گوگل از مدل‌های جدید Gemini رونمایی کرد: تمرکز بر سرعت، هزینه و امنیت سایبری

آنچه میخوانید

Toggle

رقابت در دنیای هوش مصنوعی هر روز داغ‌تر می‌شود و غول‌های فناوری مدام در حال رونمایی از جدیدترین دستاوردهای خود هستند. در همین راستا، گوگل به تازگی با معرفی مدل‌های جدید Gemini، یعنی نسخه‌های 3.6 Flash، 3.5 Flash-Lite و مدل تخصصی 3.5 Flash Cyber، قدم بزرگی در جهت افزایش کارایی، کاهش هزینه‌ها و تقویت امنیت برداشته است. این یک خبر هیجان‌انگیز برای توسعه‌دهندگان و کسب‌وکارهایی است که به دنبال ساخت ایجنت‌های هوش مصنوعی در مقیاس بزرگ هستند.

در این مقاله، قصد داریم با هم نگاهی عمیق و دقیق به این مدل‌های جدید بیندازیم و ببینیم هر کدام چه ویژگی‌هایی دارند و چگونه می‌توانند آینده تعامل ما با هوش مصنوعی را شکل دهند. پس با ما همراه باشید تا این به‌روزرسانی مهم از Google DeepMind را بررسی کنیم.

معرفی نسل جدید: خانواده Flash گسترش می‌یابد

گوگل با درک نیاز توسعه‌دهندگان به مدل‌هایی با سرعت بالاتر، هزینه کمتر و عملکرد قابل اعتماد، سه عضو جدید را به خانواده Gemini اضافه کرده است. هدف اصلی این مدل‌های جدید Gemini، ایجاد تعادل میان کیفیت و بهره‌وری برای ساخت سیستم‌های هوشمند (Agentic Workflows) است. هر یک از این مدل‌ها برای کاربرد خاصی طراحی شده‌اند.

برای درک بهتر تفاوت‌های این سه مدل، بیایید نگاهی به جدول زیر بیندازیم:

نام مدل (Model Name)	ویژگی کلیدی	کاربرد اصلی
Gemini 3.6 Flash	کارایی و کیفیت بالاتر، مصرف توکن کمتر (تا ۱۷٪)	مدل همه‌کاره (Workhorse) برای کدنویسی و پردازش‌های چندوجهی
Gemini 3.5 Flash-Lite	سریع‌ترین و اقتصادی‌ترین مدل	وظایف با حجم بالا، پردازش اسناد و جستجوی هوشمند
Gemini 3.5 Flash Cyber	بهینه‌سازی شده برای کشف و رفع آسیب‌پذیری‌های امنیتی	ابزارهای امنیت سایبری با هوش مصنوعی مانند CodeMender

به صورت کامل تر و جامع تر اگر بخواهیم مقایسه مدل های جدید جمینای را داشته باشیم ، عکس زیر راهنمای بزرگی است :

Gemini 3.5 Flash Cyber: هوش مصنوعی، سپر دفاعی جدید در امنیت سایبری

شاید جالب‌ترین عضو این خانواده جدید، مدل Gemini 3.5 Flash Cyber باشد. گوگل سال‌هاست که در زمینه امنیت سایبری سرمایه‌گذاری می‌کند و ابزارهایی مانند CodeMender را برای یافتن و رفع خودکار آسیب‌پذیری‌ها توسعه داده است. اما با پیشرفت هوش مصنوعی، سرعت کشف حفره‌های امنیتی از سرعت رفع آن‌ها پیشی گرفته است.

اینجاست که Flash Cyber وارد میدان می‌شود. این مدل سبک‌وزن که بر پایه 3.5 Flash ساخته شده، به طور خاص برای یافتن، اعتبارسنجی و وصله کردن سریع آسیب‌پذیری‌ها آموزش دیده است. اما چرا یک مدل سبک بهتر است؟

پاسخ در «مسئله فضای جستجو» (Search Space Problem) نهفته است. پیدا کردن یک نقص عمیق در یک کدبیس بزرگ، نیازمند بررسی مسیرهای اجرایی بی‌شماری است. استفاده از یک مدل غول‌پیکر و گران‌قیمت برای هر بررسی، یک گلوگاه بزرگ ایجاد می‌کند. در مقابل، CodeMender می‌تواند مدل سبک و ارزان Flash Cyber را چندین بار فراخوانی کند تا مسیرهای کد بیشتری را تحلیل کرده و در نهایت یک گزارش باکیفیت ارائه دهد. شاید برای رقابت با امنیت کلاد کد ساخته شده و رقابت کاملی با آن دارد.

نتایج شگفت‌انگیز در بنچمارک‌ها

عملکرد این مدل در بنچمارک‌های معتبری مانند CyberGym فوق‌العاده بوده و توانسته با مدل‌های بسیار بزرگ‌تر رقابت کند. جالب‌تر اینکه در تست‌های داخلی گوگل مانند Big Sleep که روی کدبیس‌های پیچیده‌ای مثل کروم و سافاری انجام شد، Flash Cyber به مراتب بهتر از مدل‌های اصلی 3.5 Flash و 3.6 Flash عمل کرد. این مدل حتی توانست آسیب‌پذیری‌های منحصربه‌فردی را در موتور جاوا اسکریپت V8 پیدا کند که مدل‌های دیگر از جمله Claude Opus 4.6 از کشف آن‌ها عاجز بودند.

با توجه به ماهیت دوگانه این فناوری، گوگل رویکردی محتاطانه در پیش گرفته و Flash Cyber فعلاً فقط به صورت محدود و آزمایشی در اختیار دولت‌ها و شرکای معتمد قرار خواهد گرفت تا مدافعان خط مقدم یک قدم از مهاجمان جلوتر باشند.

: بهینه‌سازی هوش مصنوعی برای کارایی و مقیاس‌پذیری

علاوه بر مدل امنیتی، گوگل دو مدل دیگر را نیز برای کاربردهای عمومی‌تر معرفی کرده است که هر دو بر بهینه‌سازی هوش مصنوعی تمرکز دارند.

Gemini 3.6 Flash: قوی‌تر و اقتصادی‌تر

این مدل که به عنوان «اسب کاری» (Workhorse) جدید گوگل شناخته می‌شود، بهبودهای قابل توجهی نسبت به نسخه قبلی خود یعنی جمینای 3 فلش داشته است. مهم‌ترین ویژگی‌های آن عبارتند از:

• کاهش مصرف توکن: این مدل تا ۱۷٪ توکن خروجی کمتری مصرف می‌کند که به معنی کاهش هزینه‌هاست.
• عملکرد بهتر در کدنویسی: در بنچمارک DeepSWE، دقت آن در ویرایش کد از ۳۷٪ به ۴۹٪ افزایش یافته است.
• توانایی‌های چندوجهی (Multimodal): در تحلیل اسناد، نمودارها و داده‌ها عملکرد بهتری از خود نشان داده است.
• ایمنی پیشرفته: با حفاظ‌های ایمنی جدید در برابر سوءاستفاده‌های سایبری و بیولوژیکی مقاوم‌تر شده است.

Gemini 3.5 Flash-Lite: قهرمان سرعت و مقیاس

اگر سرعت و حجم پردازش برای شما اولویت دارد، Flash-Lite بهترین گزینه است. این مدل برای وظایفی طراحی شده که نیاز به توان عملیاتی (Throughput) بالا دارند.

1. سرعت فوق‌العاده: با سرعت ۳۵۰ توکن خروجی در ثانیه، سریع‌ترین مدل در سری ۳.۵ است.
2. هزینه بسیار پایین: قیمت آن به طور قابل توجهی کمتر از سایر مدل‌هاست و برای پردازش‌های حجیم ایده‌آل است.
3. کیفیت بهبودیافته: با وجود سرعت و قیمت پایین، کیفیت آن در وظایف کدنویسی و استدلال، حتی از مدل قدیمی‌تر 3 Flash نیز بهتر است.

نگاهی به آینده: Gemini 3.5 Pro و Gemini 4 در راهند

با وجود این رونمایی هیجان‌انگیز، جای خالی مدل پرچمدار Gemini Pro در این به‌روزرسانی حس می‌شود. در حالی که رقبایی مانند OpenAI و Anthropic مدل‌های پیشرفته خود را عرضه کرده‌اند، عرضه Gemini 3.5 Pro با تأخیر مواجه شده است. به گفته گوگل، این مدل در حال حاضر با شرکا در حال آزمایش است و به زودی در دسترس عموم قرار خواهد گرفت.

همزمان، تیم دیپ‌مایند جاه‌طلبانه‌ترین پیش‌آموزش خود را برای Gemini 4 آغاز کرده است که نشان می‌دهد رقابت برای ساخت قدرتمندترین مدل هوش مصنوعی جهان همچنان با تمام قوا ادامه دارد.

🚀 از آخرین اخبار جا نمانید

جدیدترین مدل‌های هوش مصنوعی و اخبار فناوری را دنبال کنید.

🎬 معرفی FLUX 3 مدل چندوجهی جدید برای تولید ویدیو

⚡ پیش‌نمایش Qwen 3.8 نگاهی به نسل جدید مدل Qwen

🧠 Claude Opus 5 بررسی کامل قدرتمندترین مدل Claude

جمع‌بندی نهایی

رونمایی از مدل‌های جدید Gemini نشان‌دهنده استراتژی هوشمندانه گوگل برای پاسخ به نیازهای متنوع بازار است. در اینجا چند نکته کلیدی را مرور می‌کنیم:

1. تمرکز بر کارایی: گوگل به وضوح دریافته است که هزینه و سرعت، فاکتورهای کلیدی برای پذیرش گسترده هوش مصنوعی هستند.
2. امنیت به عنوان اولویت: معرفی یک مدل تخصصی برای امنیت سایبری با هوش مصنوعی، گامی مهم در جهت ایمن‌سازی دنیای دیجیتال است.
3. تقسیم‌بندی هوشمندانه: ارائه مدل‌های مختلف (Flash, Flash-Lite, Cyber) به کاربران اجازه می‌دهد تا ابزار مناسب را برای کار خود انتخاب کنند.

این به‌روزرسانی‌ها نه تنها قابلیت‌های بیشتری را با هزینه کمتر در اختیار توسعه‌دهندگان قرار می‌دهند، بلکه نشان می‌دهند که نبرد هوش مصنوعی وارد مرحله جدیدی از بهینه‌سازی و کاربردهای تخصصی شده است. باید منتظر ماند و دید که پاسخ رقبا به این حرکت گوگل چه خواهد بود.

منبع: Google Blog