Gemini 4 Carbon: Google का सबसे ताकतवर AI model

28 अक्टूबर को क्या आया

Gemini 4 परिवार का दूसरा model Carbon लंबे engineering कामों के लिए बना है — और पहले इसे सिर्फ चुने हुए cyber defenders को दिया जा रहा है। इससे ठीक दो हफ्ते पहले Gemini 4 Argon आया था, जो आम reasoning और developer workflows के लिए था। Carbon का फोकस अलग है। इसे लंबे समय तक चलने वाले engineering कामों और defensive cybersecurity के लिए बनाया गया है। Google DeepMind के अनुसार, उसकी अपनी teams ने Carbon को एक ही task पर कई दिनों तक काम करते देखा है, जैसे बड़े codebase में किसी सूक्ष्म bug की जड़ तक पहुँचना और उसे ठीक करना।

Argon से Carbon में क्या बदला

Argon आम reasoning और developer workflows के लिए था। Carbon उन कामों के लिए बना है जहाँ model को लंबे समय तक सोचना होता है और गलती की कीमत ज्यादा होती है, जैसे software की सुरक्षा कमजोरी खोजना और ठीक करना।

पहलू	Gemini 4 Argon	Gemini 4 Carbon
फोकस	आम reasoning, developer workflows	लंबे engineering काम, defensive cybersecurity
Artificial Analysis Index v5.0	50	59 (पहला स्थान)
SEC-bench Pro (कमजोरी खोजना)	83.4%	88.2%
ExploitGym (exploit की पुष्टि)	42.0%	54.8%
CWE-bench (patch बनाना)	68.0%	71.0%
शुरुआती कीमत (प्रति 10 लाख token)	$2 input / $10 output	$2 input / $10 output (वही)
उपलब्धता	आम उपलब्धता	पहले चुने हुए cyber defenders, फिर trusted partners
एक और अहम फर्क भरोसे का है। Google DeepMind के अनुसार, Carbon ने secure code बनाने में Argon से दोगुने से ज्यादा सफलता दिखाई है, पर ये आँकड़े कंपनी के अपने परीक्षणों से हैं, स्वतंत्र पुष्टि अभी नहीं हुई है।

सुरक्षा के तीन चरणों में Carbon कितना आगे है

Carbon को सुरक्षा के तीन चरणों — खोजना, पुष्टि करना, ठीक करना — के हिसाब से तैयार किया गया है।

1. खोजना: SEC-bench Pro पर 88.2 प्रतिशत। यह benchmark यह मापता है कि model असली software में असली कमजोरियाँ खुद खोज सकता है या नहीं। GPT-6 Astra का स्कोर 85.4 प्रतिशत रहा।
2. पुष्टि करना: ExploitGym पर 54.8 प्रतिशत। यह जाँचता है कि कोई कमजोरी सच में exploit की जा सकती है या नहीं, ताकि सुरक्षा टीम पहले सबसे खतरनाक कमजोरी पर ध्यान दे सके। GPT-6 Astra 42.4 प्रतिशत और Claude Opus 5.5 34.5 प्रतिशत पर रहे।
3. ठीक करना: CWE-bench पर 71.0 प्रतिशत। यह जाँचता है कि model पुष्टि की हुई कमजोरी का जड़ से patch बना सकता है या नहीं। Argon और GPT-6 Astra दोनों 68.0 प्रतिशत पर रहे। इन स्कोर के साथ एक चेतावनी भी है। ये cyber benchmark बिना guardrails के चलाए गए थे, और SEC-bench Pro व ExploitGym के स्कोर Google DeepMind ने खुद निकाले हैं। ExploitGym का परीक्षण mitigations बंद करके किया गया था। इसलिए ये स्कोर क्षमता का संकेत तो देते हैं, पर असली दुनिया के सुरक्षित माहौल में प्रदर्शन का सीधा सबूत नहीं हैं। कुल मिलाकर Carbon ने 17 benchmark में से 15 में बढ़त बनाई है, पर हर जगह पहला नहीं है। FrontierSWE पर GPT-6 Astra (65.5 प्रतिशत) और OSWorld-2.1 पर Claude Opus 5.5 (87.2 प्रतिशत) आगे हैं, जबकि Carbon क्रमशः 61.2 और 81.5 प्रतिशत पर है।

कीमत और किसे पहले मिलेगा

Carbon की शुरुआती कीमत Argon के बराबर रखी गई है: प्रति 10 लाख token पर $2 input और $10 output। Cached input पर 95 प्रतिशत की छूट है। शुरुआती अवधि के बाद कीमत बढ़कर $4 input और $20 output हो जाएगी। उपलब्धता चरणों में होगी, और यही इस launch की सबसे अहम बात है। घोषणा वाले हफ्ते से ही Carbon को Fairwind Program के तहत कुछ cyber defenders को दिया जा रहा है। इसके बाद धीरे-धीरे दूसरे trusted partners को मिलेगा, जिनमें सरकारें, critical infrastructure चलाने वाले संगठन और बड़ी tech platforms शामिल हैं। Developers, businesses और आम users को Carbon बाद में मिलेगा, और इसकी कोई तारीख अभी घोषित नहीं हुई है।

भारतीय developers और सुरक्षा टीमों के लिए क्या मतलब है

भारतीय developers के लिए इस खबर का मतलब तुरंत यह नहीं है कि वे कल से Carbon इस्तेमाल कर सकेंगे। शुरुआत सिर्फ चुने हुए cyber defenders तक सीमित है, इसलिए भारत की आम developer community को इंतजार करना होगा। पर दिशा साफ है। बड़े codebase संभालने वाली कंपनियों, जैसे बैंक, telecom और सरकारी digital platforms, के लिए ऐसे model की अहमियत बढ़ रही है। सुरक्षा टीमों के लिए एक और बात ध्यान देने लायक है। Carbon जैसे exploit-capable model हमलावरों के हाथ में भी आ सकते हैं, इसलिए रक्षा पक्ष को भी उसी रफ्तार से मजबूत होना होगा। Google DeepMind ने इसी चिंता के चलते staged access चुना है, यानी पहले भरोसेमंद defenders, फिर बाकी सब। भारतीय सुरक्षा टीमों को अभी से अपनी vulnerability management प्रक्रिया इस तरह तैयार रखनी चाहिए कि जब ऐसे model आम हों, तो उन्हें जाँच और patch के काम में सुरक्षित तरीके से लगाया जा सके।

आसान भाषा में जरूरी शब्द

• Agentic coding: ऐसा model जो सिर्फ code का टुकड़ा सुझाने के बजाय खुद कई कदमों तक काम करे, जैसे bug खोजना, उसे ठीक करना और जाँच करना।
• Exploit-capable model: ऐसा model जो किसी software कमजोरी का फायदा उठाकर यह साबित कर सके कि वह कमजोरी सच में खतरनाक है।
• Staged access / Fairwind Program: model को एक साथ सबको देने के बजाय चरणों में देना, पहले चुने हुए भरोसेमंद cyber defenders को, फिर बाकी users को।

आगे क्या देखना है

अगले हफ्तों में तीन बातों पर नजर रहेगी। पहली, Fairwind Program के तहत किन संगठनों को access मिलता है और उनका feedback क्या रहता है। दूसरी, क्या Google DeepMind developers और businesses के लिए कोई तारीख घोषित करता है। तीसरी, क्या स्वतंत्र परीक्षण Carbon के benchmark दावों की पुष्टि करते हैं, क्योंकि cyber benchmark बिना guardrails के चले थे और rival स्कोर ज्यादातर उन्हीं कंपनियों के बताए हुए हैं। तब तक Carbon को एक ताकतवर पर अभी सीमित model के तौर पर ही देखना चाहिए। 📷 Illustration: AI-generated