Google مدل Gemini 4 Argon را معرفی کرد؛ دسترسی عمومی فعلاً ممکن نیست

مدل Gemini 4 Argon را Google در ۳۰ سپتامبر معرفی کرد؛ مدلی که این شرکت مدعی است در کدنویسی، کارهای دانشی و امنیت سایبری عملکردی پیشرو دارد، اما فعلاً برای استفاده عمومی در دسترس نیست. معرفی این مدل در حالی انجام می‌شود که Google می‌گوید مهندسان داخلی شرکت پیش‌تر به‌شکل گسترده از آن استفاده کرده‌اند.

مدلی تازه پس از عرضه نسخه‌های Flash

Google پیش‌تر در ژوئن از Gemini 3.5 Pro وعده داده بود، اما در تابستان بیشتر نسخه‌های کوچک‌تر Flash را عرضه کرد. اکنون این شرکت با Gemini 4 Argon بار دیگر بر توانایی‌های مدل‌های پیشرفته‌تر تمرکز کرده است. با این حال، زمان دسترسی کاربران به مدل اعلام نشده است.

در نتیجه، ادعاهای مربوط به توانایی Argon فعلاً با گزارش‌هایی از کاربردهای داخلی و نتایج آزمون‌ها همراه است؛ کاربران بیرون از Google نمی‌توانند آن را مستقلاً آزمایش کنند.

کاربردهای گزارش‌شده در داخل Google

به گفته Google، این مدل با تحلیل داده‌های تله‌متری در سطح ناوگان مراکز داده به این شرکت کمک کرده است ۳۰۰ تبی‌بایت حافظه صرفه‌جویی کند. تله‌متری به داده‌هایی گفته می‌شود که از عملکرد سامانه‌ها جمع‌آوری می‌شوند و می‌توانند به شناسایی الگوها و بهینه‌سازی منابع کمک کنند.

Google همچنین از استفاده عامل‌های مبتنی بر Argon برای انتقال کدهای C و C++ به Rust خبر داده است. بنا بر گزارش این شرکت، این کار شامل هزاران خط کد در کتابخانه‌های re2 و libgav1 و بیش از ۸۰۰ هزار خط در هسته Zircon سیستم‌عامل Fuchsia بوده است. عامل هوش مصنوعی سامانه‌ای است که می‌تواند برای انجام وظایف چندمرحله‌ای اقدام کند؛ با این حال، جزئیات میزان نظارت انسانی بر این فرایند در اطلاعات منتشرشده روشن نیست.

امتیازهای بنچمارک و ادعاهای Google

Google برای پشتیبانی از ادعاهایش به چند معیارسنجی اشاره کرده است. در آزمون مهندسی نرم‌افزار DeepSWE v1.1، Gemini 4 Argon امتیاز ۷۷٫۹ درصد گرفته است. شرکت می‌گوید این نتیجه از امتیاز GPT-6 Astra، Fable 5.1 و Opus 5.5 بالاتر است؛ ارقام این مدل‌ها در اطلاعات ارائه‌شده ذکر نشده‌اند.

Google همچنین از عملکرد Argon در وظایف بلندمدت و نتیجه آن در آزمون Vals Index برای تحلیل اقتصادی سخن گفته و مدعی شده است که مدل در این آزمون امتیازی پیشرو دارد. این ادعاها به نتایج معیارهایی متکی‌اند که جزئیات کامل روش اجرا و مقایسه در خلاصه منتشرشده ارائه نشده است؛ بنابراین ارزیابی مستقل پس از دسترسی پژوهشگران و کاربران اهمیت خواهد داشت.

این خبر برای چه کسانی اهمیت دارد

معرفی Gemini 4 Argon برای توسعه‌دهندگان، پژوهشگران هوش مصنوعی و شرکت‌هایی که به‌دنبال مدل‌هایی برای کدنویسی یا انجام وظایف پیچیده‌اند اهمیت دارد، زیرا Google هم از نتایج بنچمارک و هم از کاربردهای سازمانی مدل مثال آورده است. بااین‌حال، تا وقتی مدل عرضه نشود و ارزیابی بیرونی امکان‌پذیر نباشد، مقایسه ادعاهای شرکت با تجربه عملی کاربران ممکن نیست.