گوگل Gemini Flash 3.8 را عرضه کرد؛ هوش مصنوعی قدرتمند با هزینه‌ای بسیار پایین

Gemini Flash 3.8 سومین نسل از خانواده مدل‌های Flash گوگل محسوب می‌شود و تنها حدود ۶ هفته پس از نسل قبلی معرفی شده است. گوگل با این مدل تلاش دارد فاصله میان مدل‌های سریع و ارزان‌قیمت و مدل‌های قدرتمندتر برای انجام وظایف پیچیده را کاهش دهد.

مدل جدید به‌طور ویژه برای مدیریت نرم‌افزارهای پیچیده، برنامه‌نویسی و وظایف چندمرحله‌ای طراحی شده و در عین ارائه قابلیت‌های پیشرفته، همچنان روی سرعت و هزینه پایین تمرکز دارد.
 

پنجره متنی بیش از یک میلیون توکن

یکی از قابلیت‌های مهم Gemini Flash 3.8، پنجره متنی بسیار بزرگ آن است. این مدل می‌تواند بیش از یک میلیون توکن را در ورودی پردازش کند و حداکثر ۶۵۵۳۶ توکن خروجی را در اختیار کاربر قرار دهد.

چنین ظرفیتی می‌تواند برای توسعه برنامه‌های تعاملی پیچیده، تحلیل حجم زیادی از اطلاعات و اجرای پروژه‌های نرم‌افزاری گسترده اهمیت داشته باشد.

گوگل همچنین امکان انتخاب میان سه سطح تفکر پایین، متوسط و بالا را فراهم کرده است. به این ترتیب، توسعه‌دهندگان می‌توانند بسته به پیچیدگی وظیفه، میان سرعت پاسخ‌گویی، توان پردازشی و هزینه تعادل ایجاد کنند.
 

عملکرد قدرتمند با هزینه کمتر

گوگل Gemini Flash 3.8 را با قیمت تبلیغاتی ۰٫۷۵ دلار به ازای هر یک میلیون توکن ورودی و ۳٫۷۵ دلار به ازای هر یک میلیون توکن خروجی عرضه کرده است. این قیمت‌گذاری تبلیغاتی قرار است تا پایان دسامبر ۲۰۲۶ ادامه داشته باشد.

یکی از نکات قابل توجه درباره این مدل، توانایی آن در انجام مراحل استدلال بیشتر برای افزایش دقت پاسخ‌هاست. Gemini Flash 3.8 همچنین می‌تواند از چندین ابزار نرم‌افزاری برای انجام وظایف پیچیده استفاده کند، بدون اینکه هزینه مستقیمی بابت این مراحل اضافی از کاربر دریافت شود.

نتایج برخی آزمون‌های فنی نیز عملکرد قابل توجه این مدل را نشان می‌دهد. Gemini Flash 3.8 در آزمون برنامه‌نویسی پیچیده DeepSWE v1.1 به امتیاز ۷۳٫۷ درصد رسیده است؛ عملکردی که آن را در محدوده برخی مدل‌های پولی قدرتمند قرار می‌دهد.

این مدل در آزمون Terminal-Bench 2.1 نیز امتیاز ۸۹٫۴ درصد و در آزمون مالی Vals Finance امتیاز ۶۱٫۴ درصد را به دست آورده است.
 

نسخه ویژه برای امنیت سایبری

هم‌زمان با معرفی Gemini Flash 3.8، گوگل مدل تخصصی دیگری با نام Gemini 3.8 Flash Cyber را نیز معرفی کرده است.

این مدل به‌طور اختصاصی برای حوزه امنیت سایبری توسعه یافته و از طریق برنامه‌ای موسوم به Fairwind در اختیار تیم‌های دفاع دیجیتال و سازمان‌های دولتی قرار می‌گیرد.

تمرکز اصلی Gemini 3.8 Flash Cyber بر شناسایی و برطرف کردن خودکار آسیب‌پذیری‌های نرم‌افزاری است. چنین قابلیتی می‌تواند به تیم‌های امنیتی در شناسایی سریع‌تر مشکلات و کاهش زمان مورد نیاز برای واکنش به تهدیدهای سایبری کمک کند.

عرضه این نسخه نشان می‌دهد گوگل علاوه بر توسعه مدل‌های عمومی، به دنبال استفاده تخصصی از هوش مصنوعی در حوزه‌هایی مانند امنیت نرم‌افزار و دفاع سایبری نیز است.
 

مدل ارزان‌تر، فرصت بیشتر برای توسعه‌دهندگان

یکی از مهم‌ترین پیام‌های عرضه Gemini Flash 3.8، تلاش گوگل برای کاهش هزینه استفاده از مدل‌های پیشرفته هوش مصنوعی است.

هزینه پردازش مدل‌های قدرتمند یکی از موانع اصلی توسعه ابزارهای مبتنی بر هوش مصنوعی محسوب می‌شود؛ به‌ویژه برای استارتاپ‌ها و توسعه‌دهندگان کوچک که منابع مالی محدودی دارند.

مدلی مانند Gemini Flash 3.8 می‌تواند به توسعه‌دهندگان اجازه دهد عوامل هوش مصنوعی و برنامه‌های خودکار پیچیده‌تری بسازند، بدون اینکه هزینه پردازش به سرعت افزایش پیدا کند.

این موضوع در توسعه نسل جدید عامل‌های هوش مصنوعی (AI Agents) اهمیت ویژه‌ای دارد؛ زیرا این ابزارها برای انجام وظایف چندمرحله‌ای به پردازش مداوم و استفاده از ابزارهای مختلف نیاز دارند.
 

قیمت Gemini Flash 3.8 در آینده افزایش می‌یابد

البته قیمت فعلی Gemini Flash 3.8 دائمی نیست. بر اساس برنامه اعلام‌شده، گوگل قصد دارد از سال ۲۰۲۷ قیمت استاندارد این مدل را افزایش دهد.

قیمت ورودی از ۰٫۷۵ دلار به ۱٫۵۰ دلار و قیمت خروجی از ۳٫۷۵ دلار به ۷٫۵۰ دلار به ازای هر یک میلیون توکن خواهد رسید.

با وجود این افزایش، مدل جدید همچنان در دسته مدل‌هایی قرار می‌گیرد که تلاش می‌کنند میان توانایی‌های پیشرفته، سرعت پاسخ‌گویی و هزینه استفاده تعادل ایجاد کنند.
 

رقابت هوش مصنوعی وارد مرحله تازه‌ای شده است

عرضه Gemini Flash 3.8 نشان می‌دهد رقابت میان شرکت‌های بزرگ هوش مصنوعی دیگر صرفاً بر سر ساخت قدرتمندترین مدل ممکن نیست. اکنون سرعت، هزینه پردازش و توانایی اجرای وظایف پیچیده به همان اندازه اهمیت پیدا کرده‌اند.

گوگل با خانواده Gemini Flash تلاش می‌کند مدلی ارائه دهد که برای استفاده گسترده در محصولات و برنامه‌های روزمره مناسب باشد؛ مدلی که از یک سو توانایی انجام وظایف پیچیده را داشته باشد و از سوی دیگر هزینه استفاده از آن برای توسعه‌دهندگان قابل کنترل باقی بماند.

اگر این روند ادامه پیدا کند، احتمالاً رقابت اصلی در بازار هوش مصنوعی در سال‌های آینده بر سر ارائه مدل‌هایی خواهد بود که بتوانند هوش بیشتر را با هزینه کمتر و سرعت بالاتر در اختیار کاربران و توسعه‌دهندگان قرار دهند.