1Gemini 4 Carbon
नं. 1 — Gemini 4 Carbon. 10 में से 8 AI की सूचियों में; वहाँ मध्य स्थान: 1.5. खामियाँ ढूँढने और ठीक करने में इसके सार्वजनिक रूप से छपे अंक सबसे ऊँचे हैं, हालाँकि टेस्ट सिर्फ़ गूगल ने चलाए हैं और इसे लगभग कोई इस्तेमाल नहीं कर सकता।
क्या आप जानते हैं
फेयरविंड के आवेदकों की पृष्ठभूमि की जाँच होती है। मंज़ूर टीमों को अंदरूनी सुरक्षा, सुरक्षा घटनाओं से निपटने (incident-response) या सिस्टम में सेंध लगाकर कमज़ोरियाँ परखने (penetration testing) वाला स्टाफ़ होना चाहिए, और उनके संगठनों को देखना होगा कि मॉडल कैसे इस्तेमाल होता है। मैलवेयर विश्लेषण जैसे दोहरे उपयोग वाले काम सिर्फ़ रक्षा या शैक्षणिक उद्देश्य के लिए ही अनुमत हैं।
- यह क्या है
- गूगल का शीर्ष सुरक्षा मॉडल, जो केवल सत्यापित फेयरविंड रक्षकों के लिए खुला है।
- इसकी बढ़त
- यहाँ सबसे ऊँची सुधार दर: CWE-bench पर 71%, और खामियाँ ढूँढने में 88.2%।
- किसके लिए सही
- सत्यापित फेयरविंड सुरक्षा टीमों के लिए ठीक है; छोटी कंपनियाँ और आम लोग इसे अभी नहीं पा सकते।
- CWE-bench: ठीक की गई खामियाँCWE-bench पर 71.0%
यह यहाँ क्यों है
साइबर सीमाएँ हटाया गया संस्करण सिर्फ़ गूगल की अपनी टीमों और फेयरविंड से मंज़ूर सुरक्षा समूहों को जाता है। लॉन्च के समय फेयरविंड में 650+ संगठन थे, और आम लोगों को मॉडल “जितनी जल्दी हो सके” मिलेगा, पर कोई तारीख़ नहीं दी गई।
ध्यान रखें
ब्लूमबर्ग ने बताया कि जिन गूगल कर्मचारियों की पहुँच है, उनका कहना है कि असली कोडिंग कामों में मॉडल बेंचमार्क के अंकों से कमज़ोर निकलता है। गूगल ने ब्लूमबर्ग को बताया कि यह ग़लत है। मुझे कोई स्वतंत्र, प्रत्यक्ष जाँच नहीं मिली।