

გამოვიდა Gemini 4 Neon: ოქროს შუალედი Google-ის აზრით
2026 წლის 18 ნოემბერს Google-მა წარადგინა Gemini 4 Neon — ფაქტობრივად, თავის ახალ ხაზში ნაკლული რგოლი. აქამდე არჩევანის გაკეთება უწევდათ მარტივი სკრიპტებისა და რუტინისთვის განკუთვნილ სწრაფ მოდელ Hydrogen-სა და მძლავრ, თუმცა ძვირადღირებულ Carbon-ს შორის.
Neon ორიენტირებულია ტექნიკურ ამოცანებზე: დეველოპმენტზე, ანალიტიკაზე, სამეცნიერო კვლევებსა და კორპორაციულ პროცესებზე. ეს მოდელი წარმოადგენს ერთგვარ ბალანსს მძლავრ, მაგრამ ძვირ Carbon-სა და ყოველდღიურ და იაფ Hydrogen-ს შორის. მოდით ვნახოთ, როგორ არის ის მოწყობილი, რას აჩვენებს ტესტებში და ღირს თუ არა მასზე საკუთარი პაიპლაინების გადაყვანა.

AA Index-ის რეიტინგში (ენობრივი მოდელების შესაძლებლობების შეფასების რეიტინგი, რომელიც შედგება ცხრა გამოცდისგან ოთხი მიმართულებით) მოდელმა xHigh რეჟიმში 61 ქულა დააგროვა და Carbon-სა და Claude Opus 5.5-ზე უფრო ეფექტური და იაფი აღმოჩნდა.

ბენჩმარკები
ბენჩმარკების მიხედვით ყველაფერი ღირსეულად გამოიყურება. Terminal-bench 4.1-სა და FrontierCode 2.0-ში მოდელი ოდნავ ჩამორჩება Claude Opus 5.5-ს, მაგრამ GraphWalks-ის ტესტში, რომელიც აფასებს მოდელის უნარს, იპოვოს კავშირები დიდ გრაფულ სტრუქტურებში, მან 95,2% მიიღო, რაც საგრძნობლად მეტია Claude Opus 5.5-ზე (66,8%) და GPT-6.2 Sol-ზე (80,1%). ეს ბენჩმარკი აჩვენებს, რომ მოდელი ძლიერია დიდი მოცულობის მრავალფეროვან ინფორმაციასთან მუშაობისას.
კოდის მოძიებისა და გასწორების ამოცანებში (SWE-sweep) მოდელმა დააგროვა 39% harness-ის გამოყენებისას და 12,8% SWE-bench-ის harness-ის გამოყენებისას. Opus-მა დააგროვა შესაბამისად 10.1% და 3.6%, ხოლო Sol-მა მიიღო შესაბამისად 8.3% და 11.6%.

მოდელის უსაფრთხოება
ვინაიდან Neon ჩაფიქრებული იყო როგორც მოდელი გარე მონაცემებთან — კოდთან, დოკუმენტებთან და ელფოსტასთან — სამუშაოდ, წინა პლანზე გამოდის არაპირდაპირი პრომპტ-ინექციებისგან დაცვა. ეს ის შემთხვევაა, როდესაც თავდამსხმელი მავნე ბრძანებას პირდაპირ ტექსტის ან რეპოზიტორიის შიგნით მალავს, ნეიროქსელი კი ფაილის გაანალიზებისას მას შემთხვევით ასრულებს.
მეოთხე თაობაში, როგორც ჩანს, Google სერიოზულად მოეკიდა ამ მოწყვლადობას. როგორც უკვე აღვნიშნე Carbon-ის რელიზის განხილვისას:
Google-მა ასევე გააუმჯობესა Carbon-ის მდგრადობა გარე მონაცემების მეშვეობით მავნე ინსტრუქციების ჩანერგვის მიმართ. შეტევა შესაძლებელია, თუ მოდელი აანალიზებს დოკუმენტს ან კოდს, რომელიც შეიცავს აშკარა ან ფარულ ბრძანებებს, რომლებიც ცდილობენ აიძულონ ის, უგულებელყოს შეზღუდვები. Gray Swan Indirect Prompt Injection-ის ბენჩმარკში წარმატებული შეტევების წილმა შეადგინა 0% Argon-ის 0,7%-თან შედარებით.
კარგი ამბავი ის არის, რომ საშუალო სეგმენტისთვის მოდელის გამარტივებისას უსაფრთხოება არ შეუკვეციათ. იმავე Gray Swan Indirect Prompt Injection ტესტში Neon-ის წარმატებული შეტევების წილი ასევე 0%-ის ნიშნულზე რჩება — ზუსტად უფროსი Carbon-ისა და უმცროსი Hydrogen-ის დონეზე. ეს მნიშვნელოვანი პლუსია კორპორაციული სექტორისთვის და იმ პაიპლაინებისთვის, რომლებიც ქსელიდან არასტრუქტურირებულ მონაცემებს ამუშავებენ.

საბოლოო ჯამში, Google-მა საგრძნობლად დაიცვა მოდელების თავისი სამეული და თითქმის შეუძლებელი გახადა მავნე ინსტრუქციების ჩანერგვა. თუმცა ნებისმიერი ტიპის შეტევისგან 100%-ით თავის დაცვა შეუძლებელია, ამიტომ ზედმეტად ოპტიმისტი არ ვიქნებოდი და უსაფრთხოებასთან დაკავშირებულ ნებისმიერ გრაფიკში წარმატებული შეტევების 0%-ს არ დავწერდი.
დასკვნები
Neon, როგორც ზღაპრებშია — ისეც არის და ასეც. არც ისე ძვირი ღირს, როგორც Carbon, და მსჯელობის დონეც უფრო მაღალი აქვს, ვიდრე Hydrogen-ს. გაანალიზებული ბენჩმარკების მიხედვით ყველაფერი ნათელია — მოდელი განკუთვნილია მონაცემთა დიდ მასივებთან სამუშაოდ, კოდის დასაწერად და მის შესამოწმებლად.
წაიკითხეთ შემდეგ
თეგები
გაზიარება
კომენტარები
ჯერ არ არის კომენტარები. იყავი პირველი!



