تُظهر نسخة Gemini 3.6 Flash الجديدة من Google نتائج قوية في كتابة ومراجعة المستندات، مع إتمام المهام بسرعة أكبر بمتوسط 12%، وفقًا لـ Niko Grupen من Harvey.
وعلى الرغم من دخول Google سباق نماذج الذكاء الاصطناعي هذا العام بعد Anthropic وOpenAI، فإن الشركة تكثف الآن جهودها للمنافسة من خلال مجموعة جديدة من نماذج Gemini تركز على السرعة والكفاءة والتكلفة المنخفضة. وتهدف هذه النماذج إلى منافسة أبرز اللاعبين، بما في ذلك شركات الذكاء الاصطناعي الصينية، من حيث الأسعار والأداء.
وتقول Google إن الإصدار الجديد صُمم لمنح المطورين كفاءة أكبر في استخدام التوكنز، وتقليل زمن الاستجابة، وتنفيذ المهام بشكل أكثر موثوقية، خاصة مع وكلاء الذكاء الاصطناعي الذين يعملون على نطاق واسع داخل بيئات الإنتاج.
ويشمل الإطلاق Gemini 3.5 Flash Cyber، الذي يأتي بعد نحو شهر من تعرض نماذج الأمان Mythos وFable التابعة لـ Anthropic لتوقف مفاجئ، أعقبه تخفيف القيود.
وتطرح Google ثلاثة نماذج منفصلة منخفضة التكلفة للمنافسة في هذا المجال، مع تخصيص كل نموذج لمتطلبات مختلفة تتعلق بسرعة المعالجة والأمان وتكاليف التشغيل.
المنافسون الجدد
بناءً على سلسلة Gemini 3.5 Flash، تعمل Google على توسيع مجموعة Flash بنماذج تهدف إلى تحقيق توازن بين الأداء والسرعة والكفاءة من حيث التكلفة.
- Gemini 3.6 Flash: يقدم قدرات أقوى في البرمجة والعمل المعرفي والمهام متعددة الوسائط، مع استخدام توكنز إخراج أقل بنسبة 17% على مؤشر Artificial Analysis، إلى جانب تكلفة أقل لكل توكن إخراج.
- Gemini 3.5 Flash-Lite: أسرع وأقل نموذج تكلفة في فئة 3.5، حيث يصل Flash-Lite إلى سرعة 350 توكن إخراج في الثانية على مؤشر Artificial Analysis، كما صُمم لتحسين سير العمل القائم على الوكلاء مقارنة بالأجيال السابقة.
- Gemini 3.5 Flash Cyber in CodeMender: يجمع هذا الإصدار بين نموذج متخصص في الأمن السيبراني ووكيل الأمان CodeMender من Google، بهدف تقديم أداء تنافسي على مستوى أحدث نماذج الدفاع السيبراني المدعومة بالذكاء الاصطناعي.
كما تختبر Google نموذج Gemini 3.5 Pro مع مجموعة من الشركاء قبل إتاحته على نطاق أوسع. وفي الوقت نفسه، بدأت الشركة مرحلة التدريب المسبق لـ Gemini 4، في إشارة إلى استمرارها في تطوير الجيل التالي من نماذج الذكاء الاصطناعي.
وبشكل عام، تمثل هذه الإصدارات أحدث محاولة من Alphabet لمنافسة Anthropic في مجال تأمين الأكواد بشكل آلي، مع توسيع استخدام وكلاء الذكاء الاصطناعي في بيئات الإنتاج التي تتطلب تشغيل أعداد كبيرة من المهام.
ويتوافر حاليًا كل من Gemini 3.6 Flash وGemini 3.5 Flash-Lite عبر Google AI Studio وAndroid Studio وGoogle Antigravity وGemini Enterprise وتطبيق Gemini.
تحسينات في البرمجة وقدرات استخدام الكمبيوتر
وفقًا لبيانات Artificial Analysis، يتم تقديم Gemini Flash كبديل منخفض التكلفة للنماذج المنافسة من Anthropic وOpenAI وشركات الذكاء الاصطناعي الصينية. وتبلغ تكلفة النموذج لكل مهمة أقل من GPT-5.6 Terra Max وKimi K3 وQwen 3.7 Max، وهي نماذج تستهدف أيضًا حالات الاستخدام واسعة النطاق في بيئات الإنتاج.
ويُظهر Gemini 3.6 Flash دقة أعلى مع إجراء تعديلات غير ضرورية أقل على الأكواد. فعلى اختبار DeepSWE، حقق النموذج نتيجة بلغت 49% مقارنة بـ37% في النتيجة السابقة. كما تحسن أداؤه في أبحاث تعلم الآلة، حيث وصل إلى 63.9% على MLE Bench مقارنة بـ49.7%.
كما حقق النموذج تقدمًا في مهام استخدام الكمبيوتر، مسجلًا 83% على OSWorld-Verified مقارنة بـ78.4%. وتتوفر هذه الإمكانية كأداة مدمجة من جانب العميل عبر Gemini API وGemini Enterprise.
وفي المهام المعتمدة على المعرفة، تفوق Gemini 3.6 Flash على Gemini 3.5 Flash في اختبار GDPval-AA v2، محققًا 1,421 نقطة مقابل 1,349. كما أفادت شركات مثل Hebbia وHarvey بأن النموذج يقدم أداءً قويًا في مجالات مثل تحليل المستندات، وتفسير الرسوم البيانية، وإنشاء التقارير.
وقال Niko Grupen، رئيس قسم الأبحاث التطبيقية في Harvey، إن Gemini 3.6 Flash يقدم أداءً مميزًا بشكل خاص في كتابة ومراجعة المستندات، خاصة في مجالات مثل أسواق رأس المال وعمليات الاندماج والاستحواذ.
وأضاف أن النموذج الجديد حقق تحسينات كبيرة في الاختبارات مقارنة بسابقه، مع إتمام المهام بسرعة أكبر بمتوسط 12%، ما يعكس تحسنًا في الكفاءة إلى جانب الأداء.
توسيع نطاق مهام وكلاء الذكاء الاصطناعي
يستهدف Gemini 3.5 Flash-Lite المهام التي تتطلب زمن استجابة منخفضًا وحجم تشغيل مرتفعًا، مثل البحث باستخدام الوكلاء ومعالجة المستندات. ومع سرعة إخراج تصل إلى 350 توكن في الثانية، تصفه Google بأنه أسرع نموذج في سلسلة 3.5.
ويبلغ سعره 0.30 دولار لكل مليون توكن إدخال و2.50 دولار لكل مليون توكن إخراج، ما يجعله مصممًا لتحقيق توازن تنافسي بين التكلفة والأداء. كما يتفوق على 3.1 Flash-Lite عبر مستويات مختلفة من التفكير، مما يدعم توسيع نطاق استخدامه بكفاءة أكبر.
ويمكن للمطورين استخدام الحد الأدنى من التفكير عند تنفيذ المهام واسعة النطاق وعالية الحجم، أو زيادة مستوى الاستدلال عند التعامل مع سير عمل معقد ومتعدد الخطوات يعتمد على عدة وكلاء فرعيين. كما تم دمج استخدام الكمبيوتر كأداة مدمجة، مما يسمح للوكلاء بتنفيذ المهام عبر أسطح وواجهات مختلفة.
وحقق النموذج مكاسب ملحوظة في البرمجة ومهام الوكلاء، حيث سجل 54% مقابل 31% على Terminal-Bench 2.1. كما قدم أداءً أفضل في المهام ذات السياق الطويل على GDM-MRCR v2، محققًا 72.2% مقابل 60.1%، وفي التنفيذ الواقعي على GDPval-AA v2، حيث سجل 1,140 مقارنة بـ642.
كما يتفوق Flash-Lite على 3 Flash في SWE-Bench Pro، بنتيجة 54.2% مقابل 49.6%، وعلى OSWorld-Verified، حيث وصل إلى 74% مقارنة بـ65.1%.
وبعيدًا عن الاختبارات، يستطيع النموذج استخراج خصائص المنتجات من قواعد بيانات التجارة الإلكترونية الضخمة وتجميع المعلومات وتحليلها. وبالعمل إلى جانب Gemini 3.6 Flash باعتباره الوكيل الرئيسي، يمكنه إنشاء 25 تصورًا مختلفًا لتصميم مواقع الويب بسرعة.
كما يستطيع النموذج التعامل مع ترجمة الإيصالات على نطاق واسع باستخدام قدراته متعددة الوسائط، وإنشاء ألعاب من خلال اختبار وتحسين عدة طرق مختلفة. وأشاد العملاء الأوائل بسرعته وذكائه وكفاءته من حيث التكلفة.
تطوير الدفاع السيبراني بالذكاء الاصطناعي
تركز Google بشكل متزايد على واقع التهديدات السيبرانية الحديثة، حيث تستطيع نماذج الذكاء الاصطناعي اكتشاف الثغرات الأمنية بشكل أسرع من قدرة المؤسسات على معالجتها.
واستجابةً لهذا التحدي، طورت الشركة Gemini 3.5 Flash Cyber، وهو إصدار متخصص من 3.5 Flash تم تدريبه بشكل مخصص لاكتشاف الثغرات الأمنية ومعالجتها، مع الحفاظ على انخفاض تكلفة استخدام التوكنز.
ومن خلال CodeMender، يمكن لعدة وكلاء يعتمدون على Gemini 3.5 Flash Cyber العمل معًا ودمج نتائجهم في تقرير واحد. ويحقق هذا النهج نتائج تنافسية على مستوى أحدث النماذج في معيار CyberGym، كما يساعد Google على تقليص فجوة الأداء في الأمن السيبراني مع Anthropic، التي حصلت على أفضلية مبكرة من خلال نموذج Mythos.
وتخطط Google لإتاحة النموذج حصريًا للحكومات والشركاء الموثوق بهم ضمن برنامج تجريبي محدود لـ CodeMender. ويهدف البرنامج إلى منح فرق الدفاع السيبراني مزيدًا من الوقت لاكتشاف الثغرات الحرجة وإصلاحها قبل أن يتمكن المهاجمون من استغلالها.
وفي الوقت نفسه، تواصل شركات الذكاء الاصطناعي الصينية تعزيز مكانتها. فقد فرضت Moonshot AI قيودًا على اشتراكات Kimi K3 بسبب محدودية القدرة الاستيعابية، بينما ألمحت Alibaba إلى Qwen 3.8 Max. والمنافسة على هذا المستوى تتطلب أيضًا بنية تحتية حوسبية كافية لتشغيل نماذج الذكاء الاصطناعي على نطاق واسع.
وتتمتع Google بميزة في هذا الجانب بفضل شرائحها المخصصة، والبنية التحتية السحابية، ونهجها القائم على تصميم نماذج الذكاء الاصطناعي بالتوازي مع العتاد الذي يشغلها.
ومن خلال الجمع بين السرعة والتكلفة المنخفضة والأداء، تعزز مجموعة Flash الجديدة جهود Google للمنافسة على تشغيل وكلاء الذكاء الاصطناعي على نطاق واسع في بيئات الإنتاج، في الوقت الذي يبحث فيه المطورون عن بدائل أسرع وأكثر كفاءة من حيث التكلفة للنماذج المنافسة الحالية.