بررسی مدل Gemini 3.8 Flash؛ جدیدترین ارتقای هوش مصنوعی Google فراتر از انتظار است

شرکت Google مدل‌های جدید هوش مصنوعی خود را به نمایش می‌گذارد. (منبع تصویر: Google)

شرکت Google دو مدل هوش مصنوعی جدید را روانه بازار کرده است: Gemini 3.8 Flash (که به عنوان «مدل کاری هوشمند» برای پرامپت‌های روزمره شناخته می‌شود) و Gemini 3.8 Flash Cyber (که برای محافظت از امنیت سایبری در دسترس «مدافعان مورد اعتماد» قرار دارد). با وجود اینکه تنها چند هفته از عرضه Gemini 3.7 می‌گذرد، مدل جدید پیشرفت‌های قابل‌توجهی را به همراه آورده است.

بنا بر اعلام Google، قابلیت‌های استدلال و کدنویسی در Gemini 3.8 Flash بهتر از همیشه شده و پیشرفت‌های «چشمگیری» در زمینه «مهندسی نرم‌افزار، وظایف ایجنتیک و استدلال‌های حیاتی و چندمرحله‌ای در حوزه‌های تخصصی» ایجاد شده است. بنابراین، این به‌روزرسانی بیشتر برای استفاده‌های پیشرفته هوش مصنوعی طراحی شده است تا پرامپت‌نویسی ساده. در حال حاضر، مدل Gemini 3.8 Flash برای کاربرانی که از طرح‌های AI Pro (با هزینه ۱۹٫۹۹ دلار در ماه) یا AI Ultra (با هزینه ۹۹٫۹۹ یا ۱۹۹٫۹۹ دلار در ماه) استفاده می‌کنند، در دسترس قرار گرفته است. با این حال، هنوز خبری از این مدل برای کاربران نسخه رایگان یا طرح AI Plus (۷٫۹۹ دلار در ماه) نیست؛ اگرچه معمولاً با گذشت زمان و انتشار آپدیت‌های جدید، این مدل‌ها به سطوح پایین‌تر نیز راه پیدا می‌کنند.

نسخه جدید و بهبودیافته Gemini Flash

سردرگمی کاربران در میان انبوه مدل‌های هوش مصنوعی سری Gemini که Google در ماه‌های اخیر منتشر کرده، کاملاً طبیعی است. مدتی است که این مدل‌ها به دسته‌های Flash-Lite، Flash و Pro تقسیم شده‌اند. هرچه به مدل‌های بالاتر این مقیاس حرکت کنید، هوش مصنوعی کندتر، در استدلال‌های عمیق و درخواست‌های پیچیده توانمندتر، و البته گران‌تر می‌شود (ناگفته نماند که این مدل‌ها دارای سطوح تفکر متفاوتی نیز هستند).

در دسته Pro، همچنان مدل Gemini 3.1 Pro که در فوریه ۲۰۲۶ عرضه شد، پیشتاز است. اگرچه در رویداد Google I/O در ماه می به نسخه بعدی آن اشاره شد، اما هنوز به صورت عمومی منتشر نشده است. در مقابل، سری Flash با سرعت بسیار بیشتری در حال توسعه است و تنها چند ماه پیش در دسامبر بود که پیش‌نمایش اولیه Gemini Flash 3.0 ارائه شد.

مدل Gemini 3.8 Flash اکنون در طرح‌های Pro و Ultra در دسترس قرار دارد.

اکنون با مدل Gemini 3.8 Flash روبه‌رو هستیم. طبق بنچمارک‌های منتشرشده از سوی Google، این مدل نسبت به نسل قبلی خود در مدیریت «مهندسی نرم‌افزار با افق طولانی» (یعنی پروژه‌های کامل به جای ابزارهای کوچک)، کارهای دانشی (ترکیب و کاوش عمیق در اطلاعات)، فرآیندهای پیچیده حقوقی، تحلیل‌های مالی و فعالیت‌های ایجنتیک پیشرفت کرده است. بر اساس گزارش Google، مدل Gemini 3.8 Flash در حل مسائل پیچیده مهندسی مهارت ویژه‌ای دارد و در زمینه استدلال چندمرحله‌ای در علوم، ریاضیات، علوم انسانی و حوزه‌های حرفه‌ای بهبود یافته است. این هوش مصنوعی برای یافتن پاسخ‌ها عمق بیشتری را کاوش می‌کند، بررسی‌های بیشتری روی دقت آنها انجام می‌دهد و در ترکیب اسکیلز مختلف برای ارائه یک پاسخ واحد، عملکرد بهتری دارد.

نسخه‌ای از Google Maps با سبک MS-DOS که توسط Gemini 3.8 Flash ایجاد شده است. (منبع تصویر: Google)

تدابیر امنیتی نیز در این نسخه لحاظ شده‌اند؛ این هوش مصنوعی دارای محدودیت‌هایی است که از سوءاستفاده در زمینه‌های شیمیایی، بیولوژیکی، رادیولوژیکی، هسته‌ای و همچنین پرسش‌های مربوط به حملات سایبری جلوگیری می‌کند. علاوه بر این، مقاومت آن در برابر حملات تزریق پرامپت (تلاش‌هایی که با مهندسی پرامپت سعی در وادار کردن هوش مصنوعی به رفتارهای مخرب دارند) نسبت به قبل افزایش یافته است. روی هم رفته، همه‌چیز جذاب به نظر می‌رسد و دموهای ارائه‌شده توسط Google نیز این موضوع را تایید می‌کنند. برای مثال، یکی از این دموها نسخه کاملاً فعال Google Maps در رابط کاربری MS-DOS است که به خصوص برای کاربرانی که از دوران خط فرمان با کامپیوترها کار می‌کردند، بسیار جالب خواهد بود.

مقایسه عملکرد Gemini 3.8 Flash و Gemini 3.6 Flash

در بررسی‌های انجام‌شده برای ارزیابی عملکرد این مدل، Gemini 3.8 Flash در مقابل مدل Gemini 3.6 Flash (که در دسترس کاربران رایگان است) در چندین تسک مختلف قرار گرفت. این آزمون‌ها شامل طراحی یک انیمیشن تعاملی از منظومه شمسی، خلاصه‌سازی و ساده‌سازی یک مقاله علمی سنگین و تحلیل ایمیل‌های دریافتی یک هفته اخیر در حساب Gmail بود.

در وهله اول، سرعت Gemini 3.8 Flash به شکل قابل‌توجهی بالاتر بود: ساخت شبیه‌سازی فضایی با این مدل ۲۳ ثانیه طول کشید، در حالی که این زمان برای نسخه قبلی ۲۷ ثانیه بود. همچنین خلاصه‌سازی مقاله علمی در ۱۵ ثانیه (در برابر ۲۰ ثانیه) انجام شد؛ با این حال در بررسی ایمیل‌ها عملکرد هر دو مدل تقریباً برابر بود. با تعمیم این تفاوت‌های درصدی به پروژه‌های عظیم و وظایف چندگانه، مشخص می‌شود که مدل جدید در انجام کارها به مراتب سریع‌تر است.

رندر منظومه شمسی که توسط مدل Gemini 3.6 Flash تولید شده است.

نسخه واقع‌گرایانه‌تر و پرجزئیات‌تر تولیدشده توسط Gemini 3.8 Flash.

در آزمایش منظومه شمسی، شبیه‌سازی‌های هر دو مدل شباهت زیادی به هم داشتند؛ این موضوع شاید نشان‌دهنده پیشرفت سریع آن‌ها باشد، تا جایی که چنین وظایفی اکنون برایشان بسیار ساده به نظر می‌رسد. با این حال، کیفیت رندرهای Gemini 3.8 Flash اندکی بهتر بود و سیارات به وضوح «واقعی‌تر» به نظر می‌رسیدند. در بخش خلاصه‌سازی مقالات علمی نیز هر دو مدل هوش مصنوعی توانستند به خوبی از پس این مسئله دشوار برآیند. البته، مدل Gemini 3.6 Flash خلاصه‌ای قابل‌فهم‌تر ارائه داد که شاید به دلیل ساده‌تر بودن ساختار آن باشد؛ اما بررسی‌ها نشان داد که تصاویر و نمودارهای ارائه‌شده توسط Gemini 3.8 Flash بسیار کاربردی‌تر هستند (شایان ذکر است که تصاویر در هر دو مورد توسط مدل پردازش تصویر Nano Banana 2 تولید می‌شوند، اما اطلاعات پایه توسط مدل زبانی اصلی تامین می‌شود).

تمام مدل‌های Gemini از یک ابزار تولید تصویر یکسان استفاده می‌کنند، اما اطلاعات متفاوتی را به آن منتقل می‌کنند.

تصویرسازی‌های مدل Gemini 3.8 Flash (تصویر پایین) به طور کلی برای درک و تحلیل، ساختار واضح‌تری داشتند.

در چالش بررسی ایمیل‌ها، تفاوت چندانی بین این دو مدل دیده نشد؛ هر دو مدل محتوای صندوق ورودی را به دقت خلاصه کردند و همان مواردی را که نیاز به توجه داشتند، برجسته ساختند. اگرچه مدیریت ایمیل‌ها همچنان کاری است که بسیاری از افراد ترجیح می‌دهند شخصاً انجام دهند، اما قابلیت اطمینان این مدل‌های هوش مصنوعی روزبه‌روز در حال افزایش است.

افزایش سرعت و پیچیدگی که Google درباره آن صحبت کرده بود، حتی در بررسی‌های مقیاس‌کوچک نیز به وضوح قابل مشاهده است. نکته حائز اهمیت این است که ساخت مینی‌اپلیکیشن‌های تحت وب و کاوش در مقالات پیچیده فیزیک، اکنون هم برای مدل‌های Flash و هم برای نسخه‌های Pro به امری آسان و سرراست تبدیل شده است؛ موضوعی که می‌تواند برای کاربرانی که به فکر تهیه طرح‌های پولی هوش مصنوعی Google هستند، یک عامل ترغیب‌کننده باشد.