جمنای ۳٫۷ فلش گوگل؛ مدلی سریع‌تر برای کدنویسی و ایجنت‌های هوش مصنوعی؟

تا همین چند وقت پیش، اگر از یک مدل هوش مصنوعی انتظار داشتید باگ‌های پروژه را پیدا کند، چند ابزار را پشت‌سرهم به‌کار بگیرد یا در دل یک کدبیس بزرگ راهش را گم نکند، معمولاً باید به‌سراغ مدل‌های گران‌تر و پرچم‌دار می‌رفتید. مدل‌های سریع‌تر و ارزان‌تر اغلب برای خلاصه‌سازی، ترجمه یا پاسخ‌های ساده‌تر ساخته شده بودند؛ نه برای کاری که نیاز به برنامه‌ریزی چندمرحله‌ای دارد.

حالا گوگل با معرفی Gemini 3.7 Flash می‌خواهد این مرز را کمی جابه‌جا کند. مدل جدید که تنها سه هفته بعد از Gemini 3.6 Flash از راه رسیده، همچنان در رده‌ی Flash قرار دارد؛ یعنی برای استفاده پرتکرار و مقیاس‌پذیر طراحی شده است. بااین‌حال، گوگل می‌گوید توانایی آن در کدنویسی، استفاده از ابزارها و انجام گردش‌کارهای عامل‌محور به‌طور محسوسی بهتر شده است.

در این مقاله، جمنای ۳٫۷ فلش را از زاویه‌ی مشخصات و عملکرد واقعی بررسی می‌کنیم، نتایج آن را در برابر نسل قبل و چند رقیب مهم می‌گذاریم و در نهایت می‌بینیم که آیا این مدل واقعاً می‌تواند جای مدل‌های گران‌تر را در پروژه‌های جدی بگیرد یا نه.

گوگل در ۱۳ آگوست ۲۰۲۶ (۲۲ مرداد) از Gemini 3.7 Flash رونمایی کرد؛ تنها حدود سه هفته پس از عرضه Gemini 3.6 Flash. نسخه جدید به‌عنوان مدل سریع و کاربردی خانواده Gemini 3 برای کدنویسی، توسعه نرم‌افزار، انجام وظایف چندمرحله‌ای و گردش‌کارهای مبتنی‌بر عامل‌های هوش مصنوعی معرفی شده است.

گوگل می‌گوید مدل جدید بر پایه‌ی جمنای ۳٫۶ فلش ساخته شده و با بهبودهای الگوریتمی در هسته‌ی استدلالش، بهتر می‌تواند از پس وظایف پیچیده و طولانی بربیاید. یکی از قابلیت‌های مهم آن، امکان تنظیم میزان reasoning یا استدلال مدل است؛ یعنی کاربر می‌تواند بسته به نیازش بین سرعت پاسخ، کیفیت نتیجه و هزینه تعادل برقرار کند.

چنین مشخصاتی به‌تنهایی مدل را به یک برنامه‌نویس خودمختار تبدیل نمی‌کند؛ اما نشان می‌دهد گوگل دیگر مدل‌های Flash را فقط برای درخواست‌های کوتاه و کم‌هزینه نمی‌بیند. این مدل قرار است در نقش موتور اصلی اپلیکیشن‌هایی ظاهر شود که باید بار زیادی را با هزینه‌ی کنترل‌شده پردازش کنند.

ملیکا طاهران‌ پور

راهنمای استفاده از هوش مصنوعی گوگل جمینای در ایران

مطالعه '7

یکی از مهم‌ترین تغییرات جمنای ۳٫۷ فلش، تمرکز بیشتر آن بر کارهای چندمرحله‌ای و عامل‌محور است. گوگل می‌گوید مدل هنگام روبه‌روشدن با بن‌بست، بهتر مسیرش را اصلاح می‌کند، دستورها را با وفاداری بیشتری دنبال می‌کند و در فراخوانی ابزارها و برنامه‌ریزی چندمرحله‌ای، دقت بیشتری دارد.

در عمل، اگر این بهبودها در پروژه‌های واقعی هم تکرار شوند، می‌توانند تعداد رفت‌وبرگشت‌ها و اصلاحات دستی موردنیاز توسعه‌دهنده را کاهش دهند.

گوگل در نمونه‌های نمایشی خود، از ساخت بازی سه‌بعدی با یک پرامپت، تبدیل گزارش سالانه PDF به تجربه‌ای تعاملی و هماهنگ‌کردن زیربخش‌های مختلف در یک پروژه‌ی وب نام می‌برد. این نمونه‌ها جذاب‌اند، اما بهتر است آن‌ها را نمایش توانایی مدل بدانیم، نه تضمینی برای تکرار همان نتیجه در هر پروژه.

توسعه‌دهندگان می‌توانند جمنای ۳٫۷ فلش را از طریق API جمنای، Google AI Studio، Google Antigravity و اندروید استودیو آزمایش و در محصولاتشان به‌کار بگیرند. این مدل همچنین در Gemini Enterprise و Gemini Enterprise Agent Platform در دسترس مشتریان سازمانی قرار دارد.

جمنای ۳٫۷ فلش ازطریق گوگل AI استودیو و API جمنای در پلن رایگان نیز قابل آزمایش است؛ اما این پلن محدودیت استفاده دارد و محتوای آن ممکن است برای بهبود محصولات گوگل استفاده شود. برای استفاده جدی و دسترسی به سقف‌های بالاتر، باید از پلن پولی استفاده کرد.

به گفته‌ی گوگل، جمنای ۳٫۷ فلش بیش‌از هر چیز برای مهندسی نرم‌افزار، تولید کد و اتوماسیون ساخته شده است؛ به‌همین دلیل، برجسته‌ترین نتایج رسمی نیز همین حوزه‌ها را هدف می‌گیرند.

یکی از مهم‌ترین آزمون‌ها DeepSWE v1.1 است که عملکرد مدل‌ها را در وظایف مهندسی نرم‌افزار با افق بلندتر می‌سنجد. جمنای ۳٫۷ فلش در این آزمون به امتیاز ۶۵٫۳ درصد رسیده است؛ درحالی‌که 3.6 Flash امتیاز ۴۸٫۶ درصد داشت. به‌بیان دیگر، گوگل از جهشی نزدیک به ۱۷ واحد درصدی در کاری حرف می‌زند که صرفاً تولید چند خط کد نیست و حل مسئله در یک پروژه نرم‌افزاری را دربر می‌گیرد.

در بخش عامل‌های هوش مصنوعی، فاصله دو نسل در AutomationBench چشمگیرتر به‌نظر می‌رسد: 3.7 Flash امتیاز ۳۰٫۴ درصد گرفته، درحالی‌که امتیاز نسخه‌ی قبلی ۱۷ درصد بوده است. گوگل همچنین از بهبود مدل در درک اسناد PDF تخصصی و کار با محیط‌های رایانه‌ای خبر می‌دهد.

جمنای ۳٫۷ فلش در شاخص هوش Artificial Analysis نیز امتیاز ۵۶ را ثبت کرده است؛ چهار امتیاز بالاتر از جمنای ۳٫۶ فلش. این شاخص چند ارزیابی مختلف را با هم ترکیب می‌کند و تصویری کلی‌تر از توانایی مدل ارائه می‌دهد؛ اما مانند هر بنچمارک و شاخص دیگری، جای آزمودن مدل در وظیفه‌ی واقعی را نمی‌گیرد.

اگر Gemini 3.6 Flash قرار بود نشان دهد یک مدل Flash چقدر می‌تواند سریع و کارآمد باشد، Gemini 3.7 Flash می‌خواهد نشان دهد یک مدل سریع و نسبتاً ارزان تا چه حد می‌تواند واقعاً کار انجام دهد.

یکی از اشتباهات رایج هنگام بررسی مدل‌های جدید، تبدیل برتری در یک بنچمارک به برتری کلی است. جمنای ۳٫۷ فلش نمونه خوبی از همین موضوع است.

برای مثال، جمنای ۳٫۷ فلش در آزمون Agent’s Last Exam به امتیاز ۲۶٫۳ درصد رسیده است؛ درحالی‌که Claude Sonnet 5 با ۳۳٫۳ درصد عملکرد بهتری دارد. از سوی دیگر، جمنای در OSWorld-2.0 امتیاز ۴۷٫۹ درصدی ثبت کرده که از ۳۳٫۸ درصد جمنای ۳٫۶ فلش بالاتر است؛ اما همچنان به امتیاز ۵۰٫۲ درصدی GPT-5.6 Terra نمی‌رسد.

به‌همین دلیل، بهتر است جمنای ۳٫۷ فلش را یک مدل قدرتمند برای کدنویسی و اتوماسیون بدانیم، نه مدلی که تمام رقبا را در هر سناریویی پشت سر می‌گذارد.

البته جمنای ۳٫۷ فلش در چند آزمون هم دست بالا را دارد. برای مثال، در AutomationBench که اجرای گردش‌کارهای سازمانی چندمرحله‌ای را می‌سنجد، امتیاز ۳۰٫۴ درصدی جمنای از GPT-5.6 ترا با ۲۳٫۶ درصد و کلاد سونت ۵ با ۱۰٫۷ درصد بالاتر است. در FrontierCode 1.1 نیز جمنای با امتیاز ۴۳٫۶ درصد، اندکی از کلاد سونت ۵ با ۴۲٫۷ درصد و GPT-5.6 ترا با ۴۱٫۳ درصد پیشی می‌گیرد.

بااین‌حال، GPT-5.6 ترا در آزمون‌های مرتبط با مهندسی نرم‌افزار بلندمدت همچنان رقیب قدرتمندتری است. این مدل در DeepSWE v1.1 امتیاز ۶۹٫۶ درصدی کسب کرده؛ درحالی‌که امتیاز جمنای ۳٫۷ فلش ۶۵٫۳ درصد است. ترا در Terminal-Bench 2.1 نیز با امتیاز ۸۷٫۴ درصد، اندکی بالاتر از جمنای با ۸۵٫۸ درصد قرار می‌گیرد.

در کارهای دانشی نیز نتیجه یک‌طرفه نیست. کلاد سونت ۵ در GDPVal-AA v2 با امتیاز ۱۵۹۸ Elo و GPT-5.6 ترا با ۱۵۷۸ Elo، از امتیاز ۱۵۲۵ Elo جمنای بالاتر هستند. بااین‌حال، جمنای در درک PDF-های تخصصی عملکرد بهتری نشان داده و در GDP.pdf با امتیاز ۳۴ درصد، از کلاد با ۲۸ درصد و GPT با ۲۴٫۷ درصد جلو افتاده است.

نقطه‌ی قوت اصلی‌ جمنای ۳٫۷ فلش، ترکیب توانایی و هزینه است. مدلی در رده‌ی Flash که در برخی وظایف کدنویسی و اتوماسیون به مدل‌های گران‌تر نزدیک می‌شود.

گوگل برای جمنای ۳٫۷ فلش تا پایان سال ۲۰۲۶، قیمت مقدماتی تعیین کرده است. هزینه‌ی هر یک‌میلیون توکن ورودی ۰٫۷۵ دلار و هر یک‌میلیون توکن خروجی ۳٫۷۵ دلار است. این نرخ از اول ژانویه‌ی ۲۰۲۷ به‌ترتیب به ۱٫۵ و ۷٫۵ دلار افزایش پیدا می‌کند.

قیمت پایین فعلی یکی از مهم‌ترین برگ‌های برنده‌ی مدل است، اما نباید آن را هزینه‌ی دائمی به‌حساب آورد. اگر قصد دارید محصولی را برای ماه‌ها یا سال‌های بعد بسازید، بهتر است هزینه را با نرخ پس از پایان تخفیف محاسبه کنید.

جمنای ۳٫۷ فلش با وجود پیشرفت‌هایش، همچنان یک مدل زبانی است و امکان تولید اطلاعات نادرست یا توهم در آن وجود دارد. گوگل در مدل‌کارت خود به کندی مقطعی و پایان زمان اجرا نیز اشاره کرده است. گوگل می‌گوید گوگل تاریخ برش دانش (Knowledge Cutoff) جمنای ۳٫۷ فلش را مارس ۲۰۲۶ اعلام کرده است؛ بااین‌حال، در بعضی حوزه‌ها اطلاعات مدل ممکن است به ژانویه ۲۰۲۵ محدود باشد.

همچنین نتایج بنچمارک‌ها نشان می‌دهند عملکرد مدل بسته به نوع تسک تغییر می‌کند. بنابراین نمی‌توان موفقیت آن در یک محیط مشخص را مستقیماً به تمام کاربردهای واقعی تعمیم داد. این مسئله برای ایجنت‌ها اهمیت بیشتری دارد؛ زیرا یک ایجنت‌ هوش مصنوعی ممکن است علاوه بر تولید پاسخ درست، مجبور باشد چندین مرحله را بدون خطا اجرا کند، ابزار مناسب را انتخاب کند، اشتباه خود را درست کند و در نهایت تسک را کامل تحویل دهد. در چنین سناریویی، یک بنچمارک به‌تنهایی نمی‌تواند کیفیت واقعی سیستم را مشخص کند.

به گفته گوگل 3.7 Flash برای کسانی که می‌خواهند ایجنت‌های کاملاً مستقل بسازند، می‌تواند وظایف منفرد کدنویسی را انجام دهد، اما هنوز استقلال لازم را برای زنجیره‌کردن آن‌ها در یک گردش‌کار پژوهشی سرتاسری و بدون دخالت انسان ندارد.

این نکته شاید در نگاه اول بدیهی باشد، اما تفاوت بزرگی میان ساختن یک دموی جذاب و سپردن تغییرات یک محصول واقعی به عامل وجود دارد. در کارهایی که با کدهای اصلی، داده‌های حساس، تراکنش‌های مالی یا تصمیم‌گیری برای کاربران سروکار دارند، نظارت انسانی و تعیین سطح دسترسی محدود برای ایجنت هوش مصنوعی همچنان ضروری است.

از عرضه جمنای ۳٫۷ فلش تنها چند روز می‌گذرد؛ بنابراین بازخوردهای فعلی بیشتر تجربه‌های شخصی کاربران هستند تا نتیجه ارزیابی‌های مستقل با روش یکسان. بااین‌حال، مرور بحث‌های اولیه در ردیت، به‌ویژه در انجمن Google Antigravity، تصویری نسبتاً روشن از نقاط قوت و ضعف مدل ارائه می‌دهد.

بااین‌حال، تجربه همه کاربران یکسان نیست. بعضی توسعه‌دهندگان می‌گویند خروجی نهایی، با وجود کیفیت مناسب، همچنان به نظارت و اصلاح مداوم نیاز دارد. در برخی گزارش‌ها نیز به مصرف بالای توکن یا نیاز به تلاش‌های مجدد، حتی در بعضی وظایف ساده، اشاره شده است.

جمنای ۳٫۷ فلش یک ارتقای معنادار برای مدل‌های فلش گوگل محسوب می‌شود. بهبود آن در آزمون‌های کدنویسی، مهندسی نرم‌افزار و اتوماسیون نشان می‌دهد گوگل می‌خواهد مدل‌های سریع و کم‌هزینه را وارد کارهای جدی‌تری کند. اگر این نتایج در استفاده واقعی هم تکرار شوند، توسعه‌دهندگان می‌توانند بخش بزرگی از کارهای تکراری برنامه‌نویسی، تحلیل اسناد و اتوماسیون را با مدلی ارزان‌تر انجام دهند و مدل‌های پرچم‌دار را برای مرحله‌های دشوارتر نگه دارند.

نظر شما در مورد مدل جدید گوگل چیست؟ آیا شما جمنای ۳٫۷ فلش را امتحان کرده‌اید؟ تجربه‌تان از عملکرد این مدل را در بخش دیدگاه‌ها با زومیت و دیگر کاربران به‌اشتراک بگذارید.