جمنای ۴ هیدروژن: مدل هوش مصنوعی سریع و رایگان گوگل

مقدمه

گوگل مدل جدیدی از هوش مصنوعی به نام جمنای ۴ هیدروژن را معرفی کرده است. این مدل بر سرعت و کارایی در وظایف روزمره تمرکز دارد و در نسخه رایگان نیز قابل دسترسی است.

تمرکز بر سرعت و بهره‌وری

جمنای ۴ هیدروژن برای انجام سریع‌تر کارهای روزمره، برنامه‌نویسی و مدیریت وظایف پیچیده طراحی شده است. برخلاف مدل‌های سنگین‌تر مانند آرگون و کربن، این مدل بر اجرای سریع و دقیق فعالیت‌های معمولی متمرکز است.

عملکرد در آزمون‌های AI‑Index

• در شاخص AI‑Index با سطح تفکر High، جمنای ۴ هیدروژن امتیاز ۵۱ کسب کرد؛ جمنای ۴ آرگون ۵۰ بود.
• با فعال‌سازی سطح تفکر بالاتر، امتیاز هیدروژن به ۵۴ رسید.

این نشان می‌دهد که سرعت و کاهش هزینه محاسباتی، لزوماً به نفع کاهش توانایی مدل نیست.

مقایسه با جمنای ۳٫۸ فلش

• در تنظیم پیش‌فرض High، هیدروژن وظایف را ۲٫۵ برابر سریع‌تر از جمنای ۳٫۸ فلش انجام می‌دهد.
• در آزمون Terminal‑Bench 4.1، هیدروژن ۵۷٪ و جمنای ۳٫۸ فلش ۱۸٫۲٪ امتیاز کسب کرد.
• میزان ادعاهای ساختگی در هیدروژن بیش از پنج برابر کاهش یافته است.

قابلیت Orchestrator در Google Antigravity

گوگل با معرفی جمنای ۴ هیدروژن، قابلیت Orchestrator را به‌عنوان یک ابزار همکاری چند مدل در Google Antigravity رونمایی کرد. این ویژگی اجازه می‌دهد مدل‌های مختلف هوش مصنوعی در یک پروژه به‌صورت هماهنگ کار کنند و وظایف را بر اساس پیچیدگی بین آن‌ها تقسیم نمایند.

دسترسی و انتشار

جمنای ۴ هیدروژن از امروز در اپلیکیشن جمنای، موتور جستجوی گوگل، Google AI Studio و سرویس‌های توسعه‌دهندگان و کسب‌وکارها در دسترس است.

ترکیب مدل‌های مختلف در پروژه‌های بزرگ

• در پروژه‌های نرم‌افزاری بزرگ، می‌توان از مدل جمنای ۴ کربن برای طراحی معماری و تصمیم‌گیری‌های پیچیده بهره برد.
• مدل هیدروژن مسئول نوشتن کد، اجرای آزمایش و بررسی تغییرات می‌شود.
• Orchestrator به‌صورت پویا بین این دو مدل جابه‌جا می‌شود، بنابراین نیازی به استفاده از یک مدل برای کل پروژه نیست.

مزایای استفاده از Orchestrator

• امکان ترکیب فعالیت‌هایی که نیاز به استدلال عمیق دارند با فعالیت‌های سریع‌تر.
• در آزمون Terminal‑Bench 4.0، عملکرد نزدیک به جمنای ۴ کربن داشت؛ در عین حال مصرف پردازشی ۲۴٪ کمتر و سرعت ۱۹٪ بالاتر بود.

برنامه‌نویسی سریع‌تر و اصلاح خطاها

• مدل هیدروژن می‌تواند مخازن کد بزرگ را بررسی کرده و عملکرد بخش‌های مختلف را پاسخ دهد.
• خطاهای نرم‌افزاری را بدون تغییر فایل‌های دیگر برطرف می‌کند.
• قابلیت خواندن همزمان چندین فایل و جستجو به‌جای پردازش متوالی، زمان لازم را کاهش می‌دهد.
• در آزمایش‌های اولیه، در فعالیت‌های پیچیده پایگاه‌های داده و SQL، سرعت ۲ تا ۲٫۸ برابر بالاتر و مصرف توکن ۱۲ تا ۲۳٪ کمتر بود.
• در آزمون SWE‑sweep، شناسایی و اصلاح خطاها بدون آسیب به بخش‌های سالم، عملکرد برتری داشت.

ساخت سریع نمونه‌های اولیه

• تبدیل طرح‌های گرافیکی به کد و توسعه برنامه‌های تعاملی بهینه شده است.
• امکان ساخت سریع وب‌سایت، بازی سه‌بعدی و اسلایدهای پاورپوینت با یک دستور.

نمونه‌های عملی

• Geminisland: محیط سه‌بعدی با گرافیک وکسلی که کاربران می‌توانند با نوشتن یک دستور، سازه‌های جدید ایجاد و در بازی حرکت کنند.
• تولید اسلایدهای Google Slides از ویدیوی سخنرانی یوتیوب و قالب طراحی؛ پس از تولید، فرایند خودکار شناسایی و اصلاح مشکلات ظاهری (همپوشانی متن، چیدمان عناصر) اجرا می‌شود.

قابلیت تبدیل اطلاعات مالی به مدل‌های تعاملی در Google Sheets

• در محیط Gemini، مدل جدید می‌تواند داده‌های مالی را به صورت تعاملی در Google Sheets تبدیل کند.
• کاربران قادرند سناریوهای مختلف پیش‌بینی را بررسی کنند.
• این نمونه‌ها نشان می‌دهد که مدل توانایی انجام پروژه‌های چندمرحله‌ای را دارد، گرچه ممکن است نیاز به بازبینی انسانی داشته باشد.

پنجره زمینه یک میلیون توکن برای تحلیل اسناد و ویدیوها

ویژگی‌های کلیدی

1. حجم پردازش: پشتیبانی از یک میلیون توکن در ورودی و خروجی.
2. نوع داده‌ها: قابلیت تحلیل فایل‌های PDF، صفحات گسترده، نمودارها، فایل‌های صوتی و ویدیوهای ضبط‌شده.
3. نتیجه‌گیری: تولید گزارش‌های ساختاریافته و مستند بر اساس داده‌های ورودی.

کاربرد عملی

• ارائه مجموعه‌ای از اسناد مالی، جدول‌ها و نمودارهای یک شرکت به مدل، سپس درخواست گزارش تحلیلی همراه با منابع و نتایج قابل بررسی.

نتایج آزمون‌های ارزیابی

• در رتبه‌بندی زنده Agent Arena، مدل در جایگاه پنجم قرار دارد.

کاربردهای تخصصی

• تحلیل اسناد حقوقی
• بررسی داده‌ها
• تحقیقات چندمرحله‌ای

چهار سطح تفکر برای تنظیم سرعت و قدرت هوش مصنوعی

• کاربران و توسعه‌دهندگان می‌توانند بر اساس نیاز، سطح تفکر را تغییر دهند.
• افزایش سطح تفکر به صورت تدریجی باعث افزایش عمق استدلال و هزینه پردازش می‌شود.

تحول تجربه کاربری در اپلیکیشن هوش مصنوعی جمنای

پیاده‌سازی مدل هیدروژن در برنامه جمنای فراتر از محیط‌های برنامه‌نویسی گسترش یافته و اکنون مستقیماً بر تعاملات روزمره کاربران اثر می‌گذارد. تمرکز اصلی در این ویرایش، ارتقای فهم پیام‌ها، حفظ پیوستگی کلام در گفتگوهای طولانی و به‌کارگیری هوشمندانه افزونه‌ها و ابزارهای جانبی است. در این چارچوب، چنانچه کاربر بازنویسی متنی تخصصی را با ساختار یا لحنی معین مطالبه کند، مدل با کمترین میزان خطا و بدون نیاز به اصلاحات مکرر، خروجی نهایی را منطبق بر ضوابط خواسته شده تولید می‌کند.

علاوه بر این، یکپارچه‌سازی پیشرفته با محیط‌های ابری به سیستم امکان می‌دهد تا با دریافت مجوزهای دسترسی، اسناد و داده‌ها را از بسترهایی نظیر جیمیل، گوگل درایو، دراپ‌باکس و ایرتیبل استخراج و ترکیب کند. بدین ترتیب زنجیره‌ای پیوسته از پردازش‌ها شامل موارد زیر در قالب یک دستور پیوسته اجرا می‌شود:

• استخراج و گردآوری داده‌های اولیه از اسناد و مخازن مختلف
• بررسی و تحلیل عمیق پرونده‌های متنی یا چندرسانه‌ای بارگذاری‌شده
• سازمان‌دهی داده‌ها در قالب جداول ساختاریافته
• تنظیم و خروجی‌گرفتن از گزارش کامل با اعمال شاخص‌های کاربر

دگرگونی در شیوه پردازش عبارت‌ها در موتور جست‌وجو

به‌کارگیری این مدل پردازشی در موتور جست‌وجو موجب شده است تا درک مقصود کاربران در سطحی بسیار دقیق‌تر انجام شود. این فناوری در مواجهه با پرسش‌های چندگانه در یک خط، واژه‌های دارای غلط املایی یا کلیدواژه‌های کاملاً فنی و دانشگاهی، مفهوم کلی را شناسایی کرده و به پاسخ‌گویی هدایت می‌کند.

هم‌زمان با درک متنی، شیوه کاوش هم‌روند نیز فعال می‌شود؛ به‌این‌ترتیب که موتور جست‌وجو چندین عبارت مرتبط را به شکل موازی جست‌وجو کرده و نتایج تحلیلی را همراه با گزینه‌های بصری چندرسانه‌ای و استناد به منابع پرتعداد پیش روی کاربر می‌گذارد. دسترسی به این اصلاحات برای عموم کاربران جهانی فعال است و بهره‌مندی از آن به حساب‌های تجاری محدود نخواهد بود.

الگوهای دسترسی برای کاربران عادی و توسعه‌دهندگان

برخلاف نسخه‌های کربن و آرگون، مدل هیدروژن از همان شروع عرضه به بخش رایگان نیز راه پیدا کرده است. ورود این مدل به لایه‌های مختلف بدین شیوه سامان‌دهی شده است:

• کاربران حساب رایگان: انتخاب مدل به شکل خودکار توسط الگوریتم جمنای صورت می‌گیرد و بسته به پیچیدگی پرسش، درخواست‌ها به مدل هیدروژن هدایت می‌شوند.
• توسعه‌دهندگان نرم‌افزار: دسترسی مستقیم به قابلیت‌های این هوش مصنوعی از طریق Gemini API و همه بخش‌های محیط Google AI Studio مهیا است.
• محیط‌های تخصصی و تجاری: مشترکان سرویس Gemini for Business، حساب‌های منتخب Android Studio و دارندگان پلن‌های پولی Google AI Pro و Ultra درون بستر Google Antigravity امکان کار با این سیستم را دارند.
• برنامه Google Sheets: آزمایش مقدماتی این امکانات به کاربران سطوح پولی سازمانی و مشترکان پیشرفته محدود است.

تعرفه استفاده از رابط برنامه‌نویسی (API)

هزینه‌گذاری استفاده از این معماری محاسباتی در بستر API بر پایه حجم پردازش داده‌ها محاسبه می‌شود و نرخ آن در بازه پنجره زمینه یک میلیون توکنی کاملاً یکسان می‌ماند:

مقایسه ساختار هزینه‌ای و تعرفه توکن‌ها

به‌کارگیری مدل هیدروژن از نظر اقتصادی بهینه‌تر است و هزینه‌های پردازشی کمتری را در مقایسه با نسل‌های پیشین به همراه دارد. ارزیابی نرخ‌گذاری‌ها نشان می‌دهد که این مدل بار مالی پایین‌تری نسبت به ساختار تعرفه اولیه در مدل‌های کربن و آرگون ایجاد می‌کند:

• تعرفه پایه مدل‌های کربن و آرگون: پرداخت ۲ دلار به‌ازای هر یک میلیون توکن ورودی و ۱۰ دلار برای هر یک میلیون توکن خروجی
• مزیت اقتصادی مدل هیدروژن: کاهش هزینه‌های عملیاتی نسبت به ارقام ثبت‌شده برای مدل‌های قبلی

این بهینه‌سازی قیمتی، استفاده از هیدروژن را به راهکاری مقرون‌به‌صرفه جهت پردازش‌های حجیم مبتنی بر توکن‌های ورودی و خروجی تبدیل کرده است.