
گوگل تنها سه هفته پس از معرفی نسخه ۳.۷، از مدل هوش مصنوعی Gemini 3.8 Flash رونمایی کرد. این سومین مدل اقتصادی این غول فناوری طی شش هفته گذشته است. این سرعت بالای عرضه نشاندهنده تمرکز ویژه گوگل بر بهینهسازی نسبت قیمت به عملکرد است؛ اگرچه توسعهدهندگان همچنان در انتظار معرفی مدلهای پرچمدار و بزرگتر این شرکت هستند.
مدل Gemini 3.8 Flash در دو نسخه منتشر شده است: یک نسخه عمومی برای استدلال و برنامهنویسی و یک نسخه تخصصی با نام 3.8 Flash Cyber برای حوزه امنیت سایبری. طبق ارزیابیهای منتشرشده، این مدل در بنچمارک مهندسی نرمافزار DeepSWE v1.1 به امتیاز ۷۳.۷ درصد دست یافته که جهش عظیمی نسبت به امتیاز ۶۵.۳ درصدی نسخه ۳.۷ محسوب میشود و حتی مدلهای قدرتمندی مانند GPT-5.6 Sol را پشت سر میگذارد.
بر اساس ارزیابیهای مستقل مجموعه Artificial Analysis، شاخص هوش این مدل به عدد ۵۹ رسیده است که آن را در سطح مدلهای مطرح بازار قرار میدهد. این ارتقای عملکرد عمدتاً ناشی از بهبود توانایی مدل در بهکارگیری ابزارها و حل مسائل پیچیده بهصورت عاملمحور (Agentic) است.
گوگل همچنین از بهبود قابلیتهای این مدل در ساخت محیطهای سهبعدی خبر داده است. Gemini 3.8 Flash میتواند با استفاده از ابزار کدنویسی Antigravity و تلفیق آن با مدلهای تولید تصویر گوگل، بازیها و پروژههای سهبعدی را تنها از روی دستورات متنی ساده پیادهسازی کند.
قیمت پایه Gemini 3.8 Flash به ازای هر میلیون توکن ورودی ۰.۷۵ دلار و برای توکنهای خروجی ۳.۷۵ دلار تعیین شده است که نرخ بسار اقتصادیتری در مقایسه با رقبا دارد. با این حال، گوگل اعلام کرده که این مدل برای تحلیل دستورات پیچیده، مراحل استدلال بیشتری را طی میکند و ابزارها را بهصورت تکرارشونده فرا میخواند.
این فرایند استدلال عمیقتر باعث میشود تا تعداد توکنهای مصرفی به ازای هر دستور افزایش یابد. در نتیجه، اگرچه قیمت پرداختی به ازای هر توکن ثابت مانده، اما هزینه کلی انجام یک وظیفه کامل نسبت به نسخه ۳.۷ حدود ۴۰ درصد افزایش یافته است. گوگل به کاربران پیشنهاد میکند برای پروژههایی که سرعت و صرفهجویی در مصرف توکن اولویت اصلی است، سطح استدلال مدل را کاهش داده یا همچنان از نسخه ۳.۷ استفاده کنند.
نسخه امنیتی این خانواده یعنی Gemini 3.8 Flash Cyber بهصورت عمومی منتشر نمیشود و تنها از طریق برنامههای نظارتی در اختیار سازمانهای دولتی، توسعهدهندگان زیرساختهای حیاتی و مدافعان سایبری قرار میگیرد. این مدل دارای تنظیمات ایمنی متفاوتی است تا بتواند کدهای مخرب را جهت کشف آسیبپذیریها تحلیل کند.
در بنچمارکهای تخصصی کشف آسیبپذیری مانند CyberGym، این مدل موفق به ثبت امتیاز ۸۶.۲ درصد شده است. همچنین در برابر حملات تزریق پرامپت (Prompt Injection) مقاومت بسیار بالایی نشان داده و نرخ موفقیت نفوذ به آن تنها ۵.۵ درصد گزارش شده است که یکی از بهترین آمارهای ثبتشده در صنعت هوش مصنوعی به شمار میرود.
این مطلب بر اساس خبر The Decoder بازنویسی و ترجمه شده است.
دیدگاهها۰
برای ثبت نظر، پرسش یا رأی ابتدا وارد حساب کاربری شوید.