Gemini 4 Carbon
مدل پیشروی متمرکز بر امنیت Google DeepMind. متن و یک تصویر اختیاری بههمراه پرامپت سیستمی و میزان استدلال را میپذیرد و هزینه بر اساس توکن محاسبه میشود.
Gemini 4 Carbon مدل پیشروی متمرکز بر امنیت Google DeepMind در مجموعه Gemini 4 است. Google گزارش میدهد که این مدل در Artificial Analysis Intelligence Index رتبه اول را دارد و در معیارهای کشف، بهرهبرداری و وصلهکردن آسیبپذیریها به نتایج پیشرفتهای رسیده است؛ همچنین در تولید کد امن از Gemini 4 Argon قویتر عمل میکند.Muapi، Gemini 4 Carbon را از طریق یک نقطه پایانی ساده با ورودی متن و تصویر، پرامپت سیستمی اختیاری، کنترل reasoning_effort، صورتحساب توکنی با نرخ $4.00 برای هر یک میلیون توکن ورودی و $20.00 برای هر یک میلیون توکن خروجی، و همان الگوی ناهمزمان ارسال و بررسی مانند سایر مدلها ارائه میدهد.
Gemini 4 Carbon اکنون از طریق API در دسترس است
امتحان کنید: Gemini 4 Carbon را در محیط آزمایشی امتحان کنید، یا با کلید API Muapi از کد خودتان فراخوانی کنید. برای دیدن Gemini 4 hub، Gemini 4 Argon و همه مدلهای دیگر Gemini 4 را ببینید.
مدل پیشروی متمرکز بر امنیت Google DeepMind. متن و یک تصویر اختیاری بههمراه پرامپت سیستمی و میزان استدلال را میپذیرد و هزینه بر اساس توکن محاسبه میشود.
Gemini 4 Carbon مدل متمرکز بر امنیت مجموعه Gemini 4 در Google DeepMind است. این مدل در Artificial Analysis Intelligence Index رتبه اول را دارد و طبق گزارش Google در معیارهای پیشرفته کشف آسیبپذیری (SEC-bench Pro)، بهرهبرداری (ExploitGym) و وصلهکردن (CWE-bench) به نتایجی پیشرفته رسیده است؛ همچنین در ارزیابی داخلی Google، نرخ موفقیت تولید کد امن آن بیش از دو برابر Gemini 4 Argon بوده است. این ارقام نتایج گزارششده از سوی Google هستند و اندازهگیریهای Muapi نیستند.
Muapi آن را بهصورت یک نقطه پایانی gemini-4-carbon ارائه میدهد. یک prompt همراه با image_url، system_prompt و reasoning_effort (low، medium یا high) بفرستید و سپس نقطه پایانی مشترک نتیجه را بررسی کنید. برای سطح عمومی Gemini 4، Gemini 4 Argon را ببینید؛ برای گفتگوی روزمره سریعتر و ارزانتر، Gemini 3.8 Flash.
برای یافتن، بهرهبرداری از و وصلهکردن آسیبپذیریها طراحی شده و طبق گزارش Google در معیارهای امنیتی نتایج قدرتمندی دارد.
طبق ارزیابی داخلی Google، کدهایی بنویسید و بازبینی کنید که در مقایسه با سطح قبلی Gemini 4 نقصهای امنیتی کمتری دارند.
reasoning_effort را روی low، medium (پیشفرض) یا high تنظیم کنید تا در مسائل دشوار، سرعت و هزینه را با عمق استدلال متعادل کنید.
برای پرسش درباره اسکرینشاتها، نمودارهای معماری یا اسناد اسکنشده، یک تصویر را همراه پرامپت خود اضافه کنید.
بدون اشتراک، برای هر یک میلیون توکن ورودی $4.00 و برای هر یک میلیون توکن خروجی $20.00 پرداخت کنید.
توابع و درخواستهای ادغام را از نظر نقصهای تزریق، ایمنی حافظه و احراز هویت ممیزی کنید و سپس وصلهها را پیشنویس کنید.
یافتهها را بر اساس CWE دستهبندی کنید، امکان بهرهبرداری را توضیح دهید و رفع آنها را اولویتبندی کنید.
با استدلال قدرتمند، کارهای مهندسی چندمرحلهای را برنامهریزی و اجرا کنید.
از Carbon بهعنوان هسته استدلال عاملهای چندمرحلهای و گردشکارهای خودکار استفاده کنید.
با پیوست کردن تصویر، درباره اسکرینشاتها، نمودارها و صفحات اسکنشده سؤال بپرسید.
| ویژگی | Gemini 4 Carbon | Gemini 4 Argon |
|---|---|---|
| جایگاه | استدلال پیشروی متمرکز بر امنیت | استدلال پیشروی عمومی |
| پنجره زمینه | از سوی Google منتشر نشده | زمینه و خروجی یکپارچه 1M توکنی |
| ورودی | متن، تصویر، پرامپت سیستمی، میزان استدلال | متن، تصویر، پرامپت سیستمی |
| قیمت (ورودی / خروجی بهازای هر 1M توکن) | $4.00 / $20.00 | $2.00 / $10.00 |
| حداقل هزینه هر فراخوانی | $0.0004 | $0.0002 |
| مناسب برای | تحلیل آسیبپذیری و کد امن | کدنویسی بلندمدت و تحلیل عمیق |
یک درخواست JSON با کلید API Muapi ارسال کنید، شناسه درخواست را ذخیره کنید و برای دریافت متن کاملشده نقطه پایانی مشترک نتیجه را بررسی کنید.
curl -X POST https://api.muapi.ai/api/v1/gemini-4-carbon \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt":"Audit this function for injection vulnerabilities and propose a patch","system_prompt":"You are a senior application security engineer.","reasoning_effort":"high"}'
# Response: {"request_id":"REQUEST_ID"}gemini-4-carbon را با یک prompt و در صورت تمایل system_prompt، image_url و reasoning_effort فراخوانی کنید.
curl https://api.muapi.ai/api/v1/predictions/REQUEST_ID/result \ -H "x-api-key: YOUR_API_KEY" # Poll until status is completed, then read the generated text from outputs.
تا کامل شدن وظیفه بررسی کنید، سپس متن تولیدشده را از outputs بخوانید.
Gemini 4 Carbon مدل پیشروی متمرکز بر امنیت Google DeepMind در مجموعه Gemini 4 است. این مدل در Artificial Analysis Intelligence Index رتبه اول را دارد و در یافتن، بهرهبرداری از و وصلهکردن آسیبپذیریها، و نیز کدنویسی و استدلال عمومی توانمند است.
صورتحساب بهازای هر توکن است: $4.00 برای هر یک میلیون توکن ورودی و $20.00 برای هر یک میلیون توکن خروجی، با حداقل هزینه $0.0004 در هر فراخوانی. توکنهای استدلال جزو خروجی محسوب میشوند. اشتراکی وجود ندارد.
این گزینه میزان استدلال مدل پیش از پاسخ را تعیین میکند: low، medium (پیشفرض) یا high. میزان بالاتر، عمق پاسخ به مسائل دشوار را افزایش میدهد، اما کندتر است و توکنهای خروجی بیشتری مصرف میکند.
بله. برای پرسش درباره یک اسکرینشات، نمودار یا سند عکاسیشده، یک image_url را همراه پرامپت ارسال کنید.
این نقطه پایانی ناهمزمان است. بلافاصله یک request_id دریافت میکنید، سپس نقطه پایانی نتیجه predictions را بررسی میکنید یا یک URL وبهوک میدهید تا هنگام آماده شدن متن مطلع شوید.
Carbon مدل جدیدتر و متمرکز بر امنیت است که طبق گزارش Google در یافتن آسیبپذیریها و تولید کد امن نتایج بهتری دارد؛ Argon سطح عمومی استدلال پیشرو با زمینه 1M توکنی است. هر دو از فیلدهای یکسان prompt، image_url و system_prompt استفاده میکنند و Carbon فیلد reasoning_effort را نیز دارد.
خیر. ارقام معیارها و ارزیابیهای ذکرشده در این صفحه نتایجی هستند که Google گزارش کرده است. پیش از اتکا به مدل برای تصمیمهای امنیتی، کد خود را ارزیابی کنید و از یک متخصص بخواهید یافتهها و وصلهها را بازبینی کند.
با یک API، استدلال پیشروی متمرکز بر امنیت را به محصول خود اضافه کنید.