جمینای ۴ کربن؛ از رکوردشکنی در هوش مصنوعی تا شایعات عجیب

گوگل در ۲۸ اکتبر ۲۰۲۶ (۶ آبان ۱۴۰۵) از جمینای ۴ کربن یا Gemini 4 Carbon رونمایی کرد. این مدل با تمرکز بر برنامه‌نویسی پیشرفته، وظایف چندمرحله‌ای و دفاع سایبری معرفی شد و در شاخص ترکیبی Artificial Analysis Intelligence Index نسخه ۵ با امتیاز ۵۹ به رتبه اول رسید.

اما رتبه اول در یک شاخص به معنای بهترین بودن در تمام آزمون‌ها نیست. آیا ادعای مقاومت کامل در برابر حملات پرامپتی درست است و چه زمانی می‌توان به این مدل دسترسی پیدا کرد؟ در ادامه، نتایج قابل‌استناد را با شایعات و ادعاهای تأییدنشده جداگانه بررسی می‌کنیم.

وضعیت اطلاعات: این مقاله بر اساس اطلاعیه‌های رسمی Google و Google DeepMind و داده‌های ارزیابی منتشرشده تا ۲۹ اکتبر ۲۰۲۶ تنظیم شده است. گزارش‌های غیررسمی و گمانه‌زنی‌ها با برچسب مشخص آمده‌اند و نباید با اعلامیه رسمی اشتباه گرفته شوند.

جمینای ۴ کربن چیست و چه تفاوتی با نسخه‌های قبلی دارد؟

Gemini 4 Carbon مدل پیشرفته جدید خانواده Gemini 4 و ادامه مسیر Gemini 4 Argon است. مدل آرگون در ۳۰ سپتامبر معرفی شد و از ۱۳ اکتبر در اختیار گروه‌های گسترده‌تری از توسعه‌دهندگان و کاربران واجد شرایط قرار گرفت. کربن تنها حدود دو هفته پس از عرضه گسترده آرگون معرفی شد؛ اتفاقی که نشان می‌دهد گوگل روند عرضه مدل‌های پرچم‌دار خود را سریع‌تر کرده است.

تمرکز اصلی کربن بر جریان‌های کاری ایجنتی (Agentic Workflows) است؛ یعنی وظایفی که یک دستیار هوش مصنوعی باید در چند مرحله با استفاده از ابزارها، تحلیل نتایج، اصلاح خطاها و ادامه کار انجام دهد. طبق اعلام گوگل، گروه‌های داخلی این شرکت نمونه‌هایی از ادامه فعالیت مدل برای چند روز در مسائل مهندسی پیچیده را مشاهده کرده‌اند. این گزارش داخلی است و به معنی تضمین اجرای خودکار و بی‌خطای هر پروژه چندروزه نیست.

از کاربردهای هدف‌گذاری‌شده می‌توان به تحلیل کد پروژه‌های بزرگ، عیب‌یابی نرم‌افزار، توسعه وب، تحلیل اسناد طولانی، استفاده از رایانه و کمک به تیم‌های دفاع سایبری اشاره کرد.

مشخصات فنی Gemini 4 Carbon

یک میلیون توکن ظرفیت زمینه به مدل اجازه می‌دهد حجم زیادی از اسناد، کد و اطلاعات مرتبط را در یک جریان کاری دریافت کند. بااین‌حال، ظرفیت زمینه بزرگ به‌تنهایی تضمین نمی‌کند که مدل تمام جزئیات یک ورودی طولانی را بدون اشتباه درک کند.

مقایسه جمینای ۴ کربن با رقبا؛ بررسی بنچمارک‌ها و عملکرد

در شاخص Artificial Analysis Intelligence Index v5.0 کربن امتیاز ۵۹ کسب کرده و از Claude Opus 5.5 با امتیاز ۵۸، GPT-6 Astra با امتیاز ۵۷ و Gemini 4 Argon با امتیاز ۵۰ بالاتر قرار گرفته است. این نتیجه، برتری کربن را در این شاخص ترکیبی مشخص نشان می‌دهد؛ نه لزوماً در تمام کارهای ممکن.

منبع جدول: جدول عملکرد رسمی Google DeepMind. روش اجرای آزمون‌ها در مستند ارزیابی این شرکت توضیح داده شده است. بخشی از اعداد از رتبه‌بندی‌های مستقل آمده و بخشی توسط ارائه‌دهندگان مدل‌ها یا گوگل محاسبه شده‌اند؛ به همین دلیل مقایسه باید با توجه به روش هر آزمون انجام شود.

عملکرد در برنامه‌نویسی چطور است؟

Carbon در Terminal-Bench 4.0 به امتیاز ۶۵.۲ درصد رسیده، اما در FrontierSWE 2 از GPT-6 Astra و Claude Opus 5.5 عقب‌تر است. Artificial Analysis نیز در شاخص تخصصی Coding Agent آن را پس از Claude Opus 5.5 قرار داده است. بنابراین عنوان «بهترین مدل کدنویسی در تمام زمینه‌ها» دقیق نیست. قدرت کربن بیشتر در ترکیب استدلال، ابزارها، کارهای چندمرحله‌ای و برخی ارزیابی‌های تخصصی نمود پیدا می‌کند.

پیشرفت در طراحی وب و پردازش زمینه طولانی

به گفته گوگل، کربن در WebDev Arena نسبت به آرگون ۸۹ واحد Elo پیشرفت کرده و به رتبه چهارم با امتیاز حدود ۱۷۶۸ رسیده است. همچنین در GraphWalks روی مجموعه‌ای از مسائل با زمینه ۲۵۶ هزار تا یک میلیون توکن، امتیاز ۹۶.۲ درصد به دست آورده است. این نتیجه امیدبخش است، اما آزمایش GraphWalks به معنای تسلط بی‌نقص بر هر مخزن کد یا مجموعه سند بزرگ نیست.

امنیت سایبری؛ مهم‌ترین نقطه تمرکز مدل کربن

گوگل کربن را برای سه مرحله کلیدی در چرخه دفاع سایبری معرفی کرده است: شناسایی آسیب‌پذیری، ارزیابی جدی‌بودن آن و اصلاح کد آسیب‌پذیر. اعداد اعلام‌شده عبارت‌اند از:

• SEC-bench Pro: امتیاز ۸۸.۲٪ در ارزیابی یافتن آسیب‌پذیری‌ها؛ گوگل این آزمون را روی ۱۸۳ وظیفه مرتبط با موتورهای JavaScript اجرا کرده است.
• ExploitGym: امتیاز ۵۴.۸٪ در ارزیابی تأیید عملی وجود ضعف‌های امنیتی در محیط کنترل‌شده.
• CWE-bench: امتیاز ۷۱.۰٪ در آزمون تولید اصلاحات نرم‌افزاری برای رفع مشکلات امنیتی.

گوگل می‌گوید در آزمون‌های داخلی، موفقیت کربن در تولید کد امن بیش از دو برابر آرگون بوده است. تیم Chrome نیز از بهبود قابل‌توجه تولید اصلاحیه امنیتی در یک مقایسه داخلی خبر داده؛ بااین‌حال، جزئیات کامل و نام مدل رقیب در آن مقایسه عمومی نشده است.

محدودیت مهم: خود گوگل توضیح داده بعضی آزمون‌های امنیت سایبری را بدون محدودکننده‌های ایمنی مدل اجرا کرده است. بنابراین نباید نتایج آنها را به شکل مستقیم به عملکرد نسخه عمومی آینده تعمیم داد.

آیا Gemini 4 Carbon واقعاً در برابر Prompt Injection صددرصد امن است؟

یکی از خبرسازترین اعداد معرفی این مدل، صفر درصد موفقیت حمله در بنچمارک Gray Swan Indirect Prompt Injection است. طبق گزارش گوگل، نرخ موفقیت حمله برای Gemini 4 Argon برابر ۰.۷ درصد و برای Carbon برابر صفر درصد بوده است.

حمله پرامپت اینجکشن زمانی رخ می‌دهد که یک مدل هوش مصنوعی در اسناد، سایت‌ها یا داده‌های ورودی با دستورهای ناخواسته و غیرقابل‌اعتماد مواجه شود. صفر درصد بودن نرخ موفقیت در یک مجموعه آزمایشی، به این معنی است که هیچ‌کدام از حملات همان مجموعه موفق گزارش نشده‌اند؛ نه اینکه مدل برای همیشه یا در هر شرایطی مصون باشد.

گوگل همچنین از کاهش نزدیک به ۸۰ درصدی هشدارهای شدید رفتار نامنطبق در برخی محیط‌های داخلی، کاهش ۲۶ درصدی اقدامات خارج از محدوده و کاهش ۲۹ درصدی کوتاهی در انجام وظایف خبر داده است. این موارد را باید به‌عنوان نتایج گزارش‌شده توسط توسعه‌دهنده خواند، نه ضمانت عملکرد در تمام پروژه‌ها.

قیمت جمینای ۴ کربن و هزینه API

گوگل تعرفه اولیه Carbon را مشابه تعرفه آغاز عرضه Argon اعلام کرده است. هزینه‌ها به دلار و به‌ازای هر یک میلیون توکن هستند:

توجه: تاریخ دقیق پایان تعرفه معرفی Carbon در اطلاعیه اصلی اعلام نشده است. قیمت‌های بالا تعرفه‌های اعلام‌شده برای عرضه هستند و نباید با فعال‌بودن API عمومی در همین لحظه اشتباه گرفته شوند.

زمان انتشار جمینای ۴ کربن (Gemini 4 Carbon)؛ نحوه دسترسی

تا تاریخ تنظیم این مقاله، عرضه Gemini 4 Carbon مرحله‌ای است. گوگل اعلام کرده ابتدا گروه محدودی از متخصصان دفاع سایبری به مدل دسترسی پیدا می‌کنند و سپس شرکای مورداعتماد در برنامه Fairwind به آن اضافه می‌شوند. دسترسی عمومی توسعه‌دهندگان، کسب‌وکارها و کاربران عادی در مراحل بعدی قرار دارد و تاریخ قطعی آن هنوز اعلام نشده است.

برنامه Fairwind برای استفاده کنترل‌شده از فناوری‌های پیشرفته دفاع سایبری طراحی شده است. گوگل همچنین اعلام کرده پیش از توسعه دسترسی مدل، در فرایند داوطلبانه ارزیابی پیش از عرضه با دولت آمریکا مشارکت دارد.

آیا می‌توان جمینای ۴ کربن را رایگان استفاده یا دانلود کرد؟ تا زمان نگارش مقاله، امکان دانلود رسمی وزن‌های مدل و طرح دسترسی رایگان عمومی برای Carbon اعلام نشده است. هر سایت یا کانالی که از «دانلود نسخه کامل Carbon» یا «API رایگان و عمومی قطعی» صحبت می‌کند، باید با احتیاط بررسی شود.

شایعات Gemini 4 Carbon؛ کدام خبرها تأیید شده‌اند؟

پیش از معرفی رسمی در ۲۸ اکتبر، اطلاعات غیررسمی متعددی درباره Carbon منتشر شده بود. برای جلوگیری از اشتباه، وضعیت هر ادعا را با برچسب روشن مشخص می‌کنیم. این بخش روایت گزارش‌های رسانه‌ای و کاربران است، نه تأیید مستقل آن ادعاها.

۱. تست داخلی مدل در ابزار Jetski گوگل

برچسب: گزارش منبع غیررسمی پیش از رونمایی | وضعیت فعلی: وجود مدل تأیید شده، جزئیات تست داخلی تأیید مستقل نشده

بر اساس گزارشی که در ۹ اکتبر به Business Insider نسبت داده شد، کارکنان گوگل نسخه‌ای از Carbon را در یک ابزار برنامه‌نویسی داخلی به نام Jetski آزمایش می‌کردند. یکی از ارزیابی‌های نقل‌شده، کیفیت کدنویسی آن را نزدیک به Claude Opus 5.5 توصیف می‌کرد. وجود مدل بعدها رسماً تأیید شد، اما نباید برداشت یک آزمایش‌کننده داخلی را جایگزین بنچمارک معتبر دانست.

۲. مدل در طراحی سه‌بعدی بهتر شده اما کندتر است

برچسب: شایعه / تجربه کاربران از نسخه آزمایشی | وضعیت: تأیید رسمی نشده

گزارش‌های گردآوری‌شده در اکتبر توسط TestingCatalog به پست‌هایی در شبکه اجتماعی X اشاره می‌کردند که Carbon را در برخی نمونه‌های ساخت محتوای سه‌بعدی قوی‌تر از Argon می‌دانستند. برخی افراد همچنین گفته بودند مدل ممکن است بسته به نوع کار حدود دو تا چهار برابر کندتر باشد و در طراحی رابط کاربری همچنان ضعف داشته باشد. اینها نمونه‌های انتخابی و ادعاهای کاربران بوده‌اند؛ سرعت نسخه عمومی و کیفیت آن در همه کارها از این گزارش‌ها قابل نتیجه‌گیری نیست.

۳. مشاهده نام Carbon در شناسه‌های آزمایشی

برچسب: گزارش غیررسمی درباره شناسه‌های داخلی | وضعیت: جزئیات فنی تأیید رسمی نشده

برخی رسانه‌های فناوری از مشاهده رشته‌هایی مانند gemini-4-carbon و gemini-4-carbon-teamfood در داده‌های منتسب به ابزارهای داخلی گوگل خبر داده بودند. پس از معرفی رسمی، نام Carbon دیگر شایعه نیست؛ اما این موضوع صحت همه شناسه‌های ادعایی یا امکان دسترسی به آنها را ثابت نمی‌کند.

۴. عرضه عمومی بسیار نزدیک است

برچسب: پیش‌بینی غیررسمی | وضعیت: معرفی رسمی انجام شد، عرضه عمومی هنوز تاریخ ندارد

پیش از رونمایی، برخی حساب‌های فعال در حوزه مدل‌های هوش مصنوعی انتظار معرفی Carbon تا پایان اکتبر را داشتند. معرفی در ۲۸ اکتبر رخ داد، ولی این اتفاق با فعال‌شدن هم‌زمان مدل برای همه کاربران تفاوت دارد. گوگل برنامه عرضه محدود و مرحله‌ای را تأیید کرده است.

۵. خودبهبوددهی بازگشتی و رسیدن به «ابرهوش»

برچسب: گمانه‌زنی تأییدنشده | وضعیت: بدون شواهد عمومی کافی

در فضای مجازی، گاهی پیشرفت سریع مدل‌های گوگل به مفهوم «بهبود بازگشتی هوش مصنوعی توسط خودش» ارتباط داده شده است. اطلاعیه Carbon چنین ادعای مشخصی را اثبات نمی‌کند. عبارت گوگل درباره همکاری پژوهشگران و مدل‌ها برای پیشبرد پژوهش، به‌تنهایی مدرک یک چرخه خودبهبوددهی مستقل و نامحدود نیست.

۶. عرضه هم‌زمان Carbon و Gemini 4 Flash

برچسب: شایعه | وضعیت: تأیید نشده

برخی بحث‌های انجمن‌های کاربران احتمال رونمایی نزدیک نسخه Flash در کنار Carbon را مطرح کرده بودند. در اطلاعیه معرفی Carbon تاریخ مشخصی برای چنین عرضه هم‌زمانی ذکر نشده است؛ پس نباید آن را خبر قطعی دانست.

Gemini 4 Carbon برای چه کسانی کاربرد بیشتری دارد؟

• توسعه‌دهندگان: برای بررسی کدهای طولانی، یافتن وابستگی‌ها، تحلیل تست‌های نرم‌افزاری و اجرای کارهای چندمرحله‌ای.
• تیم‌های امنیت نرم‌افزار: برای کمک به کشف و اولویت‌بندی ضعف‌ها و تهیه اصلاحیه‌هایی که همچنان به بررسی انسانی نیاز دارند.
• شرکت‌ها و تیم‌های محصول: برای کار روی اسناد بزرگ، تحلیل داده و خودکارسازی فرایندهای پیچیده.
• کاربران حرفه‌ای: برای کارهای پژوهشی و فنی چندمرحله‌ای، پس از فراهم‌شدن دسترسی عمومی.

در هر پروژه واقعی، خصوصاً سیستم‌هایی که اطلاعات مشتریان یا تراکنش‌های مالی دارند، خروجی مدل باید با آزمون، کنترل دسترسی و بازبینی انسانی بررسی شود. امتیاز بالا در بنچمارک جایگزین بررسی امنیتی و تست نرم‌افزار نیست.

چگونه پس از عرضه عمومی، کیفیت Gemini 4 Carbon را بسنجیم؟

اگر قصد استفاده از کربن برای کدنویسی یا کارهای حرفه‌ای را دارید، بهتر است قبل از وابسته‌کردن یک پروژه واقعی به آن، این چند مورد را بررسی کنید:

• دسترسی واقعی: ابتدا از فعال‌شدن مدل در سرویس‌ها و مستندات رسمی گوگل مطمئن شوید؛ صرف دیدن نام آن در یک سرویس غیررسمی کافی نیست.
• کیفیت در کار واقعی: همان مسئله مشخص را با چند مدل و شرایط یکسان آزمایش کنید و نتیجه را با تست‌های قابل‌تکرار بسنجید.
• سرعت و هزینه: زمان پاسخ‌گویی، تعداد توکن مصرف‌شده و هزینه نهایی هر وظیفه را ثبت کنید.
• امنیت و حریم خصوصی: برای آزمون اولیه از داده ساختگی استفاده کنید و کدها، دسترسی‌ها و اصلاحیه‌های حساس را پیش از استفاده انسانی بازبینی کنید.

برای دنبال‌کردن دیگر خبرهای این حوزه در پارس کامپیوتر، می‌توانید گزارش ایجنت‌های OpenAI و فعالیت آنها در سایت‌های دولتی و مقاله رمزگشایی پیام انیگما با Claude Opus 5 را هم بخوانید.

پرسش‌های متداول درباره جمینای ۴ کربن

آیا Gemini 4 Carbon رسماً معرفی شده است؟

بله. گوگل در ۲۸ اکتبر ۲۰۲۶ این مدل را با تمرکز بر برنامه‌نویسی، وظایف طولانی و امنیت سایبری معرفی کرد.

آیا Gemini 4 Carbon از GPT-6 و Claude بهتر است؟

در نسخه پنجم شاخص کلی Artificial Analysis امتیاز بیشتری گرفته، اما در تمام آزمون‌های تخصصی اول نیست. برای انتخاب مدل باید نوع کار و هزینه را هم بررسی کرد.

آیا Gemini 4 Carbon رایگان است؟

تا ۲۹ اکتبر ۲۰۲۶ دسترسی عمومی رایگان برای این مدل اعلام نشده است و عرضه فعلاً محدود و مرحله‌ای است.

قیمت API کربن چقدر است؟

قیمت اولیه اعلام‌شده ۲ دلار برای هر یک میلیون توکن ورودی و ۱۰ دلار برای هر یک میلیون توکن خروجی است؛ تعرفه استاندارد پس از تخفیف به ترتیب ۴ و ۲۰ دلار خواهد بود.

آیا مقاومت در برابر Prompt Injection واقعاً ۱۰۰ درصد است؟

گوگل گزارش کرده هیچ حمله‌ای در بنچمارک مشخص Gray Swan IPI موفق نبوده؛ این نتیجه به معنی مصونیت قطعی مدل در برابر تمام حملات احتمالی نیست.

فرق Gemini 4 Argon با Gemini 4 Carbon چیست؟

کربن نسخه جدیدتری است که طبق گزارش گوگل و نتایج ارزیابی در چندین بخش از جمله کارهای ایجنتی و امنیت سایبری پیشرفت کرده است. در مقابل، آرگون از ۱۳ اکتبر به‌صورت گسترده‌تر در اختیار کاربران و توسعه‌دهندگان واجد شرایط قرار گرفته است.

جمع‌بندی؛ آیا جمینای ۴ کربن ارزش انتظار دارد؟

جمینای ۴ کربن یکی از مهم‌ترین معرفی‌های اخیر گوگل در حوزه هوش مصنوعی است. رتبه نخست شاخص کلی Artificial Analysis، امتیازهای قابل‌توجه در امنیت نرم‌افزار و پیشرفت در وظایف طولانی، آن را به گزینه‌ای جدی برای توسعه‌دهندگان و تیم‌های فنی تبدیل می‌کند. بااین‌حال، نباید نتیجه یک آزمون خاص را به همه کاربردها تعمیم داد، یا شایعات پیش از رونمایی را واقعیت قطعی قلمداد کرد.

برای نتیجه‌گیری دقیق درباره ارزش واقعی این مدل، باید نسخه عمومی آن منتشر شود و سرعت، هزینه، کیفیت کدنویسی، میزان خطا و امنیت آن در پروژه‌های واقعی و شرایط یکسان با رقبا مقایسه شوند.

منابع رسمی و اولیه

برای حفظ اعتبار مقاله، لینک‌های زیر فقط به منابع اولیه و رسمی درباره معرفی مدل و روش آزمون‌ها اشاره می‌کنند. گزارش‌ها و شایعات منابع غیررسمی در بخش مربوطه بدون لینک مستقیم، با برچسب روشن ذکر شده‌اند.

• اطلاعیه رسمی معرفی Gemini 4 Carbon در وبلاگ Google
• جدول رسمی عملکرد خانواده Gemini 4 در Google DeepMind
• مستند رسمی روش‌شناسی ارزیابی Gemini 4 Carbon در DeepMind
• اطلاعیه رسمی معرفی اولیه Gemini 4 Argon در ۳۰ سپتامبر ۲۰۲۶
• اطلاعیه رسمی دسترسی عمومی Gemini 4 Argon در اکتبر ۲۰۲۶

آخرین بررسی اطلاعات: ۲۹ اکتبر ۲۰۲۶. نام‌ها، ارقام و وضعیت دسترسی ممکن است پس از این تاریخ تغییر کنند.