جمینی ۴ آرگون؛ مدل مرزی گوگل با قابلیت کشف خودکار آسیب‌پذیری و مهاجرت ۸۰۰ هزار خط کد

در هفته‌ای که شاهد معرفی مدل‌های جدیدی مانند Claude Sonnet 5.5 و GPT-6.1 Sol بودیم، گوگل هم از مدل مرزی (Frontier) جدید خود به نام Gemini 4 Argon پرده برداشت. اما برخلاف رقبا که تمرکز اصلی را روی بهبود عمومی قابلیت‌ها گذاشته‌اند، گوگل می‌گوید آرگون یک ابزار تخصصی و بی‌نظیر برای متخصصان امنیت سایبری و مهندسان نرم‌افزار است. این مدل که از طریق برنامه امنیتی Fairwind فعلا تنها در دسترس گروهی از مدافعان سایبری قرار دارد، وعده می‌دهد شیوه مقابله با تهدیدات پیچیده و بازنویسی سیستم‌های حیاتی را دگرگون کند.

قدرت پردازش انبوه و استدلال طولانی‌مدت

یکی از ارتقاءهای شاخص آرگون، سقف خروجی توکن بسیار بالاست. این مدل حالا می‌تواند تا ۱ میلیون توکن را در یک نوبت تولید کند؛ رقمی که از حد قبلی ۶۴ هزار توکن بسیار فراتر رفته و یک رکورد صنعتی است. این ظرفیت امکان می‌دهد مسائل پیچیده با استدلال عمیق‌تر در همان نوبت حل شوند. گوگل می‌گوید این قابلیت برای وظایف طولانی‌مدت مثل تحلیل کدهای حجیم، تحقیقات حقوقی یا مالی چندمرحله‌ای و درک ویدیوهای بلند حیاتی است.

قیمت‌گذاری و دسترسی: آرگون با قیمت آغازین (introductory) ۲ دلار برای هر میلیون توکن ورودی و ۱۰ دلار برای هر میلیون توکن خروجی عرضه می‌شود. توکن‌های ورودی کش‌شده نیز با ۹۵٪ تخفیف نسبت به قیمت اصلی محاسبه می‌شوند. دسترسی عمومی به این مدل هنوز محدود است و پس از مرحله آزمایش با متخصصان امنیتی، ابتدا در اختیار مشترکان پلن Google AI Ultra و مشتریان API قرار خواهد گرفت.

دستاوردهای ملموس در مهندسی نرم‌افزار گوگل

گروه‌های داخلی گوگل ماه‌هاست از آرگون برای وظایف روزمره تا پروژه‌های عظیم استفاده می‌کنند. عملکرد این مدل در دنیای واقعی، فراتر از نمرات بنچ‌مارک است:

مهاجرت انبوه کد به Rust: تیم‌های مبتنی بر آرگون در حال مهاجرت کدهای عظیم C/C++ به Rust در سطح گوگل هستند. این پروژه‌ها از ده‌ها هزار خط کد در کتابخانه‌های اصلی مانند re2 و libgav1 شروع شده و تا بیش از ۸۰۰ هزار خط کد برای هسته Fuchsia Zircon ادامه دارد. به دلیل حساسیت این سیستم‌ها، بازنویسی‌ها پیش از استقرار در محیط تولید، تحت بازبینی و آزمایش‌های سختگیرانه خودکار و دستی قرار می‌گیرند.

بهینه‌سازی عملکرد: یک مثال برجسته، پروژه libgav1 (دیکودر ویدیویی متن‌باز گوگل) است. عامل‌های آرگون یک پورت موجود Rust را گرفتند و با اجرای دورهای متعدد آزمایش‌های مبتنی بر پروفایل و مطالعه خروجی کامپایلر، ۳۲ هزار خط کد SIMD را جایگزین کردند. نتیجه نهایی، یک دیکودر ویدیویی امن از نظر حافظه (memory-safe) است که ۲.۷ برابر سریع‌تر از پورت Rust قبلی اجرا می‌شود و خروجی ویدیویی یکسانی دارد.

صرفه‌جویی کلان در منابع: یک تیم از عامل‌های آرگون با تحلیل داده‌های تله‌متری در سطح مراکز داده گوگل، بهینه‌سازی‌های حافظه را به صورت خودکار شناسایی و اعمال کردند. این اقدام پس از استقرار کامل، بیش از ۳۰۰ ترابایت از حافظه را آزاد خواهد کرد و کل صرفه‌جویی برآوردشده بین ۵۰۰ ترابایت تا ۱ پتابایت برآورد می‌شود.

ابزار تازه برای دفاع سایبری

تمرکز اصلی در رونمایی اولیه آرگون، بر قابلیت‌های دفاع سایبری آن است. گوگل این مدل را به‌گونه‌ای آموزش داده که بتواند آسیب‌پذیری‌های حیاتی نرم‌افزار را به صورت خودکار پیدا، تایید و وصله کند. برای متحدان امنیتی مورد اعتماد و تیم‌های داخلی گوگل، این مدل بدون محدودیت‌های محافظتی عرضه می‌شود تا از حداکثر توان آن استفاده شود.

کشف آسیب‌پذیری‌های پنهان: شرکت امنیتی Wiz در چارچوب ابتکار «Scan for Good» از آرگون برای محافظت از زیرساخت‌های حیاتی عمومی استفاده می‌کند. در یک نمایش اولیه، آرگون یک آسیب‌پذیری بحرانی را در نرم‌افزار مورد استفاده بیمارستان‌های سراسر جهان کشف کرد که اطلاعات حساس شخصی را در معرض خطر قرار می‌داد؛ خطری که مدل‌های مرزی قبلی از قلم انداخته بودند.

برتری در بنچ‌مارک‌های امنیتی: در بنچ‌مارک CWE-bench v1 که توانایی مدل در رفع آسیب‌پذیری‌های امنیتی را می‌سنجد، آرگون با نمره ۶۸٪ در رتبه اول قرار دارد. همچنین در بنچ‌مارک داخلی تست نفوذ جعبه‌سیاه Wiz (که سیستم‌های زنده وب را بدون دسترسی به سورس‌کد تحلیل می‌کند)، آرگون در کشف سطح حمله، شناسایی آسیب‌پذیری‌ها و تولید شواهد برای تایید آن‌ها از مدل قبلی گوگل (3.8 Flash Cyber) پیشی گرفته است.

عملکرد برتر در بنچ‌مارک‌های تخصصی

گزارش گوگل نشان می‌دهد آرگون در بسیاری از معیارهای سنجش عامل‌های هوش مصنوعی (Agentic Benchmarks) پیشتاز است:

شاخص والس: آرگون مدل پیشرو در شاخص والس (Vals Index) است. این شاخص که تاثیر اقتصادی را در حوزه‌های مالی، برنامه‌نویسی، حقوقی و مالیاتی می‌سنجد، با وزن‌دهی بر اساس سهم هر بخش از تولید ناخالص داخلی آمریکا محاسبه می‌شود.

وظایف تخصصی: آرگون در بنچ‌مارک‌هایی مانند Harvey’s Legal Agent Benchmark (تحقیق و تنظیم قراردادهای حقوقی)، Vals Finance Agent v2 (تحقیقات مالی چندمرحله‌ای) و AutomationBench محصول Zapier (اجرای سرتاسری توابع اصلی کسب‌وکار) با نمره ۵۱.۳٪ رتبه اول را دارد. همچنین در LVBench (درک ویدیوهای بلند) با نمره ۹۱.۷٪ رتبه برتر را حفظ کرده است.

مهندسی نرم‌افزار: در DeepSWE v1.1 که عملکرد مدل در وظایف مهندسی نرم‌افزار بلندمدت واقعی را اندازه می‌گیرد، آرگون با نمره ۷۷.۹٪ رکورد جدیدی ثبت کرده است.

تقویت محافظ‌های امنیتی پیش از عرضه گسترده

با توجه به قدرت مرزی آرگون، گوگل تاکید کرده که پیش از عرضه گسترده، چهار حوزه محافظتی حیاتی را تقویت می‌کند:

دفاع در برابر سوءاستفاده: برای جلوگیری از استفاده بدافزارانه از آرگون در حملات سایبری یا CBRN (شیمیایی، زیستی، رادیولوژیکی و هسته‌ای)، مدل طوری طراحی شده که درخواست‌های مضر را رد کند و در عین حال، تحقیقات علمی مشروع دو‌منظوره را ممکن نگه دارد.

مقاومت در برابر تزریق پرامپت: گوگل می‌گوید آرگون مقاوم‌ترین مدل این شرکت در برابر حملات تزریق غیرمستقیم پرامپت است و در بنچ‌مارک Gray Swan’s Indirect Prompt Injection (IPI) پیشتاز است.

پایش ناهماهنگی (Misalignment): سیستم‌هایی مستقر شده‌اند تا زنجیره فکر و اقدامات آرگون را زیر نظر بگیرند و اگر مدل هنگام انجام یک وظیفه از حدود قصد کاربر خارج شد، اجرا متوقف شود.

سخت‌سازی محیط‌های آزمون: گوگل محیط‌های ایزوله و سندباکس خود را برای آموزش و ارزیابی‌های پرریسک مدل‌های مرزی تقویت و مهروموم می‌کند.

با وجود عملکرد چشمگیر در بنچ‌مارک‌ها، تجربه عملی با این مدل است که می‌تواند ادعاهای گوگل را محک بزند. در حالی که رقبایی مانند OpenAI و Anthropic نیز مدل‌های مرزی خود را معرفی کرده‌اند، گوگل با تمرکز اولیه بر امنیت سایبری و مهندسی نرم‌افزار در مقیاس صنعتی، مسیر متفاوتی را برای آرگون ترسیم کرده است.