Google je najavio Gemini 4 Carbon, novi napredni model umjetne inteligencije, samo dva tjedna nakon što je Gemini 4 Argon postao dostupan u aplikaciji Gemini.

Kao najveće prednosti novog izdanja Carbona istaknute su kibernetička sigurnost i zadaci koji zahtijevaju dugoročno planiranje - složeni procesi koji se sastoje od više koraka ili traju dulje vrijeme.

Tempo kojim tvrtke za umjetnu inteligenciju predstavljaju nove modele znatno se ubrzao posljednjih mjeseci.

Anthropic je objavio Claude Opus 5.5 22. rujna, OpenAI je ranije tog mjeseca lansirao GPT-6 Astra, a Google je 30. rujna najavio model Argon, koji je 13. listopada postao dostupan pretplatnicima usluga Google AI Pro i Ultra.

Svaki od laboratorija preuzimao je vodeću poziciju u razmaku od svega nekoliko tjedana.

Kao i u slučaju Argona, Google najavljuje Carbon znatno prije nego što će on biti dostupan široj javnosti. Zasad mu može pristupiti mala skupina stručnjaka za kibernetičku sigurnost. Nije poznato kad će biti pušten u širi opticaj.

Testiranje autonomnih sposobnosti

Prema Googleovoj usporednoj tablici, Carbon ostvaruje najbolje rezultate u 15 od 17 testova u usporedbi s modelima Argon, GPT-6 Astra, Claude Opus 5.5 i Claude Fable 5.1.

Svi podaci u ovom dijelu preuzeti su iz Googleovih izvještaja.

GPT-6 Astra i dalje predvodi na FrontierSWE 2, testu iz područja softverskog inženjerstva. Claude Opus 5.5 vodi na testu OSWorld-2.1, koji mjeri koliko dobro model može upravljati računalom. Značajna promjena u odnosu na Argon jest ta što Google sada navodi rezultate za Terminal-Bench 4.0 koje je provela tvrtka Artificial Analysis. umjesto oslanjanja na vlastite podatke.

Terminal-Bench 4.0 mjeri sposobnost AI modela za samostalno izvršavanje stvarnih tehničkih zadataka, poput instaliranja softvera ili popravljanja neispravnog koda, upisivanjem naredbi u računalni terminal.

Riječ je o jednom od najzahtjevnijih testova za procjenu autonomnih (agentskih) sposobnosti velikih jezičnih modela. To je važno jer rezultati koje su tvrtke prijavljivale za modele konkurenata nisu se uvijek podudarali s rezultatima neovisnih testiranja.

Na testu Terminal-Bench 4.0, model Carbon ostvaruje rezultat za oko osam bodova bolji od modela Argon, čime prestiže model Opus 5.5.

Google također navodi kako Carbon može danima raditi na složenim inženjerskim problemima. U razvoju web stranica zauzeo je četvrto mjesto na ljestvici WebDev Arena, gdje korisnici ocjenjuju web stranice koje je izradila umjetna inteligencija.

Artificial Analysis Intelligence Index jedna je od najpraćenijih neovisnih ljestvica za AI modele. Tvrtka Artificial Analysis sama provodi niz testova, a njihove rezultate objedinjuje u jedinstvenu, složenu ocjenu. U najnovijoj verziji 5.0, model Carbon postiže 59 bodova, što je jedan bod više od modela Claude Opus 5.5.

Ove rezultate ne treba izravno uspoređivati ​​s prethodnim izdanjem indeksa. Razlika od jednog boda prilično je mala, pa bi je sljedeće izdanje iz tvrtki OpenAI ili Anthropic moglo lako poništiti.

Sigurnost i zaštitne mjere

Carbon koristi isti sigurnosni sustav kao i Argon, koji uključuje nadzor nad procesom zaključivanja modela, uz dodatni fokus na usklađivanje kako bi se model ponašao u skladu s namjerama svojih tvoraca. Prema Googleovim internim testiranjima, Carbon se ponaša primjerenije od svog prethodnika.

Carbon navodno nikada nije uspješno prevario sustav na testu Terminal-Bench 4.0. Drugim riječima, nije pronašao prečac kojim bi izvršio zadatak bez stvarnog obavljanja posla, a pokušao je varati u svega 0,4 posto slučajeva. Tijekom internog rada na programiranju, broj upozorenja o ozbiljnim odstupanjima u ponašanju - koja ukazuju na to kako model djeluje na način koji programeri nisu predvidjeli - smanjio se za gotovo 80 posto.

Također, Carbon iznosi otprilike upola manje neutemeljenih tvrdnji nego Argon.

Na testu ubacivanja uputa (prompt injection) organizacije Gray Swan, koji provjerava mogu li skrivene naredbe preuzeti kontrolu nad modelom, Carbon je blokirao svaki pokušaj napada, što je napredak u odnosu na Argon, kod kojeg je 0,7 posto napada bilo uspješno.

Kako isprobati Gemini 4 Carbon?

Google nije naveo točan datum javnog lansiranja. Kada Carbon postane dostupan putem API-ja, cijena bi trebala biti jednaka uvodnoj cijeni za Argon:

• dva američka dolara za milijun ulaznih tokena
• 10 USD za milijun izlaznih tokena
• pohranjeni (cached) ulazni tokeni uz popust od 95 posto u odnosu na cijenu ulaznih tokena.

Time bi Carbon trebao ostati cjenovno povoljniji nego konkurencija, piše Mashable.