-এর মূল কারণ শনাক্ত ও মেরামত করতে পারে।
এন্টারপ্রাইজ-স্তরের এজেন্ট ওয়ার্কফ্লো: Vals Index-এর 70.4% এবং ক্যাশ করা ইনপুটে 95% ছাড়ের মাধ্যমে কম খরচে ঘন ঘন Agent কাজ সমর্থন করে।
অত্যন্ত দীর্ঘ কনটেক্সট বিশ্লেষণ: 1M কনটেক্সট উইন্ডো এবং GraphWalks-এ 96.2% পারফরম্যান্সের কারণে কোডবেস বোঝা ও দীর্ঘ নথিতে বহু-ধাপের যুক্তির কাজে সক্ষম।
ফুল-স্ট্যাক Web ডেভেলপমেন্ট: WebDev Arena-তে 1769 পয়েন্টের আউটপুট মান ও কম কাজের খরচের মাধ্যমে দ্রুত ফ্রন্টএন্ড কম্পোনেন্ট ও সম্পূর্ণ অ্যাপ্লিকেশন তৈরি করতে পারে।