گوگل از مدل Gemini 4 Carbon رونمایی کرد؛ عبور از Claude Opus 5.5 و ثبت کمترین میزان توهم

هفته گذشته، گوگل از جدیدترین مدل هوش مصنوعی خود با نام Gemini 4 Carbon رونمایی کرد؛ مدلی که با ورود پر سر و صدای خود توانست در صدر جدول ردهبندی هوشمندی قرار گیرد. بر اساس ارزیابی‌های پایگاه تحلیلی Artificial Analysis، مدل Gemini 4 Carbon اکنون با برتری یک امتیازی نسبت به Claude Opus 5.5، بالاترین رتبه را در مجموعه بنچمارک Intelligence Index V5 در اختیار دارد. این مدل در چهار مورد از مجموع نه آزمون ارزیابی، رتبه نخست را کسب کرده و جالبتر آنکه هزینه پردازش هر وظیفه در آن نسبت به سایر رقبای بالارده نظیر Claude Opus 5.5 پایین‌تر است. گوگل در مرحله نخست، دسترسی به این مدل را از طریق برنامه Fairwind تنها در اختیار مدافعان امنیت سایبری قرار داده است و عرضه عمومی‌تر آن در مراحل بعدی انجام خواهد شد.

شاید نکته مهم‌تر این باشد که Gemini 4 Carbon با درخشش در آزمون جدید AA-Omniscience نسخه ۱.۱ که میزان توهم و دقت بازخوانی اطلاعات را اندازه‌گیری می‌کند، تمایز چشمگیری با رقبا ایجاد کرده است. در شرایطی که دولت‌ها و سازمان‌ها به دنبال بهرهبرداری حداکثری و افزایش امنیت در بهکارگیری هوش مصنوعی هستند، ثبت کمترین میزان توهم و خطا می‌تواند به برگ برنده بزرگی برای تجاریسازی این مدل تبدیل شود.

با این حال، حتی بهترین مدل در مقیاس ۱۰۰- تا ۱۰۰+ تنها امتیاز ۵۴ را به دست آورده است؛ موضوعی که نشان می‌دهد حتی پیشرفته‌ترین مدل‌های پیشرو در سال ۲۰۲۶ نیز هنوز تا رسیدن به قابلیت اطمینان پایدار در بازخوانی دقیق اطلاعات، فاصله زیادی دارند.

پادشاه مرد، زنده باد پادشاه: جابهجایی قدرت در صدر جدول هوش مصنوعی

در سال ۲۰۲۶ رتبه‌بندی مدل‌های هوش مصنوعی با شتاب بالایی دگرگون می‌شود و طبیعی است که هر عرضه تازه از سوی آزمایشگاه‌های پیشرو، مرزهای پیشین را جابجا کند؛ اما معرفی Gemini 4 Carbon را میتوان بازگشت مقتدرانه گوگل پس از یک دوره رکود و عرضه‌های نامنظم در بخش عمدهای از سال دانست.

نسخه با کیفیت بالای Gemini 4 Carbon در بنچمارک Intelligence Index V5 از مجموعه Artificial Analysis موفق به کسب امتیاز ۵۹ شده است. این نتیجه، مدل گوگل را یک امتیاز بالاتر از Claude Opus 5.5 و دو امتیاز بالاتر از مدل GPT-6 Astra متعلق به OpenAI قرار می‌دهد. علاوه بر این، Gemini 4 Carbon با فاصله ۹ امتیازی از مدل Muse Wonder Full شرکت متا و ۱۰ امتیازی از Claude Fable 5.1 پیش افتاده است.

اما در سال ۲۰۲۶، هوشمندی خام و عمومی تمام ماجرا نیست. در حالی که توسعه‌دهندگان به دنبال نقطه بهینه پارتو یعنی بهترین همگرایی ممکن میان هزینه و توانایی هوش مصنوعی هستند، Gemini 4 Carbon از نظر اقتصادی نیز به‌شکل تحسینبرانگیزی بهصرفه است. هزینه پردازش هر وظیفه در آزمون Intelligence Index برای این مدل حدود ۷٫۷۶ دلار برآورد شده که حتی از مدل Gemini 3.8 Flash نیز اندکی ارزان‌تر است. این رقم چندین دلار کمتر از مدل‌های Claude Opus 5.5 یا Sonnet 5.5 بوده و تقریباً نصف هزینه مدل Claude Fable 5.1 است که به ازای هر وظیفه ۱۲٫۹۹ دلار هزینه در بر دارد.

با این حال، Gemini 4 Carbon همچنان از مدل GPT-5 Astra شرکت OpenAI گران‌تر بوده و حدود ۶ برابر پرهزینهتر از GPT-6.1 Sol است. هم‌چنین هزینه پردازش هر وظیفه در این مدل حدود ۱۳ برابر مدل وزن‌باز DeepSeek V4.1 Flash 1017 تمام می‌شود؛ هرچند که مدل رقیب در جدول ردهبندی هوشمندی تنها به امتیاز ۳۲ بسنده کرده است.

مدل Gemini 4 Carbon در همه زمینه‌ها بهترین نیست، اما دست‌کم در حال حاضر، در رده مدل‌های گرانقیمت یکی از برترین گزینه‌ها به‌شمار می‌رود. پلتفرم Arena.ai جایگاه نخست را در نمودار مرز پارتو در بخش بالارده به این مدل اختصاص داده است؛ هرچند در سطوح قیمتی پایین‌تر، مدل‌های وزن‌باز چینی نظیر GLM 5.3-Flash و DeepSeek V4 Pro گوی سبقت را میربایند.

پایگاه تحلیلی Artificial Analysis هم‌چنین یادآور می‌شود که Gemini 4 Carbon در زمینه برنامه‌نویسی به پای ابزار Claude Code مجهز به Claude Opus 5.5 نمی‌رسد و در وظایف دانشمحور و پژوهشی نیز پس از مدل‌های Grok 4.7، Muse Wonder و Kimi K3.1 Pro قرار می‌گیرد.

با این همه، تحسینبرانگیزترین دستاورد مدل جدید گوگل، کسب امتیاز ۵۴ در شاخص AA-Omniscience است؛ آزمونی تخصصی برای ارزیابی سطح دانش و اندازه‌گیری توهم که در آن Gemini 4 Carbon توانسته رقبای خود را با اختلافی چشمگیر شکست دهد.

رویکرد محتاطانه، ایمن و همگام با مقررات

گوگل در بیانیه رسمی معرفی مدل جدید Gemini 4 بر همکاری نزدیک خود با دولت آمریکا برای ارزیابی‌های امنیتی و آزمایش‌های پیش از انتشار تأکید کرده است. گوگل درست همانند رویکردی که Anthropic در سال ۲۰۲۵ برای عرضه مدل Mythos در پیش گرفته بود، دسترسی به Gemini 4 Carbon را با سرعتی کنترلشده و تدریجی فراهم می‌کند.

در متن بیانیه گوگل پیرامون این رونمایی آمده است: «ما رویکردی حسابشده و محتاطانه برای عرضه این مدل در پیش گرفتهایم و به‌صورت فعال در فرایند داوطلبانه دولت ایالات متحده برای آزمایش‌های پیش از انتشار مدل مشارکت داریم.»

در همین راستا، دسترسی به مدل Carbon در ابتدای کار تنها برای گروه منتخبی از مدافعان سایبری باز شده است و در ادامه، این مدل از طریق همکاران مورد اعتماد در چارچوب برنامه Fairwind به‌صورت گستردهتر ارائه خواهد شد. گوگل قصد دارد پیش از ارائه عمومی Carbon به جامعه توسعه‌دهندگان، نرده‌های محافظتی (Guardrails) آن را تقویت کند تا این هوش مصنوعی در حوزه امنیت سایبری کارآمدتر و ایمن‌تر عمل کند و امکان سوءاستفاده از آن برای اکسپلویت و نفوذ توسط هکرها به حداقل برسد.

اگرچه ایده کند کردن سرعت توسعه و اعمال نظارت بیشتر بر مدل‌های بزرگ هوش مصنوعی همواره میان غول‌های فناوری با دیدگاه‌های متفاوتی همراه بوده است، اما به نظر می‌رسد این رویکرد به استانداردی بنیادین برای انتشارهای آتی تبدیل می‌شود. گوگل ارتقای ایمنی و پایداری امنیتی این مدل را پررنگ کرده و خاطرنشان می‌سازد که Gemini 4 Carbon در بنچمارک تزریق غیرمستقیم پرامپت Gray Swan، تمامی تلاش‌ها برای وادار کردن مدل به اقدامات غیرمجاز را خنثی کرده است.

گوگل ادعا می‌کند که مدل Carbon ادعاهای بیپایه و بدون سند را در پاسخ‌های خود نسبت به مدل Gemini 4 Argon که تنها دو هفته پیش معرفی شد، به نصف رسانده است. طبق اعلام گوگل، این مدل اگر نتواند اقدامی را به درستی به سرانجام برساند، به‌جای ساختن پاسخی جعلی یا طفره رفتن پیرامون شواهد ناکافی، صراحتاً از انجام آن خودداری می‌کند.

هم‌چنین این مدل در موارد ابهام یا تناقض، به‌جای پیشبرد سرخود اهداف، منابع و اقدامات پیشنهادی را با شفافیت در اختیار کاربر قرار می‌دهد؛ قابلیتی که طبق ادعاها، زیادهروی و نافرمانی مدل را تا ۲۶ درصد کاهش داده است.

در شرایطی که دولت‌ها و شرکت‌ها به دنبال کاربردهای واقعی هوش مصنوعی، پایش دقیق مصرف، مدیریت هزینه توکن‌ها و جلوگیری از ایجاد رخنه‌های امنیتی ناشی از استفاده نادرست کارکنان هستند، معیارهای ایمنی، امنیت و قابلیت اطمینان مدل‌ها اهمیتی حیاتی پیدا می‌کند.

مرز پارتوی جدید در هوش مصنوعی؟

در طول یک سال گذشته، تمرکز آشکار توسعه‌دهندگان مدل‌های پیشرو و وزن‌باز بر کارایی و کاهش هزینه‌ها بوده است. با وجود آنکه ارتقای هوشمندی و بهبود قابلیت‌ها، به‌ویژه از طریق جریان‌های کاری مبتنی بر ایجنت‌ها، با هیاهوی رسانه‌ای فراوانی همراه بوده، اما فاکتور هزینه همواره به‌عنوان یکی از ارکان کلیدی در اطلاعیه‌های بزرگ مطرح شده است.

به نظر نمی‌رسد این روند تغییر کند؛ چراکه جدیدترین پژوهش مؤسسه گارتنر نشان می‌دهد تنها ۳ درصد از شرکت‌ها واقعاً به بهبود بهرهوری و کاهش هزینه‌های ناشی از هوش مصنوعی دست یافته‌اند. از همین رو، هم‌زمان با تلاش سازمان‌ها برای یافتن ارزش واقعی هوش مصنوعی، بهینه‌سازی مصرف توکن و توانمندسازی کارکنان، ثبات عملکرد و قابلیت اطمینان به اولویت اصلی تبدیل شده است.

محاسبه بازگشت سرمایه در پروژه‌های هوش مصنوعی بسیار دشوار است و پدیده توهم این مسیر را پیچیده‌تر می‌کند. اگر گوگل بتواند جدیدترین مدل‌های خود را به‌عنوان ایمن‌ترین سیستم‌ها با کمترین میزان توهم معرفی کند و هم‌زمان هوشمندی بالا را با قیمتی نسبتاً اقتصادی تحویل دهد، احتمالاً به فرمول برنده جدیدی در این رقابت دست یافته است.

دست‌کم تا زمانی که مدل بزرگ بعدی رونمایی شود.