مرداد
اخبار
گوگل مدل Gemini 3.7 Flash را منتشر کرد؛ کدنویسی قدرتمندتر با قیمتی نصفشده
گوگل با انتشار Gemini 3.7 Flash تنها سه هفته پس از مدل قبلیاش، هم در آزمونهای کدنویسی از Claude Sonnet 5 و GPT-5.6 جلو زده و هم قیمت را نصف کرده است.
لیست مطالب
۱. گوگل دقیقاً چه چیزی معرفی کرد؟
شرکت گوگل روز چهارشنبه از Gemini 3.7 Flash رونمایی کرد؛ تازهترین عضو خانوادهی مدلهای سبک و سریع جمینای که اینبار تمرکز اصلیاش روی کدنویسی، توسعهی وب و ایجنتهای هوش مصنوعی گذاشته شده است. این مدل جانشین مستقیم Gemini 3.6 Flash است که خودش هم مدلی محبوب میان توسعهدهندهها بود، اما گوگل تنها سه هفته بعد از آن، نسخهای منتشر کرده که به گفتهی این شرکت «قدرتمندترین مدل کارگر گوگل تا امروز برای کدنویسی و ایجنتها» است.
مهمترین ویژگی این عرضه، فاصلهی زمانی کوتاه آن با مدل قبلی است. در حالی که تا چند سال پیش شرکتهای بزرگ هوش مصنوعی هر شش تا دوازده ماه یک نسخهی تازه منتشر میکردند، حالا این فاصله به چند هفته رسیده. گوگل این جهش را نتیجهی «بهبودهای الگوریتمی» میداند، نه صرفاً افزایش قدرت سختافزاری، که خودش نشانهی رقابت فشردهی سه غول بزرگ یعنی گوگل، OpenAI و Anthropic است.
سرعت انتشار؛ استراتژی تازهی گوگل
کارشناسان بازار میگویند این ریتم سریع انتشار احتمالاً ادامهدار خواهد بود. گوگل بهجای انتظار برای یک جهش بزرگ در معماری مدل، ترجیح میدهد با بهروزرسانیهای کوچک و پیوسته، همیشه در صدر جدول عملکرد باقی بماند؛ رویکردی که فشار زیادی هم روی رقبا برای عرضهی سریعتر مدلهای خودشان وارد میکند.
۲. رشد چشمگیر در بنچمارکهای کدنویسی
دادههای رسمی گوگل نشان میدهد جهش عملکرد در این نسخه واقعاً قابل توجه است. در آزمون DeepSWE که مهارت مدل در رفع باگهای واقعی نرمافزاری را میسنجد، امتیاز از ۴۹.۰ درصد در نسخهی قبلی به ۶۵.۳ درصد در Gemini 3.7 Flash رسیده؛ رشدی بیش از ۱۶ واحد درصد در فقط سه هفته. در آزمون FrontierCode هم که پیچیدگی وظایف مهندسی نرمافزار را ارزیابی میکند، امتیاز از ۳۴.۴ به ۴۳.۶ درصد افزایش یافته است.
امتیاز مدل در WebDev Arena، که کیفیت رابطهای کاربری تولیدشده توسط هوش مصنوعی را میسنجد، از ۱۵۳۸ به ۱۵۸۸ رسیده و گوگل میگوید این یعنی برنامههای خروجی مدل حالا «چیدمانهای کاربردیتر و کاملتری» دارند. در آزمونهای مرتبط با کارهای دانشی و اسناد تخصصی مانند GDP.pdf، رشد از ۲۲.۰ به ۳۴.۰ درصد و در AutomationBench، که خودکارسازی فرایندهای کسبوکار را میسنجد، جهش از ۱۷.۰ به ۳۰.۴ درصد ثبت شده است.
۳. مقایسه با Claude Sonnet 5 و GPT-5.6 Terra
نکتهای که این عرضه را برای بازار مهم میکند، ادعای گوگل دربارهی برتری نسبت به دو رقیب اصلی است. طبق بنچمارکهای منتشرشده توسط این شرکت، Gemini 3.7 Flash در آزمونهای کدنویسی از هر دو مدل Claude Sonnet 5 ساخت Anthropic و GPT-5.6 Terra ساخت OpenAI پیشی گرفته است. البته باید در نظر داشت که این نمرات را خود گوگل منتشر کرده و ارزیابیهای مستقل و بیطرف بازار، همیشه بهترین معیار برای سنجش دقیق چنین ادعاهایی هستند.
اگر این نتایج در استفادهی روزمرهی توسعهدهندهها هم تأیید شود، میتواند تعادل قدرت در بازار مدلهای اختصاصی کدنویسی را جابهجا کند؛ بازاری که تا امروز عملاً میدان رقابت مستقیم بین Claude و GPT بوده است. علاقهمندان به درک بهتر جایگاه شرکتهای سازندهی این مدلها میتوانند نگاهی هم به معرفی کامل OpenAI و ماموریتش بیندازند.
شایان ذکر است این سومین باری است که در کمتر از یک ماه، یکی از سه شرکت بزرگ ادعای برتری در بنچمارکهای کدنویسی میکند؛ چرخهای که برای کاربر نهایی هم فرصت است و هم چالش. از یک طرف قیمتها پیوسته پایین میآید و کیفیت بالا میرود، اما از طرف دیگر انتخاب «بهترین مدل» برای یک پروژهی مشخص روزبهروز سختتر میشود، چون هر چند هفته رتبهبندیها جابهجا میشوند.
۴. قیمتگذاری تازه و تأثیرش بر بازار
در کنار جهش عملکرد، تغییر قیمت هم یکی از نکات کلیدی این عرضه است. گوگل قیمت هر یک میلیون توکن ورودی را ۰.۷۵ دلار و هر یک میلیون توکن خروجی را ۳.۷۵ دلار تعیین کرده؛ یعنی دقیقاً نصف قیمت مدلی که تنها سه هفته پیش با همین سطح قیمت عرضه شده بود. به بیان دیگر، توسعهدهندهها حالا با هزینهای برابر با گذشته، به مدلی بهمراتب قویتر دسترسی دارند.
این کاهش قیمت همزمان با فشار رقابتی سنگینی است که مدلهای چینی مثل DeepSeek V4 Pro و GLM-5.3 ساخت Z.ai روی بازار وارد کردهاند. جالب است که DeepSeek اخیراً برخلاف روند معمول، قیمت برخی مدلهایش را تا ۱۱۰۰ درصد افزایش داده تا از رقابت صرف بر سر قیمت پایین فاصله بگیرد؛ در نتیجه گوگل با کاهش قیمت، دقیقاً در نقطهی مقابل این استراتژی ایستاده و میخواهد هم ارزانتر و هم قویتر باشد. کسانی که علاقهمند به مقایسهی رویکرد مدلهای غربی و چینی هستند، میتوانند مقایسهی ChatGPT و DeepSeek در یک نبرد شطرنجی را هم بخوانند.
۵. کاربردهای فراتر از کدنویسی
بهبودهای Gemini 3.7 Flash تنها به نوشتن کد محدود نمیشود. گوگل میگوید این مدل در برنامهریزی چندمرحلهای و استفاده از ابزارهای بیرونی هم پیشرفت محسوسی داشته؛ یعنی وقتی یک ایجنت هوش مصنوعی باید چند وظیفهی پیاپی و وابسته به هم را انجام دهد، مدل بهتر میتواند مسیر درست را پیدا کند، با موانع غیرمنتظره کنار بیاید، و در صورت ابهام، نیت واقعی کاربر را روشنتر تشخیص دهد.
در حوزههای دانشی مانند تحلیل مالی، بررسی اسناد حقوقی و پردازش دادههای زیستشناسی هم بهبود قابل توجهی گزارش شده است. کسبوکارهایی که به دنبال استفادهی عملی از این نوع مدلها هستند، میتوانند در مطلب اهمیت هوش مصنوعی در کسبوکار ۲۰۲۵ جزئیات بیشتری پیدا کنند.
۶. چطور از این مدل بهتر استفاده کنیم؟
استفادهی درست از یک مدل قدرتمند مثل Gemini 3.7 Flash، بیش از هر چیز به کیفیت پرامپتها بستگی دارد. توسعهدهندههایی که هنوز با اصول نوشتن پرامپت آشنا نیستند، میتوانند از راهنمای سادهی نوشتن پرامپت شروع کنند تا خروجی مدل را دقیقتر و قابلاعتمادتر کنند. با این حال، تکیهی بیش از حد به مدلهای کدنویس نباید جای مهارت واقعی مهندسی نرمافزار را بگیرد؛ موضوعی که در تحلیل توهم توسعهدهندهی تنها در برابر مهندس واقعی بهخوبی بررسی شده است.
۷. در دسترس بودن مدل برای توسعهدهندهها
هماکنون Gemini 3.7 Flash از چند مسیر مختلف در دسترس است: نسخهی Spark در اپلیکیشن Gemini برای مشترکان AI Pro و AI Ultra، محیط توسعه Google AI Studio، ابزار Android Studio برای توسعهی اپلیکیشنهای اندرویدی، پلتفرم Gemini Enterprise Agent برای سازمانها، و همچنین ابزار تازهی Google Antigravity. گوگل همچنین اعلام کرده سازوکارهای ایمنی مدل در حوزههای حساس مانند سلاحهای شیمیایی، بیولوژیک و هستهای و همچنین حملات سایبری را بهروزرسانی کرده تا کاربردهای مفید حفظ شود اما ریسک سوءاستفاده کاهش یابد.
۸. جایگاه این عرضه در جنگ گستردهتر مدلهای زبانی
انتشار Gemini 3.7 Flash در بحبوحهی رقابتی داغ در صنعت هوش مصنوعی اتفاق افتاده است. تنها در همین چند روز اخیر، OpenAI مدل امنیتی GPT-5.6-Cyber را معرفی کرده، Anthropic قرارداد زیرساخت محاسباتی بزرگی برای بیست سال امضا کرده، و Meta هم مدل چندوجهی Muse Glimmer را برای اجرا روی سختافزارهای مصرفی منتشر کرده است. در چنین فضایی، هر شرکتی که سریعتر و ارزانتر مدل قدرتمند عرضه کند، سهم بیشتری از توسعهدهندهها و مشتریان سازمانی را جذب خواهد کرد.
پیگیری اینگونه اخبار برای هر کسی که در حوزهی فناوری کار میکند اهمیت زیادی دارد؛ علاقهمندان میتوانند تازهترین رویدادهای این حوزه را در بخش اخبار هوش مصنوعی دنبال کنند و برای یادگیری عملی هم سری به آموزشهای ChatGPT بزنند.
در مقیاسی بزرگتر، غولهای فناوری در مجموع نزدیک به ۱.۵ تریلیون دلار برای زیرساخت محاسباتی، تراشه و انرژی هوش مصنوعی متعهد شدهاند؛ رقمی که نشان میدهد رقابت مدلها فقط بر سر نرمافزار نیست، بلکه پشت صحنهی آن یک مسابقهی تسلیحاتی زیرساختی هم در جریان است. در همین حال، تنها در ماه ژوئیهی امسال چهل شرکت نوپا برای اولین بار به ارزشگذاری یک میلیارد دلاری رسیدند که بیشترین رقم ثبتشده در بیش از چهار سال اخیر است؛ آماری که نشان میدهد سرمایهگذاران همچنان با اشتیاق زیادی روی آیندهی هوش مصنوعی شرطبندی میکنند.
۹. نکاتی که کاربران باید در نظر داشته باشند
هرچند آمار گوگل چشمگیر است، کارشناسان مستقل هشدار میدهند بنچمارکهای داخلی شرکتها همیشه بازتاب دقیقی از عملکرد در دنیای واقعی نیستند. تجربهی هر کاربر با یک مدل میتواند بهشدت به نوع پروژه، زبان برنامهنویسی و پیچیدگی وظیفه بستگی داشته باشد؛ به همین دلیل توصیه میشود پیش از جایگزین کردن کامل ابزار توسعهی فعلی، Gemini 3.7 Flash روی چند پروژهی واقعی و کوچک آزمایش شود و نتایج با ابزار فعلی مقایسه گردد.
نکتهی دیگر اینکه رقابت شدید بر سر قیمت، هرچند برای کاربران نهایی سودمند است، میتواند فشار مالی سنگینی روی شرکتهای کوچکتر هوش مصنوعی وارد کند؛ شرکتهایی که توان رقابت با بودجهی تحقیقاتی گوگل، OpenAI و Anthropic را ندارند. چنین روندی در بلندمدت ممکن است بازار مدلهای زبانی را بیشتر در اختیار چند بازیگر بزرگ متمرکز کند.
۱۰. سوالات متداول دربارهی Gemini 3.7 Flash
پرسش: Gemini 3.7 Flash چه زمانی منتشر شد؟ پاسخ: این مدل در نیمهی آگوست ۲۰۲۶ و تنها سه هفته پس از Gemini 3.6 Flash عرضه شد.
پرسش: قیمت استفاده از این مدل چقدر است؟ پاسخ: هر یک میلیون توکن ورودی ۰.۷۵ دلار و هر یک میلیون توکن خروجی ۳.۷۵ دلار هزینه دارد؛ یعنی نصف قیمت نسخهی قبلی.
پرسش: آیا واقعاً از Claude و GPT بهتر است؟ پاسخ: طبق بنچمارکهای رسمی گوگل، در آزمونهای کدنویسی جلوتر است؛ اما این ارقام را خود گوگل منتشر کرده و بهتر است کنار ارزیابیهای مستقل هم دیده شود.
پرسش: از کجا میتوان به این مدل دسترسی داشت؟ پاسخ: از طریق اپلیکیشن Gemini (بخش Spark)، Google AI Studio، Android Studio، Gemini Enterprise Agent و Google Antigravity.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
