Google تكشف عن Gemini 4 Carbon: 88% في اكتشاف الثغرات والمركز الأول في التصنيف

كشفت Google عن Gemini 4 Carbon، نموذجها اللغوي الرائد الجديد. وقد جرى ضبطه لثلاث مهام: الأمن السيبراني، والبرمجة، والعمل المستقل لوكلاء الذكاء الاصطناعي على مدى عدة أيام. وفي تصنيف Artificial Analysis Intelligence Index v5.0، الذي يجمع نتائج عدة اختبارات في درجة إجمالية واحدة، حصل Carbon على 59 نقطة وتصدّر القائمة. ويتعلق أبرز رقم في الإصدار بالأمان: 88,2% في اختبار SEC-bench Pro، الذي يتعين على النموذج فيه العثور على ثغرات حقيقية في البرمجيات. وفي الوقت الحالي سيحصل على الوصول متخصصو الأمن السيبراني فقط، وتعد Google بإطلاق واسع النطاق لاحقًا.

ماذا قاست الاختبارات وكم حصل النموذج

عرضت Google أربعة اختبارات معيارية، يتحقق كل منها من مرحلة مختلفة من العمل مع الشيفرة المعرَّضة للثغرات: العثور على الثغرة، وإثبات إمكانية استغلالها، وسدّها، وكتابة واجهة سليمة.

• SEC-bench Pro: 88,2%. يبحث النموذج عن ثغرات حقيقية في البرمجيات. وهذه أعلى نتيجة بين النتائج المعروضة. • ExploitGym: 54,8%. يتحقق من إمكانية استغلال الثغرة المكتشفة، أي تحويلها من مشكلة نظرية إلى هجوم فعلي. ويُظهر هذا الاختبار مدى خطورة النموذج في الأيدي الخطأ، ومدى فائدته للمدافعين الذين يحتاجون إلى فحص أنظمتهم. • CWE-bench: 71%. يصحّح النموذج الشيفرة المعرَّضة للثغرات تلقائيًا. والمقصود بـ CWE هنا الفهرس المعتمد على نطاق واسع لأنواع الأخطاء البرمجية. • WebDev Arena: 1769 Elo، المركز الرابع. هذا تصنيف لتطوير واجهات الويب يستند إلى مقارنات زوجية بين نتائج النماذج. وهو الاختبار الوحيد الذي لا يتصدره Carbon.

نشرت Google جميع الأرقام بنفسها. ولم يؤكَّد بشكل مستقل سوى الدرجة الإجمالية في تصنيف Artificial Analysis.

عدة أيام من العمل دون تدخل بشري

أكثر ما يهم المهندسين هو الحديث عن الاستقلالية. فبحسب Google، حلّ Carbon داخل الشركة مهام هندسية معقدة في قواعد شيفرة ضخمة على مدى عدة أيام متتالية: بحث عن أسباب الأخطاء وصحّحها بنفسه. وكانت وكلاء الذكاء الاصطناعي في السابق تفقد مسارها عادةً في المهام الطويلة، أو تضيع في السياق، أو تكرر الإجراءات نفسها.

كما تورد الشركة مقارنات مع نماذج أخرى:

• يكتب النموذج شيفرة آمنة بمستوى يبلغ ضعف مستوى Gemini 4 Argon وفق اختبارات Google الداخلية. • ينشئ تصحيحات (patches) عالية الجودة لمتصفح Chrome بكفاءة تفوق 10 أضعاف كفاءة نموذج متقدم آخر (لا توضح Google أي نموذج تقصد). وهذا تقييم فريق Chrome نفسه، وليس قياسًا مستقلًا. • انخفاض الانتهاكات الجسيمة للتعليمات أثناء العمل مع الشيفرة بنسبة 80%. والمقصود الحالات التي يفعل فيها الوكيل شيئًا غير المطلوب منه أو يخرج عن نطاق المهمة. • عدد الادعاءات غير المبررة أقل بمرتين مقارنةً بـ Argon. وببساطة، يقدّم النموذج غير المتحقق منه على أنه حقيقة بمعدل أقل بمرتين.

وتتحدث Google بشكل منفصل عن prompt injection. وهو هجوم يُخفى فيه أمر موجَّه إلى وكيل الذكاء الاصطناعي في نص صفحة ويب أو مستند، فينفذه الوكيل بدلًا من مهمة المستخدم. ووفقًا للشركة، صدّ Carbon جميع الهجمات التي جرى فحصها في أحد الاختبارات المعيارية. وهنا تحفظ مهم: الحديث عن مجموعة اختبارات واحدة، لا عن حماية كاملة. وبالنسبة للوكلاء الذين يُمنحون صلاحية الوصول إلى البريد والشيفرة والخوادم، يبقى هذا الخطر من أبرز المخاطر.

من سيحصل على الوصول وكم سيكلّف

سيحصل متخصصو الأمن السيبراني على النموذج أولًا. والمنطق واضح: فالأداة التي تكتشف الثغرات وتستغلها بكفاءة مفيدة للمدافعين، لكنها خطيرة إذا تسرّبت إلى المهاجمين. ويمنح الإطلاق التدريجي Google وقتًا للتحقق من سلوك النموذج في العمل الفعلي. ولم تعلن الشركة موعد الإطلاق الواسع.

سعر واجهة API بعد الإطلاق وفق التعرفة التمهيدية:

• 2$ لكل مليون رمز إدخال (الرمز يعادل تقريبًا مقطعًا لفظيًا أو كلمة قصيرة، أي النص الذي ترسله إلى النموذج)؛ • 10$ لكل مليون رمز إخراج (النص الذي يولّده النموذج ردًّا على ذلك).

السعر معتدل بالنسبة لنموذج رائد. غير أن مهام الوكلاء التي تمتد عدة أيام تستهلك عددًا كبيرًا جدًا من الرموز، لذا ستعتمد الفاتورة النهائية على مدى اقتصادية سلوك النموذج في الجلسات الطويلة. وكلمة «تمهيدية» توحي بأن التعرفة قد تتغير مع الوقت.

ماذا ينبغي أن تفعل فرق الأمن والتطوير

ما دام Carbon متاحًا لدائرة ضيقة، فالخلاصة العملية كالتالي. إذا كنت مسؤولًا عن الأمن، فمن الأفضل أن تجهّز مسبقًا مستودعات اختبارية وعملية لمراجعة الثغرات المكتشفة بواسطة البشر: فحتى نسبة 88% في الاختبار المعياري تعني أن جزءًا من النتائج سيكون خاطئًا، وأن النموذج سيفوّت جزءًا من الثغرات الحقيقية. وإذا كنت تطوّر منتجات تعتمد على وكلاء الذكاء الاصطناعي، فالأفضل أن تعيد التحقق من الأرقام المتعلقة بانتهاك التعليمات والادعاءات غير المبررة على مهامك الخاصة فور توفر الوصول. فتصريحات المطوّر عن نموذجه مفيدة كمؤشر استرشادي، لكنها لا تغني عن القياسات المستقلة.