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.

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.