جمینی ۳.۵ پرو: چرا بزرگ‌ترین مدل گوگل ۶۷ روز تأخیر دارد؟

دسته · هوش مصنوعی

گوگل ۶۷ روز پیش وعده‌ی جمینی ۳.۵ پرو را داد؛ سه سررسید گذشت، سهام ۴.۴ درصد ریخت، و مدل همچنان نیامده.

۱. وعده‌ای که ماند: تایم‌لاین کامل تأخیرها

در کنفرانس Google I/O، ۱۹ می ۲۰۲۶، سانداری پیچای با لحنی مطمئن از جمینی ۳.۵ پرو گفت: مدل پرچمداری که قرار بود رقیب مستقیم Claude Opus 5 و GPT-5.6 باشد. او گفت: «انتظار داریم ظرف یک ماه آینده در دسترس باشد.» اما یک ماه گذشت و خبری نشد.

در ۱۶ ژوئیه، بلومبرگ گزارش داد که مدل به اهداف داخلی کدنویسی نرسیده و یک به‌روزرسانی داده‌ی آموزشی نتایج را بدتر کرده. سهام آلفابت همان روز ۴.۴ درصد کاهش یافت — معادل محو شدن حدود ۲۰۰ میلیارد دلار از ارزش بازار. سررسید بعدی به ۱۷ ژوئیه موکول شد. آن تاریخ هم رد شد. حالا، در پایان ژوئیه، API رسمی گوگل هنوز Gemini 3.1 Pro را مدل پرچمدار نشان می‌دهد، با نشانی زرد: «3.5 Pro coming soon».

در بخش اخبار هوش مصنوعی MrChatGPT می‌توانید آخرین تحولات مدل‌های زبانی بزرگ را دنبال کنید.

۲. ریشه‌ی تأخیر: از باگ کدنویسی تا بازسازی کامل پایه

علت اصلی تأخیر سطحی نبود. مهندسان گوگل در آزمون‌های داخلی «شکست‌های ساختاری در فراخوانی ابزارهای تو در تو (recursive tool-calling) و تولید SVG» کشف کردند. این باگ‌ها برای کاربران سازمانی که قرار بود به Gemini در محیط‌های پیچیده‌ی عامل (agentic) متکی باشند، غیرقابل قبول بود.

تصمیم بی‌سابقه‌ای گرفته شد: پایه‌ی مدل کاملاً کنار گذاشته شد و پیش‌آموزش از نو با پایه‌ی Gemini 3 اصلی آغاز گردید. این یعنی ماه‌ها کار اضافی — و یعنی سررسیدهایی که هرگز قابل پیش‌بینی نخواهند بود. این نوع بازسازی کامل (full pretraining restart) در تاریخ مدل‌های بزرگ نادر است و هزینه‌ی محاسباتی عظیمی دارد.

مشکل به‌روزرسانی داده

در کنار مشکل معماری، یک به‌روزرسانی داده‌ی آموزشی در اواخر ژوئن «نتایج را بدتر کرد» — پدیده‌ای که در جامعه‌ی پژوهشی به «data poisoning در مرحله‌ی fine-tuning» معروف است. ترکیب این دو مشکل — باگ معماری و کاهش کیفیت داده — توضیح می‌دهد چرا تیم مجبور شد از صفر شروع کند.

۳. رقبا منتظر نماندند

در همان ماه‌هایی که گوگل با مشکلات داخلی دست‌وپنجه نرم می‌کرد، رقبا بی‌وقفه مدل می‌فرستادند:

آنتروپیک Claude Sonnet 5 را با قیمت شفاف ۲ تا ۳ دلار برای هر میلیون توکن ورودی عرضه کرد. Claude Opus 5 — که اواخر ژوئیه رسید — به رتبه‌ی اول اکثر معیارهای پیچیده‌ی استدلال رسید. در مقاله‌ی معرفی OpenAI در MrChatGPT می‌توانید درباره‌ی تاریخچه‌ی رقابت هوش مصنوعی بیشتر بخوانید.

xAI گراک ۴.۵ را با ۲ دلار برای هر میلیون توکن راه‌اندازی کرد. OpenAI GPT-5.6 را — هرچند در ابتدا فقط برای ۲۰ شریک منتخب — منتشر کرد. DeepSeek V4 با یک میلیون توکن زمینه‌ای تأیید شد. حتی Moonshot AI با انتشار Kimi K3 با ۲.۸ تریلیون پارامتر، بزرگ‌ترین مدل متن‌باز تاریخ را رونمایی کرد.

گوگل با مدل پرچمداری که روی میز نبود، در برابر این موج ایستاده بود. برای مقایسه‌ی دقیق‌تر ChatGPT با رقبا، این مقاله‌ی تحلیلی را بخوانید.

۴. سه مدل فلش: جایگزین یا وقت‌کشی؟

برای پر کردن خلأ، گوگل در ۲۱ ژوئیه سه مدل از خانواده‌ی Flash منتشر کرد:

Gemini 3.6 Flash — مدل کاری روزمره با کاهش ۱۷ درصدی مصرف توکن و بهبود در کدنویسی و وظایف چندرسانه‌ای. این مدل برای کاربردهای عامل‌محور در مقیاس بزرگ طراحی شده. Gemini 3.5 Flash-Lite — گزینه‌ی اقتصادی برای حجم‌های درخواستی بالا و تأخیر کم. Gemini 3.5 Flash Cyber — نسخه‌ای تخصصی برای شناسایی و رفع آسیب‌پذیری‌های امنیت سایبری، با دسترسی محدود به دولت‌ها و شرکای خاص.

این مدل‌ها بی‌ارزش نیستند. Gemini 3.6 Flash در بنچمارک‌های کارایی واقعی نتایج قابل قبولی نشان داد. اما بازار — و به‌ویژه خریداران سازمانی — به دنبال مدلی بود که برای وظایف پیچیده‌ی استدلال با Claude Opus 5 رقابت کند. Flash این هدف را برآورده نمی‌کند.

برای آشنایی با نحوه‌ی استفاده از مدل‌های هوش مصنوعی در کار روزمره، آموزش‌های ChatGPT در MrChatGPT را ببینید.

۵. خروج استعداد و فشار منابع

در همان بازه‌ای که تأخیرها اعلام می‌شد، چهار محقق ارشد گوگل DeepMind شرکت را ترک کردند و به آنتروپیک پیوستند. این خروج در صنعتی که استعدادها کمیاب‌ترین منبع است، پیام روشنی دارد.

همزمان، گوگل دسترسی متا به نودهای محاسباتی Gemini را محدود کرد — نه به‌خاطر سیاست، بلکه چون ظرفیت پاسخ‌گویی به حجم درخواست‌های API را نداشت. این نشانه‌ای از فشار شدید منابع محاسباتی درون شرکت است؛ فشاری که در بسیاری از شرکت‌های بزرگ هوش مصنوعی دیده می‌شود. در این مقاله درباره‌ی محدودیت‌های واقعی هوش مصنوعی می‌توانید بیشتر بخوانید.

۶. سهام آلفابت و تأثیر مالی

پیامد مالی تأخیر فوری و محسوس بود. سهام آلفابت (GOOG) پس از گزارش اولین تأخیر در ۱۶ ژوئیه ۴.۴ درصد کاهش یافت. بر اساس ارزش بازار آلفابت در آن روز، این یعنی تبخیر حدود ۲۰۰ میلیارد دلار از ارزش شرکت در یک روز — فقط به‌خاطر یک محصول که هنوز نرسیده. در دنیای هوش مصنوعی ۲۰۲۶، بازار با تأخیرهای مدل حوصله‌ای ندارد.

تحلیل‌گران وال استریت هم سریع واکنش نشان دادند. برخی از موسسات بزرگ هدف قیمتی خود برای آلفابت را تا اطلاع ثانوی در صف انتظار گذاشتند. دلیل؟ Gemini به‌عنوان موتور درآمد جدید گوگل — از جست‌وجو تا Google Cloud — معرفی شده بود و تأخیر در پرچمدار، سوالاتی درباره‌ی زمان‌بندی درآمدزایی ایجاد کرد.

۷. استراتژی Gemini 4: فرار به جلو یا برنامه‌ریزی واقعی؟

در همان اطلاعیه‌ای که تأخیر Gemini 3.5 Pro را تأیید کرد، گوگل اعلام کرد «پیش‌آموزش Gemini 4 آغاز شده». این اعلام جنجال‌ساز بود. برخی تحلیل‌گران آن را «فرار به جلو» تفسیر کردند — تلاشی برای منحرف کردن توجه از شکست 3.5 Pro. اما دیدگاه دیگری هم وجود دارد: پیش‌آموزش مدل‌های بزرگ ماه‌ها طول می‌کشد و شروع آن همزمان با تأخیر 3.5 Pro ممکن است نشان‌دهنده‌ی درس گرفتن از اشتباه باشد.

برای درک بهتر اینکه چرا هوش مصنوعی برای کسب‌وکارها مهم است، این مقاله‌ی کاربردی را مطالعه کنید.

۸. چه باید انتظار داشت؟

لوگان کیلپاتریک از گوگل DeepMind گفته است: «تیم در حال آزمون با شرکای استراتژیک است و انتظار داریم به‌زودی برسد.» اما «به‌زودی» دیگر اعتبار قبلی را ندارد. سه بار «به‌زودی» گفته شد و نرسید.

تحلیل‌گران پیش‌بینی می‌کنند Gemini 3.5 Pro اگر برسد، احتمالاً در قالب «انتشار مرحله‌ای» خواهد بود — ابتدا برای شرکای سازمانی، سپس گسترده‌تر. این استراتژی به گوگل اجازه می‌دهد در صورت یافتن باگ جدید، بدون ضرر رسانه‌ای بزرگ عقب‌نشینی کند. اما اگر تأخیر دیگری رخ دهد، خریداران سازمانی که الان به سرعت جایگزین انتخاب می‌کنند، برای همیشه از دست خواهند رفت. در صنعتی که سرعت اهمیت دارد، دومین فرصت گران‌بها نیست.

پرسش‌های متداول (FAQ)

جمینی ۳.۵ پرو کِی عرضه می‌شود؟

تا پایان ژوئیه ۲۰۲۶ هیچ تاریخ رسمی اعلام نشده. گوگل می‌گوید «به‌زودی» اما سه سررسید قبلی رد شده‌اند. تحلیل‌گران پاییز ۲۰۲۶ را محتمل‌ترین بازه می‌دانند.

چرا گوگل مدل را کاملاً بازسازی کرد؟

کشف «شکست‌های ساختاری در فراخوانی ابزارهای تو در تو و تولید SVG» باعث شد که بهبود تدریجی کافی نباشد. پایه‌ی مدل از صفر با پایه‌ی Gemini 3 بازسازی شد.

آیا مدل‌های Flash جایگزین خوبی هستند؟

Gemini 3.6 Flash برای کاربردهای روزمره و عامل‌محور خوب است. اما برای وظایف پیچیده‌ی استدلال و کدنویسی، جایگاه یک مدل پرچمدار را ندارد.

چه تأثیری بر کاربران فعلی Gemini دارد؟

کاربران فعلی همچنان به Gemini 3.1 Pro و مدل‌های Flash دسترسی دارند. اما کاربردهایی که نیاز به قابلیت‌های پیشرفته‌تر استدلال دارند، ممکن است نیاز به انتقال به پلتفرم‌های رقیب را بررسی کنند. برای یادگیری نوشتن پرامپت بهتر برای هر مدل هوش مصنوعی، این راهنمای ساده را ببینید.

آیا Gemini 4 زودتر از 3.5 Pro می‌آید؟

بعید است. پیش‌آموزش Gemini 4 تازه آغاز شده و ماه‌ها طول می‌کشد. گوگل همچنان متعهد به عرضه‌ی 3.5 Pro است.