گوگل از Gemini 3.6 Flash رونمایی کرد/ مصرف ۱۷ درصد کمتر و تمرکز بر سرعت و امنیت

تینا مزدکی_گوگل نسل جدید مدل‌های هوش مصنوعی خود را با معرفیGemini 3.6 Flash، Gemini 3.5 Flash Light و Gemini 3.5/Cyber گسترش داد؛ مدل‌هایی که هرکدام برای پاسخ‌گویی به نیازهای متفاوت، از پردازش‌های سنگین و تحلیل داده‌های مالی گرفته تا امنیت سایبری، توسعه یافته‌اند.

مهم‌ترین ویژگی Gemini 3.6 Flash کاهش ۱۷ درصدی مصرف توکن نسبت به Gemini 3.5 Flash است؛ قابلیتی که ضمن کاهش مصرف منابع پردازشی، هزینه اجرای مدل را نیز پایین می‌آورد و بهره‌وری را در پردازش‌های سنگین افزایش می‌دهد.

گوگل اعلام کرده است که این مدل برای انجام وظایفی مانند مهاجرت کدها، تحلیل داده‌های مالی و پردازش‌های چندوجهی (Multimodal) بهینه شده و می‌تواند عملکرد بالایی را با مصرف منابع کمتر ارائه دهد. به گفته این شرکت، همین موضوع Gemini 3.6 Flash را به گزینه‌ای مناسب برای سازمان‌هایی تبدیل می‌کند که به دنبال ترکیب قدرت پردازشی و کاهش هزینه‌های عملیاتی هستند.

Gemini 3.5 Flash Light؛ تمرکز بر کاهش هزینه‌ها

در کنار مدل جدید، گوگل از Gemini 3.5 Flash Light نیز رونمایی کرده است؛ مدلی که با هدف ارائه تعادل میان سرعت، کیفیت و هزینه توسعه یافته است.

این مدل برای وظایف روزمره سازمانی از جمله پردازش اسناد، گردش‌کارهای مبتنی بر عامل‌های هوش مصنوعی (Agentic Workflows) و سیستم‌های با حجم پردازش بالا طراحی شده است.

به گفته گوگل، Gemini 3.5 Flash Light می‌تواند در مدیریت حجم بالای داده‌ها و انجام جست‌وجوهای پیچیده عملکردی پایدار و قابل اعتماد ارائه کند و در عین حال هزینه‌های عملیاتی را کاهش دهد.

Gemini 3.5/Cyber برای مقابله با تهدیدهای امنیتی

گوگل همچنین از Gemini 3.5/Cyber پرده برداشت؛ مدلی که به‌طور اختصاصی برای حوزه امنیت سایبری توسعه یافته است.

این مدل با بهره‌گیری از قابلیت‌های هوش مصنوعی، امکان شناسایی آسیب‌پذیری‌ها، کاهش تهدیدهای امنیتی، حفاظت از اطلاعات حساس و افزایش امنیت زیرساخت‌های دیجیتال را فراهم می‌کند. گوگل می‌گوید این مدل برای پاسخ به پیچیدگی‌های روزافزون تهدیدهای سایبری طراحی شده است.

کاهش مصرف توکن؛ ویژگی مشترک نسل جدید Gemini

گوگل اعلام کرده است که بهینه‌سازی مصرف توکن یکی از اهداف اصلی در توسعه تمام مدل‌های جدید Gemini بوده است. کاهش مصرف توکن باعث می‌شود مدل‌ها با منابع پردازشی کمتر، خروجی‌های هوشمندتری تولید کنند و در نتیجه هزینه اجرای پروژه‌های مبتنی بر هوش مصنوعی نیز کاهش یابد.

این ویژگی به‌ویژه برای توسعه گردش‌کارهای مبتنی بر عامل‌های هوش مصنوعی، توسعه نرم‌افزارهای چندوجهی و پروژه‌هایی با مقیاس بزرگ اهمیت زیادی دارد.

Gemini 4 در راه است

گوگل در پایان اعلام کرد که توسعه Gemini 4 نیز ادامه دارد. این مدل قرار است با بهره‌گیری از روش‌های پیشرفته‌تر پیش‌آموزش (Pre-training) و افزایش مقیاس‌پذیری، عملکرد هوش مصنوعی را به سطح بالاتری برساند.

به گفته گوگل، نسل آینده Gemini برای استفاده در حوزه‌هایی مانند رباتیک، توسعه نرم‌افزارهای چندوجهی، اکوسیستم عامل‌های هوش مصنوعی، سامانه‌های کم‌تأخیر، تحلیل داده‌های مالی و امنیت سایبری طراحی خواهد شد و می‌تواند دامنه کاربرد هوش مصنوعی را در صنایع مختلف بیش از پیش گسترش دهد.

منبع: geekygadget

۲۲۷۳۲۳