جمینای ۳.۸ فلش؛ واکنش سهام آلفابت به انتشار مدل جدید گوگل

گزارش وال‌استریت ژورنال مبنی بر اینکه گوگل ممکن است مدل جدیدی از جمینای را «حداکثر تا چهارشنبه» عرضه کند، اتفاقی کم‌سابقه در بازار شایعات هوش مصنوعی رقم زد: خبری درباره یک مدل هنوز منتشرنشده، قیمت سهام شرکتی با ارزش بازار چند تریلیون دلاری را تغییر داد. پس از انتشار گزارش، سهام آلفابت در معاملات پس از ساعات رسمی حدود ۰٫۷ درصد افزایش یافت و بخشی از افت نزدیک به ۱٫۳ درصدی خود در جریان معاملات عادی را جبران کرد. مدل مورد بحث، جمینای ۳.۸ فلش (Gemini 3.8 Flash)، ظاهراً با نام رمز داخلی «اسکیمَکی» (Skimaki) شناخته می‌شد و هدف اصلی آن، بنا بر گزارش‌ها، کاهش فاصله گوگل با OpenAI و Anthropic در زمینه تولید کد بود.

این گزارش که یاهو فایننس نیز آن را با عنوان «گوگل ممکن است مدل هوش مصنوعی جدید ۳.۸ فلش را حداکثر تا چهارشنبه منتشر کند؛ سهام GOOGL در معاملات پس از ساعات رسمی رشد کرد» پوشش داد، طی هفته‌های گذشته بارها در محافل معاملاتی و انجمن‌های هوش مصنوعی دست‌به‌دست شده است. جمینای ۳.۸ فلش اکنون واقعاً عرضه شده و بازار فرصتی به دست آورده است که به‌ندرت در مواجهه با شایعات هوش مصنوعی فراهم می‌شود: مقایسه هیاهوی پیش از عرضه با نتایج واقعی. جمع‌بندی اولیه یکدست نیست و همین نکته باعث می‌شود بازبینی این ماجرا ارزشمندتر از کنار گذاشتن آن پس از فروکش کردن موج خبری باشد.

در این مقاله بررسی می‌کنیم گزارش اولیه دقیقاً چه ادعاهایی مطرح کرده بود، مهندسان گوگل بنا بر گزارش‌ها در آزمایش‌های داخلی چه یافته بودند، نتایج فعلی بنچمارک‌های مستقل چه تصویری ارائه می‌کنند و چرا واکنش محدود بازار ممکن است بیش از آنکه درباره خود مدل باشد، از خستگی سرمایه‌گذاران نسبت به اخبار هوش مصنوعی حکایت کند.

گزارش وال‌استریت ژورنال دقیقاً چه می‌گفت؟

بر اساس اظهارات افرادی که در گزارش اولیه با موضوع آشنایی داشتند، گوگل در حال بررسی عرضه جمینای ۳.۸ فلش طی چند روز پس از انتشار خبر بود. بااین‌حال، گزارش تاریخ عرضه را قطعی اعلام نکرده بود. چهارشنبه صرفاً یکی از زمان‌های احتمالی معرفی شده بود، نه موعدی تضمین‌شده؛ بنابراین امکان تغییر برنامه گوگل همچنان وجود داشت. این رویکرد برای شرکتی که پیش‌تر به‌دلیل وعده‌های بیش از حد خوش‌بینانه درباره زمان عرضه محصولات هوش مصنوعی با مشکل روبه‌رو شده، چندان غیرمعمول نیست.

جزئیات مهم‌تر گزارش، نه زمان عرضه، بلکه ادعایی درباره آزمایش‌های داخلی گوگل بود. طبق این گزارش، مهندسان شرکت با استفاده از ابزار داخلی ارزیابی کدنویسی موسوم به «جت‌اسکی» (Jetski)، خروجی جمینای ۳.۸ فلش را در مقایسه‌های مستقیم کدنویسی به خروجی مدل اوپوس (Opus) متعلق به آنتروپیک ترجیح داده بودند. این ادعا از سوی منابع آگاه از آزمایش‌ها مطرح شده بود، نه در قالب بیانیه‌ای رسمی از گوگل؛ بنابراین باید آن را نشانه‌ای از ارزیابی داخلی شرکت دانست، نه نتیجه‌ای مستقل و تأییدشده از یک بنچمارک. بااین‌حال، برای شرکتی که بخش زیادی از سال ۲۰۲۶ را صرف مقابله با این برداشت کرده که در تولید کد از OpenAI و Anthropic عقب است، حتی چنین ترجیح داخلیِ تأییدنشده‌ای به‌اندازه‌ای مهم بود که بر سهام شرکتی با ارزش بازار چند تریلیون دلاری اثر بگذارد.

چرا رشد ۰٫۷ درصدی پس از ساعات رسمی مهم‌تر از چیزی است که به نظر می‌رسد؟

افزایش ۰٫۷ درصدی در معاملات پس از ساعات رسمی، در مقایسه با نوسان‌هایی که سهام مرتبط با هوش مصنوعی امسال تجربه کرده‌اند، ناچیز به نظر می‌رسد؛ اما توجه به شرایط بازار ضروری است. سهام آلفابت پیش از انتشار گزارش، معاملات عادی را با افتی نزدیک به ۱٫۳ درصد به پایان رسانده بود. بنابراین، رشد پس از انتشار خبر در واقع نشان‌دهنده تغییر جهت احساسات بازار بود، نه صرفاً نوسانی جزئی در ادامه یک روز مثبت. برای شرکتی در ابعاد آلفابت، حتی تغییرات کسری از یک درصد نیز می‌تواند به جابه‌جایی ده‌ها میلیارد دلار از ارزش بازار در عرض چند دقیقه منجر شود؛ آن هم در واکنش به گزارشی که صراحتاً درباره تحقق رویداد مورد اشاره در همان هفته تردید داشت.

این الگو یکی از ویژگی‌های معاملات سهام مرتبط با هوش مصنوعی در سال ۲۰۲۶ بوده است: تیترهایی درباره مدل‌هایی که هنوز عرضه نشده‌اند، سریع‌تر از خود مدل‌ها قیمت‌ها را جابه‌جا می‌کنند. معامله‌گران دیگر منتظر عرضه رسمی نمی‌مانند؛ آن‌ها بر اساس نام‌های رمز افشاشده و توضیحات غیرمستقیم درباره ابزارهای آزمایش داخلی، احتمال عرضه را در قیمت‌ها لحاظ می‌کنند. واکنش مثبت سهام آلفابت به خبر جمینای ۳.۸ فلش نمونه روشنی از این سازوکار است و یکی از دلایلی به شمار می‌رود که باعث شد این خبر مدت‌ها پس از عرضه واقعی مدل نیز مورد استناد قرار گیرد.

درون پروژه «اسکیمَکی»: درباره نام رمز چه می‌دانیم؟

طبق گزارش‌ها، گوگل پیش از انتخاب نام تجاری جمینای ۳.۸ فلش، در داخل شرکت از نام رمز اسکیمَکی برای این پروژه استفاده می‌کرد. نام‌های رمز داخلی در بخش دیپ‌مایند گوگل به‌ندرت تا زمان عرضه عمومی باقی می‌مانند و این مورد نیز از این قاعده مستثنا نبود. نکته قابل‌توجه آن است که نام رمز پیش از خود محصول به بیرون درز کرد؛ الگویی که امسال در میان آزمایشگاه‌های بزرگ هوش مصنوعی تا حدی تکرار شده است. اکنون به نظر می‌رسد نام مدل‌ها مدت‌ها پیش از آنکه شرکت‌ها آمادگی تأیید رسمی اطلاعات را داشته باشند، از طریق انجمن‌های مهندسی، گزارش‌های آزمایش داخلی و گفت‌وگوهای پیمانکاران فاش می‌شود.

گوگل تاکنون توضیح رسمی‌ای درباره علت انتخاب یا کنار گذاشتن نام اسکیمَکی منتشر نکرده است و منابع گزارش اولیه نیز توضیح قطعی‌ای در این زمینه ارائه نمی‌کنند. باید این نکته را روشن بیان کرد: هر ادعایی فراتر از وجود این نام رمز و جایگزین شدن آن با نام جمینای ۳.۸ فلش، از محدوده اطلاعات گزارش‌شده خارج می‌شود و به گمانه‌زنی می‌رسد؛ بنابراین در این مقاله از چنین گمانه‌زنی‌هایی پرهیز می‌کنیم.

جت‌اسکی؛ ابزار داخلی پشت مقایسه با اوپوس

در گزارش‌ها، جت‌اسکی به‌عنوان ابزار داخلی گوگل برای ارزیابی کدنویسی توصیف شده است؛ چارچوبی که مهندسان ظاهراً با استفاده از آن، مدل‌های مختلف را پیش از تصمیم‌گیری درباره عرضه محصول به‌صورت مستقیم با یکدیگر مقایسه می‌کنند. ادعای برتری جمینای ۳.۸ فلش نسبت به مدل اوپوس آنتروپیک در این آزمایش‌های داخلی، به افرادی نسبت داده شده است که از فرایند آزمایش اطلاع داشتند، نه به یک بنچمارک منتشرشده از سوی گوگل. این تفاوت برای کسانی اهمیت دارد که می‌خواهند فاصله رقابتی واقعی گوگل و آنتروپیک را ارزیابی کنند؛ موضوعی که این وب‌سایت از طریق داده‌های بازارهای پیش‌بینی نیز دنبال کرده است. این داده‌ها نشان می‌دهند احساسات معامله‌گران نسبت به دو آزمایشگاه تقریباً برابر است.

آزمایش‌های ترجیح داخلی می‌توانند نشانه‌های مفیدی ارائه دهند، اما جایگزین بنچمارک‌های مستقل و بی‌طرفانه نیستند. شرکت‌ها مدل‌های رقیب را در نسخه‌هایی آزمایش می‌کنند که در همان زمان در دسترس دارند و این آزمایش‌ها را تحت شرایطی انجام می‌دهند که خودشان تعیین می‌کنند. همچنین، هر شرکت انگیزه دارد نتایجی را برجسته کند که به نفع آن است. هیچ‌یک از این موارد به معنای نادرست بودن نتیجه آزمایش جت‌اسکی نیست؛ بااین‌حال، ناظران بیرونی باید آن را شواهدی جهت‌دار تلقی کنند، نه اثباتی بر اینکه جمینای ۳.۸ فلش در همه زمینه‌ها از اوپوس بهتر است؛ به‌ویژه با در نظر گرفتن نسخه‌های جدیدتری که آنتروپیک عرضه می‌کند.

بنچمارک‌هایی که پس از تیترهای خبری منتشر شدند

پس از عرضه واقعی جمینای ۳.۸ فلش، ارزیابان مستقل توانستند آزمایش‌های خود را انجام دهند و نتایج آن‌ها تصویری روشن‌تر از شایعات پیش از عرضه ارائه می‌کند. بر اساس اطلاعات منتشرشده از سوی Artificial Analysis، این مدل در شاخص ترکیبی هوش Artificial Analysis Intelligence Index، که به‌طور گسترده در صنعت هوش مصنوعی مورد استناد قرار می‌گیرد، با سطح تلاش استدلالی بالا امتیاز ۴۱ را کسب کرد. این مؤسسه امتیاز قابل‌مقایسه‌ای برای جمینای ۳.۷ فلش منتشر نکرده است. طبق داده‌های مقایسه‌ای منتشرشده در آزمایش ۱۹۲‌مرحله‌ای Kingy AI درباره میزان کار انجام‌شده به‌ازای هر دلار هزینه، این امتیاز در محدوده عملکرد GPT-5.6 Sol با بالاترین سطح تلاش استدلالی قرار می‌گیرد. در آن آزمایش، دو مدل مستقیماً روی مجموعه بزرگی از وظایف با یکدیگر مقایسه شدند.

جمینای ۳.۸ فلش در بنچمارک HLE-Verified، زیرمجموعه تأییدشده آزمون Humanity’s Last Exam که پرسش‌های مبهم یا مورد اختلاف را حذف می‌کند، امتیاز ۵۴٫۹ درصد را به دست آورد. بر اساس جدول رتبه‌بندی HLE-Verified در اکتبر ۲۰۲۶، این مدل در میان شش مدلی که در آن مجموعه دنبال می‌شدند، رتبه نخست را داشت و در میان ۱۰ درصد برتر مدل‌های ارزیابی‌شده قرار می‌گرفت. سرعت تولید خروجی آن نیز در همان مجموعه داده‌ها حدود ۳۰۲ توکن در ثانیه بود؛ عملکردی قابل‌قبول برای مدلی که به‌عنوان گزینه‌ای سریع و مقرون‌به‌صرفه عرضه شده است، نه یک مدل پرچم‌دار با تمرکز بر استدلال پیشرفته.

جمینای ۳.۸ فلش در چه زمینه‌هایی برتر است و کجا عقب می‌ماند؟

اطلاعات بنچمارکی که گوگل منتشر کرده و در گزارش‌های تجمیع نتایج ارزیابی‌های زمان عرضه بازتاب یافته‌اند، تصویری دوگانه ارائه می‌کنند، نه یک پیروزی قاطع. طبق گزارش‌ها، جمینای ۳.۸ فلش در آزمون‌هایی مانند Vals Finance Agent v2 و Terminal-Bench 2.1، که بر وظایف ساختاریافته و استفاده از ابزارها تمرکز دارند، از Claude Opus و GPT-5.6 Sol پیشی گرفته است. در مقابل، در بنچمارک‌های دشوارتر و بازتر مانند Terminal-Bench 4.0 و OSWorld-2.0، که مدل‌ها را در معرض گردش‌کارهای عامل‌محور طولانی‌تر و احتمال بیشتر انحراف از مسیر یا خطا قرار می‌دهند، عملکرد آن از رقبایش ضعیف‌تر گزارش شده است.

این نتایج دوگانه، تصویری واقع‌بینانه‌تر از دو روایت ساده «گوگل آنتروپیک را شکست داد» یا «گوگل بار دیگر عقب ماند» ارائه می‌کنند. این مدل در وظایف ساختاریافته و دارای تعریف روشن، واقعاً توانمند است؛ اما در کارهای عامل‌محور طولانی، پیچیده و چندمرحله‌ای که به مرز جدید رقابت دستیارهای کدنویسی تبدیل شده‌اند، ضعف بیشتری دارد. شرکت‌هایی که میان جمینای ۳.۸ فلش، GPT-5.6 Sol و Claude Opus انتخاب می‌کنند، بهتر است تصمیم خود را بر اساس نوع وظایفی بگیرند که بخش عمده کار روزمره‌شان را تشکیل می‌دهد، نه بر پایه یک امتیاز کلی در تیتر اخبار.

قیمت‌گذاری: قیمت اعلام‌شده ثابت ماند، اما هزینه واقعی افزایش یافت

گوگل قیمت رسمی جمینای ۳.۸ فلش را بدون تغییر نسبت به جمینای ۳.۷ فلش حفظ کرد: ۰٫۷۵ دلار به‌ازای هر یک میلیون توکن ورودی و ۳٫۷۵ دلار به‌ازای هر یک میلیون توکن خروجی. در ظاهر، این تغییر شبیه ارتقایی رایگان است؛ اما در عمل، موضوع به این سادگی نیست. از آنجا که مدل جدید به‌طور پیش‌فرض استدلال عمیق‌تری انجام می‌دهد، معمولاً برای تکمیل هر وظیفه به محاسبات بیشتری نیاز دارد. برآوردهای مستقل هزینه نشان می‌دهند که با وجود ثابت ماندن قیمت اعلام‌شده به‌ازای هر توکن، هزینه واقعی هر وظیفه تکمیل‌شده حدود ۴۰ درصد بیشتر از نسخه قبلی است.

این الگویی است که باید در کل صنعت دنبال شود. قیمت اعلام‌شده به‌ازای هر توکن، معیار کم‌اعتمادتری برای برآورد هزینه واقعی شرکت‌ها شده است؛ زیرا مدل‌های متکی بر استدلال عمیق برای رسیدن به پاسخی مشابه، توکن‌های بیشتری مصرف می‌کنند. تیم‌هایی که قصد دارند جمینای ۳.۷ فلش را با نسخه ۳.۸ جایگزین کنند، باید این اختلاف را در بودجه خود لحاظ کنند و تصور نکنند ثابت ماندن تعرفه به معنای ثابت ماندن هزینه نهایی است. این موضوع یادآور مطلبی است که این وب‌سایت در اوایل سال درباره بازآرایی سطوح اشتراک جمینای برای کاربران عادی از سوی گوگل و فشارهای مشابه بر هزینه ارائه خدمات منتشر کرده بود.

پیشینه: چرا مدل‌های فلش گوگل همواره نقش متعادل‌کننده را داشته‌اند؟

مدل‌های سری فلش جمینای هیچ‌گاه محصولات نمایشی و پرچم‌دار گوگل نبوده‌اند. این جایگاه به نسخه‌های پرو و اولترا تعلق دارد و اکنون به‌طور فزاینده‌ای جمینای ۴ آرگون را نیز در بر می‌گیرد؛ مدلی که گوگل عرضه جهانی آن را با افزایش چشمگیر پنجره زمینه آغاز کرد. هدف فلش متفاوت است: گوگل باید ثابت کند که می‌تواند مدلی سریع، ارزان و به‌اندازه کافی توانمند را با سرعتی عرضه کند که توسعه‌دهندگان را از مهاجرت به مدل‌های ارزان‌تر OpenAI یا خانواده هایکو متعلق به آنتروپیک بازدارد. اگر جمینای ۳.۸ فلش را با این هدف بسنجیم، افزایش سه‌امتیازی آن در شاخص Artificial Analysis و نتایج ترکیبی بنچمارک‌ها بیشتر به یک به‌روزرسانی معمول در میانه چرخه عمر محصول شباهت دارد تا یک ناکامی.

در نسل‌های مختلف جمینای، الگویی تکراری دیده می‌شود: به‌روزرسانی‌های تدریجی با قیمت‌هایی نزدیک به نسخه قبلی که در بنچمارک‌های مختلف جایگاه خود را با رقبا عوض می‌کنند، نه عرضه مدلی که با فاصله‌ای چشمگیر از همه پیش بیفتد. این روند با روایت رایج در تیترهای خبری تفاوت دارد؛ تیترهایی که هر عرضه را حرکتی تعیین‌کننده در رقابت دو یا سه بازیگر اصلی معرفی می‌کنند. داده‌ها بیشتر از یک رقابت فرسایشی حکایت دارند که در آن OpenAI، گوگل و آنتروپیک هر چند هفته یک‌بار در دسته‌های مختلف وظایف برتری‌های کوچکی به دست می‌آورند و سپس رقیب بعدی این فاصله را جبران می‌کند.

فشار رقابتی بر آنتروپیک و OpenAI

حتی ترجیح داخلی تأییدنشده جمینای ۳.۸ فلش به Claude Opus نیز از نظر رقابتی اهمیت دارد؛ زیرا آنتروپیک در موقعیت حساسی قرار گرفته است. این وب‌سایت پیش‌تر درباره تلاش آنتروپیک برای کاهش قیمت‌ها با هدف حفظ توان رقابتی کلود، هم‌زمان با افزایش شایعات درباره عرضه احتمالی اوپوس ۶، گزارش داده بود. خبری که حتی با لحنی محتاطانه بگوید مهندسان گوگل در وظایف کدنویسی یک مدل میان‌رده جمینای را به محصول پرچم‌دار آنتروپیک ترجیح داده‌اند، فشار بر آنتروپیک را افزایش می‌دهد تا برتری اوپوس در کدنویسی را نه فقط ادعا، بلکه اثبات کند.

OpenAI نیز با فشاری مشابه روبه‌رو است. هم‌سطح بودن امتیاز GPT-5.6 Sol و جمینای ۳.۸ فلش در شاخص هوش Artificial Analysis، آن هم در شرایطی که اولی با بالاترین سطح تلاش استدلالی ارزیابی شده، از یک منظر به معنای برابری عملکرد است. اما از منظری دیگر، این مقایسه نشان می‌دهد مدلی از گوگل که به‌عنوان گزینه‌ای سریع‌تر و ارزان‌تر بازاریابی می‌شود، توانسته است با مدلی رقابت کند که OpenAI آن را در بالاترین و احتمالاً پرهزینه‌ترین سطح استدلالی اجرا می‌کند. اگر آزمایش‌های مستقل بیشتر این مقایسه را تأیید کنند، این وضعیت احتمالاً بیش از جایگاه گوگل، برای راهبرد قیمت‌گذاری OpenAI مسئله‌ساز خواهد بود.

تأثیر بازار فراتر از نوسان فوری سهام

افزایش ۰٫۷ درصدی سهام در معاملات پس از ساعات رسمی محدود بود؛ اما در بازاری که تیترهای مرتبط با هوش مصنوعی بارها موجب نوسان‌های چنددرصدی در سهام تولیدکنندگان تراشه، ارائه‌دهندگان خدمات ابری و خود آزمایشگاه‌های هوش مصنوعی شده‌اند، چنین واکنشی لزوماً بی‌اهمیت نیست. واکنش نسبتاً ملایم بازار شاید به‌جای بی‌تفاوتی نسبت به خبر، از تغییر نگرش سرمایه‌گذاران حکایت کند. ممکن است آن‌ها عرضه مدل‌های هوش مصنوعی را مانند به‌روزرسانی‌های معمول محصولات شرکت‌های نرم‌افزاری بالغ قیمت‌گذاری کنند، نه رویدادهایی گمانه‌زنانه که نوید یک جهش بزرگ را می‌دهند. اگر این روند ادامه پیدا کند، نحوه معامله سهام مرتبط با هوش مصنوعی در آستانه سال ۲۰۲۷ دستخوش تغییری معنادار خواهد شد.

نکته دیگر آن است که روایت گسترده‌تر آلفابت درباره زیرساخت هوش مصنوعی، از جمله تلاش برای توسعه تراشه‌های اختصاصی، مستقل از اخبار مربوط به مدل فلش مسیر خود را ادامه داد. خوانندگانی که این بخش از راهبرد هوش مصنوعی گوگل را دنبال می‌کنند، می‌توانند در گزارش این وب‌سایت درباره عرضه جمینای ایجنت از سوی گوگل ببینند که چگونه واکنش بازار به یکپارچه‌سازی محصول با واکنش به تیترهای مربوط به عرضه مدل و امتیازهای بنچمارک تفاوت دارد.

تیم‌های سازمانی و توسعه‌دهندگان باید واقعاً چه چیزهایی را دنبال کنند؟

برای تیم‌هایی که به‌جای معامله سهام آلفابت، محصولات خود را بر پایه رابط برنامه‌نویسی کاربردی جمینای می‌سازند، نکات عملی مهم‌تر از هیاهوی بازار است. نخست، افزایش هزینه هر وظیفه اهمیت بیشتری از ثابت ماندن قیمت هر توکن دارد و باید در بودجه لحاظ شود. دوم، تفاوت عملکرد مدل در وظایف عامل‌محور ساختاریافته و وظایف باز و پیچیده به این معناست که تیم‌ها باید جمینای ۳.۸ فلش را با گردش‌کار واقعی خود آزمایش کنند، نه اینکه تنها به یک امتیاز کلی تکیه داشته باشند. سوم، یادداشت‌های رسمی تغییرات رابط برنامه‌نویسی کاربردی جمینای گوگل همچنان معتبرترین مرجع برای اطلاع از قابلیت‌هایی است که واقعاً عرضه شده‌اند؛ نه قابلیت‌هایی که پیش از عرضه به بیرون درز کرده‌اند.

تیم‌هایی که از قبل استفاده از جمینای ۳.۷ فلش را استاندارد کرده‌اند، احتمالاً به‌اندازه‌ای که تیترهای خبری القا می‌کنند، برای مهاجرت فوری تحت فشار نیستند. افزایش سه‌امتیازی در یک بنچمارک ترکیبی، در کنار حدود ۴۰ درصد افزایش هزینه مؤثر هر وظیفه، لزوماً ارتقایی مناسب برای همه کاربردها نیست؛ به‌ویژه در سامانه‌های پرتراکنش و حساس به هزینه که مزیت اصلی فلش برای آن‌ها ارزان بودن بوده است.

پیش‌بینی‌ها: از اینجا به بعد چه اتفاقی می‌افتد؟

• انتظار می‌رود گوگل نسخه‌های رده فلش را با فاصله زمانی کوتاه‌تری نسبت به پرو و اولترا به‌روزرسانی کند و از این رده برای آزمایش قابلیت‌های استدلالی جدید، پیش از انتقال آن‌ها به مدل‌های پرچم‌دار، بهره ببرد.
• احتمالاً افشاگری‌های بیشتری درباره آزمایش‌های داخلی، مانند مقایسه جت‌اسکی و اوپوس، منتشر خواهد شد؛ زیرا آزمایشگاه‌های هوش مصنوعی در سال ۲۰۲۶ نتوانسته‌اند گفت‌وگوهای مربوط به ارزیابی‌های پیش از عرضه را به‌خوبی محرمانه نگه دارند.
• انتظار می‌رود فشار بر قیمت‌گذاری افزایش یابد؛ زیرا آزمایشگاه‌های بیشتری با فاصله میان قیمت ثابت هر توکن و افزایش هزینه محاسباتی هر وظیفه روبه‌رو می‌شوند. این فشار احتمالاً در دو فصل آینده دست‌کم یکی از ارائه‌دهندگان بزرگ را به تغییر قیمت‌های عمومی وادار خواهد کرد.
• احتمال دارد آنتروپیک در واکنش، نتایج بنچمارک‌های اختصاصی خود را برای وظایف کدنویسی عامل‌محور و طولانی‌مدت منتشر کند؛ حوزه‌ای که جمینای ۳.۸ فلش بنا بر گزارش‌ها بیشترین ضعف را در آن نشان داده است.
• واکنش بازار به عرضه مدل‌های هوش مصنوعی احتمالاً به‌تدریج محدودتر خواهد شد، زیرا سرمایه‌گذاران آن‌ها را رویدادهایی معمولی تلقی می‌کنند، نه اتفاقاتی استثنایی؛ مگر اینکه مدلی جدید به‌جای بهبود تدریجی امتیازهای بنچمارک، جهشی واقعی و چشمگیر در توانایی‌ها نشان دهد.

تصویر بزرگ‌تر: شایعه‌ای که از چرخه خبری خود فراتر رفت

دلیل ارزشمند بودن بازبینی این خبر، چند هفته پس از انتشار اولیه، نه نوسان محدود سهام است و نه عرضه مدلی که از الگوی آشنای محصولات گوگل پیروی کرده است. اهمیت ماجرا در فاصله میان نحوه پوشش خبر در زمان انتشار و تصویری است که اکنون از آن داریم. در ابتدا، خبر به‌عنوان افشای اطلاعات درباره مدلی عرضه‌نشده و عاملی برای حرکت بازار مطرح شد؛ اما حالا با محصولی روبه‌رو هستیم که عرضه شده، بنچمارک‌های آن در دسترس است و عملکردش را می‌توان با معیارهای مشخص، هرچند نه کاملاً یکدست، ارزیابی کرد. این فاصله به‌تدریج به الگویی رایج در پوشش اخبار هوش مصنوعی تبدیل می‌شود: افشاگری تیتر خبری را می‌سازد، اما داده‌های واقعی عملکرد دیرتر منتشر می‌شوند و با وجود هیاهوی کمتر، برای کسانی که باید درباره انتخاب مدل تصمیم بگیرند، ارزش بیشتری دارند. خوانندگانی که می‌خواهند جایگاه این مدل را در روند کلی عرضه محصولات گوگل بررسی کنند، می‌توانند به ردیاب تبار مدل‌های جمینای از Presenc AI مراجعه کنند که توالی عرضه مدل‌های گوگل در سال ۲۰۲۶ و جایگاه نسخه ۳.۸ فلش را ترسیم می‌کند.

برای سرمایه‌گذاران آلفابت، پیام اصلی این است که افزایش ۰٫۷ درصدی سهام در معاملات پس از ساعات رسمی، آن هم بر پایه گزارشی تأییدنشده، به‌تنهایی نشانه‌ای برای خرید نیست. برای توسعه‌دهندگان، نتایج جدول بنچمارک‌ها از شایعه‌ای که پیش از عرضه منتشر شد اهمیت بیشتری دارد. برای صنعت هوش مصنوعی نیز جمینای ۳.۸ فلش داده دیگری به تصویری اضافه می‌کند که در آن سال جاری بیش از آنکه با یک مدل انقلابی تعریف شود، با مجموعه‌ای پیوسته از ارتقاهای میان‌رده شناخته می‌شود؛ ارتقاهایی که هر بار توازن رقابتی را چند امتیاز به یک سو می‌برند و عرضه بعدی بخشی از این فاصله را جبران می‌کند.

پرسش‌های متداول

جمینای ۳.۸ فلش چیست؟
جمینای ۳.۸ فلش نسخه به‌روزشده مدل هوش مصنوعی سریع گوگل است که پیش از عرضه، بنا بر گزارش‌ها، در داخل شرکت با نام رمز «اسکیمَکی» شناخته می‌شد. این مدل در شاخص هوش Artificial Analysis با سطح تلاش استدلالی بالا امتیاز ۴۱ و در HLE-Verified امتیاز ۵۴٫۹ درصد را کسب کرد.

چرا پس از انتشار گزارش، سهام GOOGL تغییر کرد؟
پس از آنکه وال‌استریت ژورنال گزارش داد گوگل ممکن است طی چند روز مدل را عرضه کند، سهام آلفابت در معاملات پس از ساعات رسمی حدود ۰٫۷ درصد افزایش یافت. این گزارش همچنین به آزمایش‌های داخلی اشاره می‌کرد که در آن‌ها مهندسان گوگل ظاهراً مدل جدید را برای وظایف کدنویسی به اوپوس آنتروپیک ترجیح داده بودند.

آیا گوگل مقایسه با اوپوس را تأیید کرده است؟
خیر. این ادعا به افرادی نسبت داده شده بود که از آزمایش‌های داخلی گوگل با ابزار کدنویسی جت‌اسکی اطلاع داشتند؛ نه به بیانیه رسمی گوگل یا یک بنچمارک مستقل منتشرشده.

عملکرد جمینای ۳.۸ فلش در مقایسه با GPT-5.6 Sol چگونه است؟
طبق یک آزمایش مقایسه‌ای شامل ۱۹۲ اجرا، امتیاز جمینای ۳.۸ فلش در شاخص هوش Artificial Analysis با سطح تلاش استدلالی بالا، در برخی گزارش‌های مقایسه‌ای با امتیاز GPT-5.6 Sol در بالاترین سطح تلاش استدلالی هم‌سطح توصیف شده است. بااین‌حال، نتایج در بنچمارک‌های دیگر یکسان نبودند. داده‌های گزارش‌شده در بخش‌های مختلف این مقاله برای این مقایسه کاملاً همسو نیستند؛ بنابراین نمی‌توان آن را بدون بررسی بیشتر نتیجه‌ای قطعی دانست.

آیا اجرای جمینای ۳.۸ فلش از جمینای ۳.۷ فلش گران‌تر است؟
قیمت رسمی هر یک میلیون توکن ورودی ۰٫۷۵ دلار و هر یک میلیون توکن خروجی ۳٫۷۵ دلار باقی مانده است. بااین‌حال، چون مدل جدید به‌طور پیش‌فرض استدلال عمیق‌تری انجام می‌دهد، هزینه مؤثر هر وظیفه تکمیل‌شده حدود ۴۰ درصد بیشتر برآورد شده است.

نام رمز «اسکیمَکی» به چه معناست؟
اسکیمَکی نام داخلی پروژه‌ای بود که گوگل ظاهراً پیش از عرضه عمومی آن با نام جمینای ۳.۸ فلش استفاده می‌کرد. گوگل تاکنون درباره علت انتخاب این نام توضیحی عمومی نداده است.

جمینای ۳.۸ فلش در رتبه‌بندی‌های مستقل چه جایگاهی دارد؟
بر اساس اطلاعات جدول HLE-Verified در اکتبر ۲۰۲۶، این مدل در میان ۶ مدل تحت بررسی رتبه نخست را داشت و در میان ۱۰ درصد برتر مدل‌های ارزیابی‌شده قرار می‌گرفت. سرعت تولید خروجی آن نیز حدود ۳۰۲ توکن در ثانیه گزارش شده است. رتبه‌بندی گسترده‌تر این مدل در میان ۱۹۶ مدل، در گزارش‌های موجود حدود جایگاه هفدهم ذکر شده است.

آیا توسعه‌دهندگان باید از جمینای ۳.۷ فلش به نسخه ۳.۸ مهاجرت کنند؟
این تصمیم به نوع کاربرد بستگی دارد. نسخه جدید در بنچمارک‌های ساختاریافته و مبتنی بر استفاده از ابزارها پیشرفت نشان داده، اما در وظایف عامل‌محور طولانی‌مدت از برخی رقبا عقب مانده است. بنابراین، تیم‌ها باید مدل را با نیازهای واقعی خود آزمایش کنند و تنها بر یک امتیاز کلی تکیه نداشته باشند.