گوگل مدلهای جدید Gemini را با تمرکز بر کاهش هزینه و امنیت معرفی کرد
گوگل از مدل هوش مصنوعی Gemini ۳.۶ Flash رونمایی کرد؛ مدلی که به گفته این شرکت، در مقایسه با نسل پیشین، ۱۷ درصد توکن کمتری مصرف میکند و برای پردازشهای سنگین، تحلیل دادههای مالی و کاربردهای چندوجهی بهینه شده است.
به گزارش هممیهن آنلاین و به نقل از گوگل، این شرکت مجموعهای از مدلهای جدید هوش مصنوعی خود را معرفی کرده است. Gemini 3.6 Flash، Gemini 3.5 Flash Light و Gemini 3.5/Cyber هرکدام با هدف پاسخگویی به نیازهای متفاوت در حوزههایی مانند پردازش داده، توسعه نرمافزار، خدمات سازمانی و امنیت سایبری طراحی شدهاند.
مهمترین ویژگی Gemini 3.6 Flash، کاهش ۱۷ درصدی مصرف توکن در مقایسه با Gemini 3.5 Flash اعلام شده است. این بهینهسازی میتواند مصرف منابع پردازشی و هزینه اجرای مدل را کاهش دهد و بهرهوری سامانههای مبتنی بر هوش مصنوعی را افزایش دهد.
گوگل اعلام کرده است Gemini 3.6 Flash برای وظایفی از جمله مهاجرت کد، تحلیل دادههای مالی و پردازشهای چندوجهی توسعه یافته است. این مدل تلاش میکند ضمن حفظ توان پردازشی، پاسخگویی سریعتر و هزینه عملیاتی پایینتری ارائه دهد.
در کنار این مدل، Gemini 3.5 Flash Light نیز معرفی شده است. این مدل با تمرکز بر ایجاد تعادل میان سرعت، کیفیت و هزینه، برای کاربردهای روزمره سازمانی، پردازش اسناد، مدیریت حجم بالای داده و گردشکارهای مبتنی بر عاملهای هوش مصنوعی در نظر گرفته شده است.
بر اساس توضیحات گوگل، Gemini 3.5 Flash Light میتواند در سامانههایی که به پردازش مستمر و گسترده دادهها نیاز دارند، عملکردی پایدار ارائه کند. کاهش هزینه استفاده از این مدل، یکی از اهداف اصلی طراحی آن عنوان شده است.
مدل دیگر معرفیشده، Gemini 3.5/Cyber است که بهطور ویژه برای حوزه امنیت سایبری توسعه یافته است. شناسایی آسیبپذیریها، مقابله با تهدیدهای دیجیتال، حفاظت از دادههای حساس و تقویت امنیت زیرساختها از جمله کاربردهای پیشبینیشده برای این مدل است.
گوگل کاهش مصرف توکن را یکی از محورهای مشترک نسل جدید Gemini میداند. این قابلیت بهویژه در پروژههای بزرگ، سامانههای چندوجهی، عاملهای هوش مصنوعی و سرویسهایی که با حجم بالای درخواست مواجه هستند، میتواند به کاهش هزینه و افزایش مقیاسپذیری کمک کند.
این شرکت همچنین اعلام کرده توسعه Gemini 4 ادامه دارد. نسل آینده این خانواده قرار است با استفاده از روشهای پیشرفتهتر پیشآموزش و افزایش مقیاسپذیری، برای کاربردهایی مانند رباتیک، توسعه نرمافزار، سامانههای کمتأخیر، تحلیل مالی و امنیت سایبری آماده شود.
به کانال تلگرام هم میهن بپیوندید
به کانال بله هم میهن بپیوندید
به کانال روبیکا هم میهن بپیوندید
