رفتن به محتوای اصلی

روند کامل رویداد

توسعه هوش مصنوعی جمینای گوگل

گوگل مدلی تخصصی ویژه توسعه‌دهندگان عرضه کرده است که مدعی برابری عملکرد با پیشتازان کدنویسی بازار است، در حالی که هزینه توکن‌های رابط برنامه‌نویسی را ۲۵ درصد کاهش می‌دهد.

تحریریه کوهستان· به‌روزرسانی

«توسعه هوش مصنوعی جمینای گوگل» را در اپ کوهستان دنبال کنید تا از خبرهای تازه‌اش باخبر شوید. دریافت اپ

جمنای ۴ نئون شرکت گوگل توسعه‌دهندگان تجاری را با وعده کدنویسی تراز اول و کاهش هزینه‌های فراخوانی هدف گرفته است.از گزارش: گوگل از جمنای ۴ نئون با ادعای کدنویسی در سطح اوپوس ۵.۵ و کاهش هزینه رابط برنامه‌نویسی رونمایی کرد

این خبر را به اشتراک بگذارید

تازه‌ترین گزارش

گوگل از جمنای ۴ نئون با ادعای کدنویسی در سطح اوپوس ۵.۵ و کاهش هزینه رابط برنامه‌نویسی رونمایی کرد

گوگل مدلی تخصصی ویژه توسعه‌دهندگان عرضه کرده است که مدعی برابری عملکرد با پیشتازان کدنویسی بازار است، در حالی که هزینه توکن‌های رابط برنامه‌نویسی را ۲۵ درصد کاهش می‌دهد.

  • گوگل مدل جمنای ۴ نئون را با تمرکز بر توسعه‌دهندگان عرضه کرد که بلافاصله برای اعضای پرو در دسترس است.
  • این مدل مدعی رقابت با اوپوس ۵.۵ آنتروپیک در کدنویسی همراه با ۲۵ درصد هزینه کمتر در رابط برنامه‌نویسی است.
  • نئون برای نگارش کد و خطایابی پروژه‌های چندفایلی تنظیم شده و دارای پنجره زمینه ۱۲۸ هزار توکنی است.
  • گوگل کلاود برای کاهش مخارج تحلیل پروژه‌های بزرگ نرم‌افزاری، این مدل را به قابلیت‌های ذخیره حافظه موقت مجهز کرده است.

گوگل از جمنای ۴ نئون (Gemini 4 Neon) پرده برداشت؛ لایه‌ای تازه از سبد مدل‌های هوش مصنوعی این شرکت که مستقیماً جامعه مهندسان نرم‌افزار را هدف گرفته است. این مدل هم‌اکنون در دسترس مشترکان سرویس هوش مصنوعی پرو (AI Pro) قرار دارد و نرخ توکن‌های رابط برنامه‌نویسی (API) آن نسبت به نمونه‌های هم‌رده نسل پیشین ۲۵ درصد ارزان‌تر شده است.[1][2]

این عرضه در واقع مانوری حساب‌شده در بازی کاهش قیمت‌ها به شمار می‌رود؛ آن هم در بازاری که تولید خودکار کد به کالایی عمومی تبدیل شده است. گوگل با کاهش بهای خدمات خود تلاش می‌کند ضمن رقابت بر سر قیمت، هم‌ترازی فنی خود را با نام‌های صدرنشین بازار به رخ بکشد.[1][3]

محور تبلیغات پیرامون نئون، دستیابی به «کیفیت کدنویسی در سطح اوپوس ۵.۵» عنوان شده است. گوگل اصرار دارد که مدل جدیدش در آزمون‌های استاندارد برنامه‌نویسی با محصول پرچمدار آنتروپیک برابری می‌کند؛ ادعایی درونی که البته هنوز توسط ناظران مستقل اعتبارسنجی نشده است.[1][4]

گوگل روز چهارشنبه در بیانیه رسمی خود نوشت: «ما کیفیت رده کربن را با سرعتی همپای فلش عرضه می‌کنیم.» شرکت مدعی است این معماری به مهندسان امکان می‌دهد کدهای زیرساختی پیچیده بسازند و سامانه‌های قدیمی را بدون تأخیرهای رایج در مدل‌های تراز اول عیب‌یابی کنند.[2][3]

اما این عبارات را باید با دقت موشکافی کرد؛ «کربن» شاخه سنگین و متمرکز بر استدلال منطقی در بین محصولات گوگل است، در حالی که «فلش» گزینه‌ای سبک و فوق‌سریع به حساب می‌آید. دادن وعده خروجی یک مدل سنگین با تأخیر ناچیز یک مدل سبک، ترفند بازاریابی مرسومی است که کمتر پیش آمده در محیط‌های عملیاتی و زیر بار کاری دنیای واقعی دوام بیاورد.[3][4]

اقتصاد تولید خودکار کد

کاهش ۲۵ درصدی بهای رابط برنامه‌نویسی، عینی‌ترین و ملموس‌ترین بند بیانیه ۱۸ نوامبر است. برای تیم‌های سازمانی بزرگی که روزانه میلیون‌ها توکن را در خطوط بررسی خودکار کد می‌سوزانند، همین اختلاف اندک، صرفه اقتصادی استقرار عامل‌های هوش مصنوعی را زیر و رو می‌کند.[1][5]

بر اساس مشخصات فنی منتشرشده در پایگاه تخصصی AI/TLDR، مدل قیمت‌گذاری نئون لایه میانی بازار توسعه‌دهندگان را هدف گرفته است. این خدمت ارزان‌تر از هزینه مدل گران‌قیمت اوپوس ۵.۵ آنتروپیک تمام می‌شود، در حالی که پنجره زمینه مشابهی را برای تحلیل مخازن نرم‌افزاری پیشنهاد می‌کند.[4]

جمنای ۴ نئون با ۲۵ درصد کاهش در هزینه توکن‌های رابط برنامه‌نویسی در مقایسه با رقبای هم‌تراز عرضه شده است.

مستندات گوگل کلاود نشان می‌دهد نئون به شکل ویژه برای تولید ساختارهای نحوی، بازنویسی کد و رفع خطای پروژه‌های چندفایلی تنظیم شده است. مدل بر پایه پیکره عظیمی از مخازن متن‌باز با مجوز آزاد تعلیم دیده، هرچند گوگل محتوای دقیق این داده‌های آموزشی مربوط به سال ۲۰۲۶ را اعلام نکرده است.[5]

نئون پنجره زمینه‌ای تا سقف ۱۲۸ هزار توکن را پردازش می‌کند؛ ظرفیتی که برای بارگذاری کامل کدهای یک نرم‌افزار با ابعاد متوسط کفایت می‌کند. در چنین بستری، توسعه‌دهندگان می‌توانند پرسش‌هایی بنیادین پیرامون نحوه ارتباط میکروسرویس‌ها بپرسند، نه اینکه تنها به اصلاح توابعی جداگانه بسنده کنند.[4][5]

با این حال، پردازش ۱۲۸ هزار توکن در هر درخواست، اگر با مهندسی پرامپت دقیق همراه نباشد، به آسانی صرفه‌جویی ۲۵ درصدی را خنثی خواهد کرد. گوگل کلاود برای چاره‌جویی، سازوکارهای ذخیره‌سازی موقت (کش) پرونده‌های پرمصرف مخزن را ارائه کرده تا از تکرار هزینه‌های سربار بکاهد.[5]

دلیل ارزان‌تر بودن پردازش مدل در همین رویکرد تخصصی نهفته است. مهندسان به جای اینکه سیستم را برای نگارش خلاقانه عمومی آماده کنند، تمرکز آن را روی زبان‌های برنامه‌نویسی با ساختار معین متمرکز کرده‌اند؛ مسیری که هدایت کارآمدتر درخواست‌ها در لایه زیرین را ممکن می‌سازد.[2][4]

آزمایش‌های توسعه‌دهندگان مستقل روی بستر هوش مصنوعی پرو نشان می‌دهد نئون با پایتون و جاوااسکریپت عملکرد پایداری ارائه می‌دهد. البته تا ورود جدی آن به بنگاه‌های اقتصادی، نحوه مواجهه این مدل با زبان‌های کم‌کاربرد یا چارچوب‌های نرم‌افزاری اختصاصی شرکت‌ها در هاله‌ای از ابهام باقی می‌ماند.[3][5]

معیارهای ارزیابی و قیاس با اوپوس

مقایسه آشکار با اوپوس ۵.۵ حرکتی حساب‌شده علیه آنتروپیک به شمار می‌آید؛ شرکتی که پس از عرضه اولیه سهام خود به ارزش بازار ۱.۵ تریلیون دلاری دست یافت و در سرتاسر سال ۲۰۲۶ سلطه بر بازار کدنویسی سازمانی را در انحصار داشت.[1][4]

طبق معیارهای داخلی گوگل، نئون در آزمون معیار برنامه‌نویسی هیومن‌اوول (HumanEval) موفق به ثبت نرخ قبولی ۹۲.۴ درصدی شده که در حاشیه خطای آماری بسیار نزدیکی به اوپوس ۵.۵ قرار دارد. اما پژوهشگران تأکید دارند این معیارهای آزمایشی قدیمی به شدت اشباع شده‌اند و توان سنجش چالش‌های درهم‌تنیده یک مخزن واقعی را ندارند.[2][4]

گوگل مدعی دستیابی به نرخ قبولی ۹۲.۴ درصدی نئون در آزمون‌های برنامه‌نویسی است، اگرچه آزمون‌های مستقل روی پایگاه‌های کد بزرگ هنوز انجام نشده است.

در ارزیابی فنی تارنمای AI/TLDR آمده است: «برنامه‌نویسان نیازمند مدلی هستند که کلیت یک پایگاه کد فاقد مستندات را درک کند، نه مدلی که صرفاً توانایی حل یک الگوریتم مرتب‌سازی را داشته باشد.» آزمون عملیاتی نئون این است که آیا در تمام طول پنجره زمینه خود می‌تواند انسجام تحلیل سامانه‌های پیچیده را حفظ کند یا خیر.[4]

گوگل کلاود برای پشتیبانی از بارهای کاری سنگین، نئون را به صورت یکپارچه درون پلتفرم سازمانی خود تعبیه کرده است. راهنمای توسعه‌دهندگان شامل نقاط نهایی (اندپوینت) جدیدی برای خطوط یکپارچه‌سازی و استقرار پیوسته نرم‌افزار است تا عامل‌های خودکار بتوانند تغییرات کد (Pull Request) را بلافاصله ارزیابی کنند.[5]

گوگل روی همین مزیت انباشت زیست‌بومی خود حساب باز کرده است. یک مدل انفرادی فقط بر پایه توانمندی و هزینه رقابت می‌کند، اما ابزاری که مستقیماً درون بسترهای ابری سازمان‌ها نشسته باشد، دردسر مدیران ارشد فناوری را برای مدیریت تأمین‌کنندگان گوناگون کم می‌کند.[2][5]

گسترش معماری جمنای ۴

نئون جدیدترین ویرایش تخصصی در خانواده پرشاخه‌وبرگ جمنای ۴ است. این مدل پس از جمنای ۴ هیدروژن می‌آید که در ابتدای سال جاری میلادی برای پردازش پرس‌وجوهای کاربران عمومی در موتور جستجوی گوگل گنجانده شده بود.[3][4]

روند رشد مدل‌های گوناگون مانند کربن، فلش، هیدروژن و اینک نئون، بازتابی از تغییر شیوه بسته‌بندی هوش مصنوعی است. ارائه‌دهندگان به جای طراحی یک مدل همه‌کاره یکپارچه، سیستم را به ابزارهایی تفکیک‌شده با برچسب‌های قیمتی مختلف تبدیل می‌کنند.[2][4]

برای مهندسان نرم‌افزار، این دسته‌بندی گوناگون هم فرصت است و هم چالش. هرچند ابزارهای سریع‌تر و کم‌هزینه‌تری برای اهداف مشخص در اختیار می‌گذارد، اما تیم‌های فنی را ناچار می‌کند لایه‌های پیچیده‌ای برای ارجاع صحیح هر پرسش به مدل مربوطه بسازند.[4][5]

بر اساس مستندات فنی، قرار است نئون مقصد پیش‌فرض هر پرامپتی باشد که حاوی کدهای نرم‌افزاری یا اسناد فنی است. هرچند اگر درخواستی فراتر از چارچوب کد رفته و استدلال‌های منطقی عمومی بطلبد، این مدل احتمالاً در برابر نسخه سنگین‌تر کربن کم می‌آورد.[2][5]

عرضه بدون تأخیر برای کاربران هوش مصنوعی پرو اجازه می‌دهد توسعه‌دهندگان خودشان این ادعاها را بسنجند. گزارش‌های اولیه در انجمن‌های تخصصی حکایت از بهبود آشکار سرعت دارد؛ به گونه‌ای که پیشنهادهای تکمیل خودکار متن در محیط‌های توسعه یکپارچه بلادرنگ ظاهر می‌شوند.[3]

نئون مستقیماً در پلتفرم عامل‌های گوگل کلاود پیاده شده تا از خطوط یکپارچه‌سازی مداوم نرم‌افزار پشتیبانی کند.

فشارهای بازار و نسخه‌های آتی

کاهش ۲۵ درصدی هزینه توکن‌های نئون بدون تردید پایان کارزار افت قیمت‌ها نخواهد بود. همگام با بهینه‌تر شدن سخت‌افزارهای پردازشی و پیشرفت سازوکارهای یادگیری ماشین، بهای پایه‌ای تولید کد در تمام بدنه صنعت با روندی رو به کاهش ادامه خواهد داشت.[1][4]

پایگاه تحلیلی ونچربیت (VentureBeat) می‌نویسد چنین نرخ‌گذاری تهاجمی برای بازگرداندن توجه جامعه فنی به گوگل ضرورت دارد. با وجود موفقیت‌های جمنای ۳، بسیاری از گروه‌های مهندسی سازمانی در طول سال گذشته ابزارهای آنتروپیک یا اوپن‌ای‌آی را به عنوان گزینه اصلی کار خود انتخاب کرده بودند.[1]

گوگل با ادعای رقابت با عملکرد اوپوس ۵.۵ در پی دگرگون کردن این گزینش‌های پیش‌فرض است. شرط‌بندی غول جستجو بر این است که ترکیب بازدهی فنی بالا در کنار هزینه خدمات میانه بازار می‌تواند شرکت‌ها را به سمت مهاجرت زیرساختی سوق دهد.[1][2]

اینکه آیا چنین مهاجرتی روی خواهد داد یا نه، تماماً به قابلیت اتکای مدل در ماه‌های آینده بستگی دارد. اگر کدهای پیشنهادی مدل حفره‌های امنیتی پنهان ایجاد کند یا نیاز به بازبینی انسانی گسترده داشته باشد، تخفیف ۲۵ درصدی هیچ ارزش افزوده‌ای برای مهندسان نخواهد داشت.[4][5]

امنیت، خط قرمز پذیرش ابزارهای تولید خودکار کد در شرکت‌ها است. گوگل اعلام کرده نئون تحت آزمایش‌های خصمانه فشرده قرار گرفته تا از پیشنهاد کتابخانه‌های منسوخ یا الگوهای آسیب‌پذیر پرهیز کند؛ مسائلی که همواره گریبان‌گیر دستیارهای قبلی بوده‌اند.[2][5]

راهنمای توسعه‌دهندگان هشدار می‌دهد که با وجود توانایی مدل در شناسایی ایرادهای احتمالی حین ارزیابی کد، نباید آن را جایگزین ابزارهای تحلیل ایستای تخصصی کرد. نئون در نقش همیار ناظران انسانی ظاهر می‌شود، نه مرجع نهایی برای تایید پیاده‌سازی روی سرور اصلی.[5]

گوگل تعهد داده وزن‌های یادگیری نئون را به صورت فصلی به‌روزرسانی کند تا همگام با انتشار چارچوب‌های نرم‌افزاری تازه باقی بماند. نخستین مرحله از این بازآموزی برای فوریه ۲۰۲۷ زمان‌بندی شده که نخستین سنجه پایداری عملیاتی مدل خواهد بود.[2][5]

تا هنگامی که محققان مستقل نتایج بررسی جامع نئون را روی پروژه‌های بزرگ نرم‌افزاری ارائه ندهند، ادعای «کیفیت در حد اوپوس ۵.۵» بیشتر چشم‌اندازی تبلیغاتی است تا یک حقیقت اثبات‌شده. برنامه‌نویسان در هفته‌های پیش‌رو و تا زمان انتشار آپدیت فوریه ۲۰۲۷، این مدل را زیر فشار قرار می‌دهند تا مرز میان مانورهای بازاریابی و واقعیت کارکردی آن مشخص شود.[1][4]

منابع

  1. [1]VentureBeat — Google launches Gemini 4 Neon with Opus 5.5-level coding performance at 25% lower API token prices مطالعه در VentureBeat →
  2. [2]Google — Introducing Gemini 4 Neon مطالعه در Google →
  3. [3]9to5Google — Google launches Gemini 4 Neon with Carbon quality at Flash speeds, live for AI Pro مطالعه در 9to5Google →
  4. [4]AI/TLDR — Gemini 4 Neon: specs, pricing and benchmarks مطالعه در AI/TLDR →
  5. [5]Google Cloud — Developer's guide to Gemini 4 Neon مطالعه در Google Cloud →

نمودارها، نقشه‌ها و تصاویر

طرح مفهومی: توسعه‌دهندگان اکنون می‌توانند پنجره بافت فوق‌العاده حجیم را مستقیماً در برنامه‌های کاربردی خود به کار گیرند.از گزارش: گوگل مدل مرزی جمنای ۴ آرگون را با تخفیف ویژه ای‌پی‌آی در دسترس توسعه‌دهندگان جهان قرار داد ·

آبان ۱۴۰۵

  1. گوگل از جمنای ۴ نئون با ادعای کدنویسی در سطح اوپوس ۵.۵ و کاهش هزینه رابط برنامه‌نویسی رونمایی کرد

مهر ۱۴۰۵

  1. گوگل مدل مرزی جمنای ۴ آرگون را با تخفیف ویژه ای‌پی‌آی در دسترس توسعه‌دهندگان جهان قرار داد

روند رویداد تا امروز

روند توسعه نسل چهارم هوش مصنوعی گوگل در ۱۴ اکتبر ۲۰۲۶ با عرضه مدل کلاس مرزی جمنای ۴ آرگون آغاز شد. در این تاریخ، دسترسی به این مدل پیشرفته برای توسعه‌دهندگان و مشتریان سازمانی در سراسر جهان باز شد.

مدل جمنای ۴ آرگون به‌طور بومی بر روی انواع مختلف داده کار می‌کند. این معماری امکان پردازش همزمان متن، تصویر و کد را در یک پنجره بافت عظیم برای کاربران فراهم می‌آورد.

عرضه جهانی شامل یک مدل قیمت‌گذاری محدود با ۲ دلار به ازای هر یک میلیون توکن ورودی است.از گزارش: گوگل مدل مرزی جمنای ۴ آرگون را با تخفیف ویژه ای‌پی‌آی در دسترس توسعه‌دهندگان جهان قرار داد ·

عرضه جهانی جمنای ۴ آرگون با یک ساختار موقت قیمت‌گذاری رابط برنامه‌نویسی همراه بود تا پذیرش سازمانی آن شتاب گیرد. این هزینه موقت به میزان ۲ دلار به ازای هر میلیون توکن ورودی و ۱۰ دلار به ازای هر میلیون توکن خروجی تعیین شد.

در بخش امنیت داده‌ها، ادغام سازمانی از طریق بستر گوگل کلود برای کاربران فراهم شد. این بستر تضمین کرد که داده‌های شرکتی مجزا باقی مانده و برای آموزش مدل‌های عمومی آتی استفاده نمی‌شوند.

جمنای ۴ آرگون متن، تصویر و کد را به‌صورت بومی و بدون نیاز به گام‌های تبدیل جداگانه پردازش می‌کند.از گزارش: گوگل مدل مرزی جمنای ۴ آرگون را با تخفیف ویژه ای‌پی‌آی در دسترس توسعه‌دهندگان جهان قرار داد ·

روند توسعه این فناوری در ماه نوامبر با معرفی یک مدل تخصصی جدید برای توسعه‌دهندگان ادامه یافت که بر رقابت در بازار کدنویسی متمرکز بود.