Gemini 4 Carbon آپریشن میں

Gemini 4 Carbon گوگل DeepMind کا پیش کردہ تازہ ترین فلیگ شپ بڑا ماڈل ہے، جو Gemini 4 Argon کے بعد اگلی نسل کا جدید ترین ماڈل ہے۔ Gemini 4 Carbon نے Artificial Analysis Intelligence Index 5.0 میں 59 پوائنٹس کے ساتھ پہلی پوزیشن حاصل کی، Claude Opus 5.5 اور GPT-6 Astra کو پیچھے چھوڑ دیا، اور سائبر سکیورٹی دفاع کے مکمل لائف سائیکل میں کمزوریوں کی تلاش، استحصال کی تصدیق، پیچ کی اصلاح اور انتہائی طویل مدتی خودکار پروگرامنگ کے کاموں میں نیا SOTA قائم کیا۔

انتہائی طویل مدتی خودکار پروگرامنگ: یہ کئی دن تک مسلسل چل سکتا ہے اور بڑے کوڈ بیس میں پوشیدہ Bugs کی بنیادی وجہ تلاش کرکے پیچ تیار کر سکتا ہے۔
کمزوریوں کی تلاش: SEC-bench Pro پر 88.2% کے ساتھ نیا SOTA قائم کرتے ہوئے V8 انجن، Linux kernel جیسے حقیقی سافٹ ویئر میں پیچیدہ اور سنگین کمزوریوں کو خودکار طور پر دریافت کر سکتا ہے۔
کمزوری کے استحصال کی تصدیق: ExploitGym میں 54.8% کے ساتھ نیا ریکارڈ قائم کرتا ہے، حملہ آور کی طرح تصدیق کرتا ہے کہ آیا کمزوری کا حقیقی طور پر استحصال کیا جا سکتا ہے، اور دفاعی ٹیم کو اصلاح کی ترجیحات طے کرنے میں مدد دیتا ہے۔
بنیادی وجہ کی سطح پر خودکار پیچنگ: CWE-bench میں 71.0% حاصل کرتے ہوئے تصدیق شدہ کمزوریوں کی دریافت کو براہ راست ایسے قابلِ عمل اصلاحی کوڈ میں تبدیل کر سکتا ہے جو اصل فعالیت کو متاثر نہیں کرتا۔
فُل اسٹیک ڈویلپمنٹ اور فرنٹ اینڈ کی تعمیر: WebDev Arena Elo میں 89 پوائنٹس کا اضافہ کرکے 1769 تک پہنچا، جس سے کمپوننٹس کا معیار اور تیار شدہ نتائج نمایاں طور پر بہتر ہوئے، جبکہ اوسط کام کی لاگت کم رہی۔
انتہائی طویل سیاق و سباق کے ساتھ کثیر مرحلہ فیصلہ سازی: 256k–1M سیاق و سباق والے GraphWalks ٹیسٹ میں 96.2% کے ساتھ حریفوں سے نمایاں طور پر آگے رہا، جبکہ طویل مدتی کاروباری آپریشنز کی نقل (Vending-Bench 2) میں آخری اکاؤنٹ بیلنس Opus 5.5 کے تقریباً 1.8 گنا تک پہنچ گیا۔

طویل مدتی خودکار ایجنٹ کا ڈھانچہ: Carbon کو خاص طور پر ”کئی دن جاری رہنے والے طویل مدتی انجینئرنگ کاموں“ کے لیے ڈیزائن کیا گیا ہے۔ اس کا بنیادی وصف بڑے کوڈ بیس اور نچلی سطح کے سسٹمز کے ساتھ کام کرتے ہوئے مستقل تلاش کا طریقہ کار ہے۔ متعدد بار بند گلی میں پہنچنے کے باوجود یہ پیچھے ہٹ سکتا ہے، راستہ بدل سکتا ہے اور کام جاری رکھ سکتا ہے، اور بنیادی وجہ کی تلاش سے پیچ کی فراہمی تک کثیر مرحلہ عمل کو خود مکمل کرتا ہے۔
سائبر سکیورٹی دفاع کی مکمل لائف سائیکل صلاحیت: اس کی سکیورٹی صلاحیت ”کمزوری تلاش کرو—تصدیق کرو—درست کرو“ کے تین مراحل پر مبنی ہے، اور تینوں مراحل کو پروڈکٹ گارڈ ریلز سے الگ مکمل صلاحیت کے ساتھ تربیت اور جانچ دی گئی ہے۔ تلاش کے مرحلے نے SEC-bench Pro پر 88.2%، تصدیق کے مرحلے نے ExploitGym میں 54.8%، اور اصلاح کے مرحلے نے CWE-bench میں 71.0% حاصل کیا، جو دریافت سے مکمل اصلاح تک ایک جامع سلسلہ تشکیل دیتے ہیں۔ سرکاری اعداد و شمار کے مطابق اس کی اندرونی سکیورٹی کوڈ جنریشن کی کامیابی کی شرح Argon کے مقابلے میں 2 گنا سے زیادہ ہے۔ Chrome ٹیم کے عملی موازنے میں اس کے پیچ کا معیار ایک دوسری اعلیٰ سطحی لیب کے جدید ماڈل سے 10 گنا سے زیادہ بہتر رہا۔
ہم آہنگی کی تربیت اور اینٹی چیٹنگ کا استحکام: زیادہ اسکور والے ماڈلز کی جانب سے ”ٹیسٹ اسکرپٹ میں تبدیلی کرکے جعلی کامیابی دکھانے“ کے مسئلے سے نمٹنے کے لیے Carbon نے تربیت کے مرحلے ہی میں شارٹ کٹس اور کمزوریوں کے استحصال کے رجحان کو دبایا۔ نتیجتاً Terminal-Bench 4.0 میں کامیاب چیٹنگ کی شرح 0.0% اور چیٹنگ کی کوشش کی شرح 0.4% تک کم ہوگئی، جبکہ درستگی میں اضافے کے ساتھ اندرونی لائیو کوڈنگ ماحول میں شدید نوعیت کی عدم ہم آہنگی کے انتباہات تقریباً 80% کم ہوئے۔

فی الحال Carbon صرف Fairwind Program سے منظور شدہ بعض سائبر سکیورٹی دفاعی اہلکاروں کے لیے دستیاب ہے۔ عام ڈویلپرز، کاروباری اداروں اور صارفین کو گوگل کے آئندہ اعلان کا انتظار کرنا ہوگا۔

جامع ذہانت میں پہلی پوزیشن: 59 پوائنٹس کے ساتھ Artificial Analysis Intelligence Index 5.0 میں عالمی سطح پر پہلی پوزیشن حاصل کی اور Claude Opus 5.5 اور GPT-6 Astra کو براہِ راست پیچھے چھوڑ دیا۔
انتہائی طویل مدتی خودکار پروگرامنگ: یہ کئی دن تک مسلسل چل سکتا ہے، بند گلیوں سے نکل سکتا ہے، اور بڑے کوڈ بیس میں پوشیدہ Bugs کی بنیادی وجہ تلاش کرکے اصلاحی پیچ خود مکمل کر سکتا ہے۔ Terminal-Bench 4.0 میں 65.2% کے ساتھ حریفوں سے آگے ہے۔
سائبر سکیورٹی کے مکمل لائف سائیکل میں SOTA: ”کمزوری تلاش کرنا (SEC-bench Pro 88.2%)—کمزوری کی تصدیق (ExploitGym 54.8%)—پیچ لگانا (CWE-bench 71.0%)“ کے پورے عمل کا احاطہ کرتا ہے، اور تینوں تازہ ترین ریکارڈ ہیں۔
انتہائی طویل سیاق و سباق میں برتری: 256k–1M سیاق و سباق والے GraphWalks ٹیسٹ میں 96.2% کے ساتھ Opus 5.5 (66.8%) اور Astra (71.8%) سے نمایاں طور پر آگے ہے۔
تقریباً صفر چیٹنگ اور صفر ہذیانی جوابات (ہم آہنگی کی سطح پر): Terminal-Bench میں کامیاب چیٹنگ کی شرح 0.0% تک کم ہے، بالواسطہ پرامپٹ انجیکشن کے خلاف 100% مدافعت رکھتا ہے، اور بے بنیاد دعوے Argon کے مقابلے میں تقریباً 2 گنا کم ہیں۔

پروجیکٹ کی آفیشل ویب سائٹ: https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/

سائبر سکیورٹی دفاع: SEC-bench Pro میں 88.2%، ExploitGym میں 54.8% اور CWE-bench میں 71.0% کے ذریعے ”کمزوری تلاش کرنا—تصدیق کرنا—پیچ لگانا“ کے مکمل لائف سائیکل کو خودکار بناتا ہے۔
انتہائی طویل مدتی خودکار پروگرامنگ: کئی دن تک مسلسل چل کر بند گلیوں سے گزر سکتا ہے، اور بڑے کوڈ بیس میں پوشیدہ Bugs کی بنیادی وجہ تلاش کرکے اصلاح خود مکمل کر سکتا ہے۔
انٹرپرائز سطح کے خودکار ایجنٹ ورک فلو: Vals Index میں 70.4% اور کیش شدہ ان پٹ پر 95% رعایت کے ذریعے کم لاگت میں زیادہ تعداد والے Agent کاموں کو سپورٹ کرتا ہے۔
انتہائی طویل سیاق و سباق کا تجزیہ: 1M سیاق و سباق ونڈو اور GraphWalks میں 96.2% کارکردگی کے ساتھ کوڈ بیس کی سمجھ اور طویل دستاویزات میں کثیر مرحلہ استدلال کے لیے موزوں ہے۔
فُل اسٹیک Web ڈویلپمنٹ: WebDev Arena میں 1769 پوائنٹس کے آؤٹ پٹ معیار اور کم کام کی لاگت کے ساتھ فرنٹ اینڈ کمپوننٹس اور مکمل ایپلی کیشنز تیزی سے تیار کرتا ہے۔