⚡ معرفی نسل جدید مدل‌های خانواده Gemini
گوگل از عرضه سه مدل جدید پرده‌برداری کرده است که هرکدام برای نیازهای خاصی بهینه‌سازی شده‌اند. مدل Gemini 3.6 Flash با مصرف ۱۷٪ توکن کمتر نسبت به نسخه 3.5، کیفیت بالاتری را ارائه می‌دهد و با کاهش قیمت، گزینه‌ای اقتصادی‌تر برای توسعه‌دهندگان محسوب می‌شود.
🚀 مدل Gemini 3.5 Flash-Lite نسخه بهبودیافته و سریع این سری است که با نرخ خیره‌کننده ۳۵۰ توکن بر ثانیه کار می‌کند. این مدل در وظایف مبتنی بر ایجنت (Agentic Tasks) عملکرد بسیار بهتری دارد، هرچند قیمت آن با تغییراتی همراه بوده است.
🛡 ️ نوآوری جالب دیگر، Gemini 3.5 Flash Cyber است که نخستین مدل اختصاصی گوگل برای حوزه امنیت سایبری به‌شمار می‌رود. این مدل در بنچمارک‌های Cyber Gym توانسته است به عملکردی نزدیک به مدل‌های تخصصی Sol و Mythos دست یابد.
🧠 در نهایت، گوگل رسماً تأیید کرده است که فرایند Pre-training مدل نسل بعد یعنی Gemini 4 آغاز شده و در ابعادی وسیع در جریان است.
🔗 blog.google
#Gemini_3_6 #Cyber_Security
گوگل از عرضه سه مدل جدید پرده‌برداری کرده است که هرکدام برای نیازهای خاصی بهینه‌سازی شده‌اند. مدل Gemini 3.6 Flash با مصرف ۱۷٪ توکن کمتر نسبت به نسخه 3.5، کیفیت بالاتری را ارائه می‌دهد و با کاهش قیمت، گزینه‌ای اقتصادی‌تر برای توسعه‌دهندگان محسوب می‌شود.
🚀 مدل Gemini 3.5 Flash-Lite نسخه بهبودیافته و سریع این سری است که با نرخ خیره‌کننده ۳۵۰ توکن بر ثانیه کار می‌کند. این مدل در وظایف مبتنی بر ایجنت (Agentic Tasks) عملکرد بسیار بهتری دارد، هرچند قیمت آن با تغییراتی همراه بوده است.
🛡 ️ نوآوری جالب دیگر، Gemini 3.5 Flash Cyber است که نخستین مدل اختصاصی گوگل برای حوزه امنیت سایبری به‌شمار می‌رود. این مدل در بنچمارک‌های Cyber Gym توانسته است به عملکردی نزدیک به مدل‌های تخصصی Sol و Mythos دست یابد.
🧠 در نهایت، گوگل رسماً تأیید کرده است که فرایند Pre-training مدل نسل بعد یعنی Gemini 4 آغاز شده و در ابعادی وسیع در جریان است.
🔗 blog.google
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Gemini_3_6 #Cyber_Security
❤1
هوش مصنوعی و علم داده به فارسی
⚡ معرفی نسل جدید مدل‌های خانواده Gemini گوگل از عرضه سه مدل جدید پرده‌برداری کرده است که هرکدام برای نیازهای خاصی بهینه‌سازی شده‌اند. مدل Gemini 3.6 Flash با مصرف ۱۷٪ توکن کمتر نسبت به نسخه 3.5، کیفیت بالاتری را ارائه می‌دهد و با کاهش قیمت، گزینه‌ای اقتصادی‌تر…
⚡️ رونمایی گوگل از مدل قدرتمند Gemini 3.7 Flash
گوگل از مدل جدید Gemini 3.7 Flash رونمایی کرد. این مدل با تکیه بر بهبودهای الگوریتمی در هسته استدلال (reasoning) و با قیمت بسیار رقابتی ۰.۷۵ دلار به ازای هر میلیون توکن ورودی عرضه شده است. تمرکز اصلی این نسخه بر توسعه وب، کارهای متنی سنگین و مهندسی نرم‌افزار قرار دارد.
بهبودهای عملکردی ثبت‌شده در بنچمارک‌های کلیدی این مدل:
• شاخص FrontierCode 1.1: رشد از ۳۴.۴٪ به ۴۳.۶٪
• شاخص DeepSWE v1.1: رشد از ۴۸.۶٪ به ۶۵.۳٪
• شاخص WebDev Arena: ارتقای امتیاز Elo از ۱۵۳۸ به ۱۵۸۸
• شاخص AutomationBench: رشد از ۱۷.۰٪ به ۳۰.۴٪
• شاخص GDP.pdf: رشد از ۲۲.۰٪ به ۳۴.۰٪
جزئیات بیشتر را می‌توانید در تحلیل کامل فنی مطالعه کنید.
گوگل از مدل جدید Gemini 3.7 Flash رونمایی کرد. این مدل با تکیه بر بهبودهای الگوریتمی در هسته استدلال (reasoning) و با قیمت بسیار رقابتی ۰.۷۵ دلار به ازای هر میلیون توکن ورودی عرضه شده است. تمرکز اصلی این نسخه بر توسعه وب، کارهای متنی سنگین و مهندسی نرم‌افزار قرار دارد.
بهبودهای عملکردی ثبت‌شده در بنچمارک‌های کلیدی این مدل:
• شاخص FrontierCode 1.1: رشد از ۳۴.۴٪ به ۴۳.۶٪
• شاخص DeepSWE v1.1: رشد از ۴۸.۶٪ به ۶۵.۳٪
• شاخص WebDev Arena: ارتقای امتیاز Elo از ۱۵۳۸ به ۱۵۸۸
• شاخص AutomationBench: رشد از ۱۷.۰٪ به ۳۰.۴٪
• شاخص GDP.pdf: رشد از ۲۲.۰٪ به ۳۴.۰٪
جزئیات بیشتر را می‌توانید در تحلیل کامل فنی مطالعه کنید.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی#Gemini_3_7_Flash #DeepSWE
📩 ارتباط با ما
🚀 معرفی مدل جدید Gemini 3.5 Transcribe
گوگل از مدل‌های جدید خود برای تبدیل گفتار به متن با نرخ خطای بسیار پایین (WER) رونمایی کرد. این فناوری در دو نسخه عرضه شده است که هر کدام برای نیازهای متفاوتی بهینه‌سازی شده‌اند. جزئیات، زمینه و نکات تکمیلی این مطلب در نسخه کامل مطلب با عمق بیشتری آمده است.
مدل
مهم‌ترین نکات درباره این مدل‌ها:
- در انتخاب نسخه دقت کنید؛ قابلیت استریمینگ با تأخیر کم و شناسایی گوینده (Diarization) در این مدل‌ها همزمان در دسترس نیست.
- حالت هوشمند (Smart mode) امکان ترکیب با تایم‌استمپ یا شناسایی گوینده را ندارد و برای خلاصه و متن دقیق باید دو درخواست مجزا ارسال شود.
- عملکرد مدل در حالت دسته‌ای (Batch) نرخ خطای ۲.۶ درصد را ثبت کرده و نسبت به مدل Chirp 3 حدود ۷۰ درصد سریع‌تر نهایی‌سازی می‌شود.
- پشتیبانی از بیش از ۸۵ زبان زنده دنیا با هزینه‌ای رقابتی.
برای بررسی تحلیل کامل و جزئیات فنی می‌توانید به منبع اصلی مراجعه کنید.
#Gemini_3_5_Transcribe #Diarization
گوگل از مدل‌های جدید خود برای تبدیل گفتار به متن با نرخ خطای بسیار پایین (WER) رونمایی کرد. این فناوری در دو نسخه عرضه شده است که هر کدام برای نیازهای متفاوتی بهینه‌سازی شده‌اند. جزئیات، زمینه و نکات تکمیلی این مطلب در نسخه کامل مطلب با عمق بیشتری آمده است.
مدل
gemini-3.5-transcribe-live برای استریمینگ آنی و زیر یک ثانیه از طریق WebSockets طراحی شده است، در حالی که مدل gemini-3.5-transcribe برای پردازش فایل‌های ضبط‌شده با قابلیت شناسایی گوینده و واژگان تخصصی بهینه شده است.مهم‌ترین نکات درباره این مدل‌ها:
- در انتخاب نسخه دقت کنید؛ قابلیت استریمینگ با تأخیر کم و شناسایی گوینده (Diarization) در این مدل‌ها همزمان در دسترس نیست.
- حالت هوشمند (Smart mode) امکان ترکیب با تایم‌استمپ یا شناسایی گوینده را ندارد و برای خلاصه و متن دقیق باید دو درخواست مجزا ارسال شود.
- عملکرد مدل در حالت دسته‌ای (Batch) نرخ خطای ۲.۶ درصد را ثبت کرده و نسبت به مدل Chirp 3 حدود ۷۰ درصد سریع‌تر نهایی‌سازی می‌شود.
- پشتیبانی از بیش از ۸۵ زبان زنده دنیا با هزینه‌ای رقابتی.
برای بررسی تحلیل کامل و جزئیات فنی می‌توانید به منبع اصلی مراجعه کنید.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Gemini_3_5_Transcribe #Diarization
❤2
This media is not supported in your browser
VIEW IN TELEGRAM
🚀 تحول پردازش ویدیو با مدل‌های هوشمند Gemini
گوگل در جدیدترین به‌روزرسانی مدل‌های Gemini 3.7 Flash، 3.6 Flash و 3.5 Flash-Lite قابلیت «تحلیل ویدیو به صورت عاملیت‌محور» (Agentic Video) را معرفی کرده است.
در این روش، مدل دیگر نیازی به پردازش یکنواخت تمام فریم‌های ویدیو ندارد. هوش مصنوعی با درک محتوا، تصمیم می‌گیرد که کدام بخش‌ها نیاز به بررسی دقیق دارند، در چه قسمت‌هایی می‌توان نرخ فریم را کاهش داد و کدام سکانس‌ها تأثیری در نتیجه نهایی ندارند.
مهم‌ترین مزایای این رویکرد هوشمند عبارتند از:
- کاهش مصرف توکن تا ۸۸ درصد
- کاهش هزینه‌های پردازشی تا ۶۶ درصد
- افزایش دقت در انجام وظایف مرتبط با ویدیو
این قابلیت به‌ویژه برای تحلیل ویدیوهای طولانی که بخش‌های تکراری یا کم‌اهمیت دارند، یک جهش بزرگ محسوب می‌شود و بهینگی مدل را به شدت افزایش می‌دهد.
#Gemini_3_7_Flash #Agentic_Video
گوگل در جدیدترین به‌روزرسانی مدل‌های Gemini 3.7 Flash، 3.6 Flash و 3.5 Flash-Lite قابلیت «تحلیل ویدیو به صورت عاملیت‌محور» (Agentic Video) را معرفی کرده است.
در این روش، مدل دیگر نیازی به پردازش یکنواخت تمام فریم‌های ویدیو ندارد. هوش مصنوعی با درک محتوا، تصمیم می‌گیرد که کدام بخش‌ها نیاز به بررسی دقیق دارند، در چه قسمت‌هایی می‌توان نرخ فریم را کاهش داد و کدام سکانس‌ها تأثیری در نتیجه نهایی ندارند.
مهم‌ترین مزایای این رویکرد هوشمند عبارتند از:
- کاهش مصرف توکن تا ۸۸ درصد
- کاهش هزینه‌های پردازشی تا ۶۶ درصد
- افزایش دقت در انجام وظایف مرتبط با ویدیو
این قابلیت به‌ویژه برای تحلیل ویدیوهای طولانی که بخش‌های تکراری یا کم‌اهمیت دارند، یک جهش بزرگ محسوب می‌شود و بهینگی مدل را به شدت افزایش می‌دهد.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Gemini_3_7_Flash #Agentic_Video
🚀 بررسی بنچمارک‌های جدید هوش مصنوعی
نتایج بنچمارک‌های تازه منتشر شده نشان می‌دهد که مدل‌های هوش مصنوعی با سرعت خیره‌کننده‌ای در حال پیشرفت هستند و استانداردهای جدیدی را در عملکرد فنی تعریف می‌کنند.
در حوزه وظایف تخصصی تحلیلگر مالی، مدل‌های زیر عملکرد برجسته‌ای داشته‌اند:
* Gemini 3.8 Flash با کسب نرخ موفقیت ۶۱.۴٪ در صدر لیست قرار گرفته است.
* Gemini 3.7 Flash با ۵۹.۰٪ عملکرد، در رده بعدی جای دارد.
* Claude Opus 5 با ثبت ۵۸.۶٪ موفقیت، همچنان یکی از گزینه‌های قدرتمند در تحلیل‌های مالی است.
این داده‌ها نشان می‌دهد که برای کارهای تخصصی و تحلیل‌های پیچیده مالی، ابزارهای سری Gemini در حال حاضر به عنوان یک مرجع کلیدی شناخته می‌شوند. با توجه به قیمت و کارایی، این مدل‌ها مرزهای جدیدی را در دنیای پردازش داده‌های مالی ترسیم کرده‌اند.
#Gemini_3 #Financial_Analyst
نتایج بنچمارک‌های تازه منتشر شده نشان می‌دهد که مدل‌های هوش مصنوعی با سرعت خیره‌کننده‌ای در حال پیشرفت هستند و استانداردهای جدیدی را در عملکرد فنی تعریف می‌کنند.
در حوزه وظایف تخصصی تحلیلگر مالی، مدل‌های زیر عملکرد برجسته‌ای داشته‌اند:
* Gemini 3.8 Flash با کسب نرخ موفقیت ۶۱.۴٪ در صدر لیست قرار گرفته است.
* Gemini 3.7 Flash با ۵۹.۰٪ عملکرد، در رده بعدی جای دارد.
* Claude Opus 5 با ثبت ۵۸.۶٪ موفقیت، همچنان یکی از گزینه‌های قدرتمند در تحلیل‌های مالی است.
این داده‌ها نشان می‌دهد که برای کارهای تخصصی و تحلیل‌های پیچیده مالی، ابزارهای سری Gemini در حال حاضر به عنوان یک مرجع کلیدی شناخته می‌شوند. با توجه به قیمت و کارایی، این مدل‌ها مرزهای جدیدی را در دنیای پردازش داده‌های مالی ترسیم کرده‌اند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Gemini_3 #Financial_Analyst
Media is too big
VIEW IN TELEGRAM
🚀 معرفی مدل‌های جدید Gemini 3.8 Live
گوگل از نسخه‌های جدید Gemini 3.8 Live و Live Extended Thinking رونمایی کرد. این مدل‌ها گام مهمی در تعاملات صوتی و پردازش همزمان داده‌ها محسوب می‌شوند.
مهم‌ترین ویژگی‌های این نسخه:
* پشتیبانی از ۹۷ زبان مختلف و درک مستقیم ویدیو و تصاویر دوربین.
* قابلیت فراخوانی ابزارها بدون وقفه در مکالمه.
* استفاده از Extended Thinking برای استدلال همزمان با گفتار، که به مدل اجازه می‌دهد وظایف پیچیده را در پس‌زمینه حل کند.
* کسب رتبه اول در شاخص کیفیت تبدیل صوت به صوت با امتیاز ۸۲.۶.
این مدل‌ها هم‌اکنون از طریق Gemini API و AI Studio در دسترس توسعه‌دهندگان قرار دارند و به‌تدریج به قابلیت‌های جست‌وجو و محیط Workspace اضافه می‌شوند.
#Gemini_3_8_Live #Extended_Thinking
گوگل از نسخه‌های جدید Gemini 3.8 Live و Live Extended Thinking رونمایی کرد. این مدل‌ها گام مهمی در تعاملات صوتی و پردازش همزمان داده‌ها محسوب می‌شوند.
مهم‌ترین ویژگی‌های این نسخه:
* پشتیبانی از ۹۷ زبان مختلف و درک مستقیم ویدیو و تصاویر دوربین.
* قابلیت فراخوانی ابزارها بدون وقفه در مکالمه.
* استفاده از Extended Thinking برای استدلال همزمان با گفتار، که به مدل اجازه می‌دهد وظایف پیچیده را در پس‌زمینه حل کند.
* کسب رتبه اول در شاخص کیفیت تبدیل صوت به صوت با امتیاز ۸۲.۶.
این مدل‌ها هم‌اکنون از طریق Gemini API و AI Studio در دسترس توسعه‌دهندگان قرار دارند و به‌تدریج به قابلیت‌های جست‌وجو و محیط Workspace اضافه می‌شوند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Gemini_3_8_Live #Extended_Thinking
❤1
🚀 تحول مدل‌های صوتی با Gemini 3.8 Live
گوگل از مدل‌های جدید Gemini 3.8 Live و Extended Thinking رونمایی کرد که به‌طور اختصاصی برای تعاملات صوتی بی‌درنگ در محیط‌های عملیاتی طراحی شده‌اند. این مدل‌ها به جای استفاده از ترکیب مرسوم ASR، LLM و TTS، از یک ساختار یکپارچه استفاده می‌کنند.
ویژگی‌های کلیدی این مدل‌ها عبارتند از:
- حذف وقفه در گفتگو هنگام پردازش منطقی و فراخوانی ابزارها در پس‌زمینه.
- کسب رتبه نخست در شاخص صوتی Artificial Analysis.
- قابلیت سوئیچ خودکار بین ۹۷ زبان مختلف در حین مکالمه.
- مدل قیمت‌گذاری دقیق برای ورودی و خروجی صوتی.
با وجود این پیشرفت‌ها، چالش‌های مربوط به جریان‌های کاری پیچیده صوتی همچنان پابرجاست. در حال حاضر دسترسی به این مدل‌ها صرفاً از طریق API گوگل امکان‌پذیر است.
بررسی مدل‌های صوتی Gemini 3.8 Live؛ تحولی در تعاملات کلامی هوش مصنوعی
#Gemini_3_8_Live #Extended_Thinking
گوگل از مدل‌های جدید Gemini 3.8 Live و Extended Thinking رونمایی کرد که به‌طور اختصاصی برای تعاملات صوتی بی‌درنگ در محیط‌های عملیاتی طراحی شده‌اند. این مدل‌ها به جای استفاده از ترکیب مرسوم ASR، LLM و TTS، از یک ساختار یکپارچه استفاده می‌کنند.
ویژگی‌های کلیدی این مدل‌ها عبارتند از:
- حذف وقفه در گفتگو هنگام پردازش منطقی و فراخوانی ابزارها در پس‌زمینه.
- کسب رتبه نخست در شاخص صوتی Artificial Analysis.
- قابلیت سوئیچ خودکار بین ۹۷ زبان مختلف در حین مکالمه.
- مدل قیمت‌گذاری دقیق برای ورودی و خروجی صوتی.
با وجود این پیشرفت‌ها، چالش‌های مربوط به جریان‌های کاری پیچیده صوتی همچنان پابرجاست. در حال حاضر دسترسی به این مدل‌ها صرفاً از طریق API گوگل امکان‌پذیر است.
بررسی مدل‌های صوتی Gemini 3.8 Live؛ تحولی در تعاملات کلامی هوش مصنوعی
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Gemini_3_8_Live #Extended_Thinking