جمنای ۴ هیدروژن؛ مدلی که سرعت را با قدرت ترکیب میکند و رایگان در دسترس است
گوگل تنها چند روز پس از عرضه عمومی جمنای ۴ کربن، عضو تازهای به خانواده مدلهای هوش مصنوعی خود افزود. جمنای ۴ هیدروژن با هدف انجام سریعتر کارهای روزمره، برنامهنویسی و مدیریت وظایف پیچیده معرفی شده و برخلاف مدلهای قدرتمندتر این خانواده، کاربران نسخه رایگان جمنای نیز میتوانند از قابلیتهای آن بهرهمند شوند.
در حالی که جمنای ۴ آرگون و کربن بیشتر برای حل مسائل دشوار، استدلال عمیق و پروژههای طولانی مناسب هستند، هیدروژن بر اجرای سریع و دقیق فعالیتهایی تمرکز دارد که کاربران و توسعهدهندگان بهطور مداوم انجام میدهند. نکته جالب اینکه هیدروژن با وجود تمرکز بر سرعت و بهرهوری، در برخی ارزیابیها حتی از جمنای ۴ آرگون نیز پیشی گرفته است.
عملکردی فراتر از انتظار در آزمونهای سنجش هوش مصنوعی
بر اساس اطلاعات منتشرشده توسط گوگل، هیدروژن در شاخص Artificial Analysis Intelligence Index با تنظیم پیشفرض سطح تفکر High امتیاز ۵۱ را کسب کرده است، در حالی که جمنای ۴ آرگون در همین شاخص امتیاز ۵۰ دارد. با فعالکردن بالاترین سطح تفکر، امتیاز هیدروژن به ۵۴ میرسد.

این نتیجه نشان میدهد مدل جدید گوگل با وجود تمرکز بر سرعت و کاهش هزینههای محاسباتی، لزوماً از مدلهای سنگینتر ضعیفتر نیست. گوگل همچنین هیدروژن را با مدل قبلی خود یعنی جمنای ۳.۸ فلش مقایسه کرده است. بر اساس نتایج اعلامشده، هیدروژن در تنظیم پیشفرض High وظایف را ۲.۵ برابر سریعتر از جمنای ۳.۸ فلش به پایان میرساند.
در آزمون Terminal-Bench 4.1 که توانایی عاملهای هوش مصنوعی را در انجام وظایف برنامهنویسی و کار با محیط ترمینال ارزیابی میکند، امتیاز مدل جدید به ۵۷ درصد رسید، در حالی که جمنای ۳.۸ فلش در همین آزمون امتیاز ۱۸.۲ درصدی کسب کرد. به گفته گوگل، میزان تولید ادعاهای ساختگی یا نادرست نیز در هیدروژن بیش از پنج برابر کاهش یافته است. مدل جدید هنگام مواجهه با خطا در فراخوانی ابزارها یا دریافت نتیجه خالی از جستوجو نیز بهتر میتواند مسیر انجام وظیفه را اصلاح کند.
Orchestrator؛ همکاری چند مدل برای پروژههای پیچیده
گوگل همزمان با معرفی جمنای ۴ هیدروژن، از قابلیت جدیدی به نام Orchestrator در پلتفرم Google Antigravity رونمایی کرد. این قابلیت به مدلهای مختلف هوش مصنوعی اجازه میدهد در یک پروژه با یکدیگر همکاری کنند و وظایف بر اساس میزان پیچیدگی میان آنها تقسیم شود.
برای مثال، در یک پروژه بزرگ برنامهنویسی، جمنای ۴ کربن میتواند مسئول طراحی معماری نرمافزار و تصمیمگیریهای پیچیده باشد، در حالی که هیدروژن نوشتن بخشهایی از کد، اجرای آزمایشها و بررسی تغییرات را بر عهده بگیرد. Orchestrator میتواند در طول یک نشست کاری بهصورت پویا میان مدلهای مختلف جابهجا شود؛ بنابراین لازم نیست تمام مراحل پروژه با یک مدل واحد انجام شوند. این روش بهویژه زمانی کاربرد دارد که بخشی از فعالیتها به استدلال عمیق نیاز دارند، اما مراحل دیگر را میتوان با مدلی سریعتر انجام داد.
گوگل میگوید استفاده از Orchestrator در آزمون Terminal-Bench 4.0 به نتایجی نزدیک به عملکرد جمنای ۴ کربن رسیده است، اما بهطور میانگین ۲۴ درصد سهمیه پردازشی کمتری مصرف کرده و وظایف را ۱۹ درصد سریعتر انجام داده است.

برنامهنویسی سریعتر با توانایی شناسایی و رفع خطاها
بخش مهمی از قابلیتهای جمنای ۴ هیدروژن به توسعه نرمافزار اختصاص دارد. مدل جدید میتواند مخازن بزرگ کد را بررسی کند، درباره عملکرد بخشهای مختلف برنامه پاسخ دهد و خطاهای نرمافزاری را بدون تغییر غیرضروری فایلهای دیگر برطرف کند.
یکی از ویژگیهای آن، توانایی انجام همزمان چندین عملیات خواندن فایل و جستوجو است. بهجای بررسی تکتک فایلها بهصورت متوالی، هیدروژن میتواند چندین درخواست را در یک مرحله اجرا کند و اطلاعات موردنیازش را سریعتر به دست آورد.
گوگل میگوید در آزمایشهای اولیه انجامشده توسط شرکای تجاری خود، مدل جدید در برخی فعالیتهای پیچیده مرتبط با پایگاههای داده، SQL و ساختارهای گرافی بین دو تا ۲.۸ برابر سریعتر از جمنای ۳.۸ فلش عمل کرده است. مصرف توکن در همین سناریوها بین ۱۲ تا ۲۳ درصد کاهش یافت. هیدروژن در آزمون SWE-sweep که توانایی شناسایی و اصلاح خطاهای نرمافزاری بدون آسیبرساندن به بخشهای سالم برنامه را بررسی میکند، عملکرد بهتری نسبت به مدلهای همرده داشت. این مدل همچنین برای ساخت سریع نمونههای اولیه وبسایتها، تبدیل طرحهای گرافیکی به کد و توسعه برنامههای تعاملی بهینه شده است.
از بازی سهبعدی تا فروشگاه اینترنتی با یک دستور
گوگل برای نمایش تواناییهای جمنای ۴ هیدروژن، چند نمونه عملی از پروژههای ساختهشده با این مدل را معرفی کرده است. یکی از آنها Geminisland است؛ محیطی سهبعدی با گرافیک وکسلی که کاربران میتوانند تنها با نوشتن یک دستور، سازههای جدیدی به آن اضافه کنند و سپس در محیط بازی حرکت کنند.
در نمونهای دیگر، هیدروژن با استفاده از ابزارهای طراحی رابط کاربری در Google Antigravity یک فروشگاه اینترنتی تعاملی را تنها با یک دستور اولیه ساخته است. این پروژه شامل جلوههای گرافیکی سهبعدی، اسکرول تعاملی چندمرحلهای، ابزار مقایسه تصویری و امکان شخصیسازی زنده ظاهر محصول میشود.
یکی دیگر از آزمایشها به Google Sheets مربوط است. مدل جدید با کوچککردن هزاران سلول و ترکیب کدنویسی پایتون، فرمولهای LET و قالببندی شرطی، یک صفحه گسترده معمولی را به محیطی برای نمایش انیمیشنهای پیکسلی تبدیل کرده است. هیدروژن همچنین توانسته است با دریافت ویدیوی یک سخنرانی در یوتیوب و یک قالب طراحی، مجموعهای از اسلایدهای ارائه در Google Slides بسازد. نکته جالب اینکه مدل پس از تولید اسلایدها، فرایندی خودکار برای شناسایی و اصلاح مشکلات ظاهری اجرا کرده است؛ از جمله بررسی همپوشانی متنها و اصلاح چیدمان عناصر. گوگل میگوید در محیط Gemini در Google Sheets نیز مدل جدید میتواند اطلاعات مالی را به مدلهای تعاملی تبدیل کند تا کاربران سناریوهای مختلف پیشبینی را بررسی کنند. این نمونهها توانایی مدل را در انجام پروژههای چندمرحلهای نشان میدهند، هرچند ممکن است اجرای پروژههای مشابه در عمل همچنان به بررسی و اصلاح انسانی نیاز داشته باشد.
پنجره زمینه یک میلیون توکنی؛ ابزاری برای تحلیل اسناد و ویدیوها
جمنای ۴ هیدروژن از پنجره زمینه یک میلیون توکنی پشتیبانی میکند؛ قابلیتی که به مدل اجازه میدهد حجم بزرگی از اطلاعات را در یک درخواست دریافت و پردازش کند. گوگل همچنین اعلام کرده است که مدل از تولید حداکثر یک میلیون توکن خروجی پشتیبانی میکند.
هیدروژن میتواند اطلاعات موجود در فایلهای PDF، صفحات گسترده، نمودارها، فایلهای صوتی و ویدیوهای ضبطشده را بررسی کند و بر اساس آنها گزارشهای ساختاریافته و مستند تولید کند. برای مثال، میتوان مجموعهای از اسناد مالی، جدولها و نمودارهای یک شرکت را در اختیار مدل قرار داد و از آن خواست گزارش تحلیلی همراه با منابع و نتایج قابلبررسی آماده کند.
چهار سطح تفکر برای تنظیم سرعت و قدرت
یکی از قابلیتهای مهم جمنای ۴ هیدروژن، پشتیبانی از چهار سطح مختلف تفکر است. کاربران و توسعهدهندگان میتوانند متناسب با نوع فعالیت، میزان توان پردازشی و زمان موردنیاز برای استدلال را تنظیم کنند. این سطوح شامل Low، Medium، High و XHigh هستند.
حالت High بهصورت پیشفرض فعال است و تعادلی میان سرعت و کیفیت پاسخ ایجاد میکند. در مقابل، حالت XHigh برای وظایفی طراحی شده که به بررسی عمیقتر و محاسبات بیشتری نیاز دارند. حالتهای سبکتر نیز میتوانند برای فعالیتهای ساده و پرتکرار مناسب باشند؛ بهویژه زمانی که سرعت پاسخگویی اهمیت بیشتری دارد. به گفته گوگل، افزایش سطح تفکر بهصورت تدریجی باعث افزایش عمق استدلال و هزینه پردازش میشود و کاربران میتوانند بر اساس نیازشان میان این گزینهها جابهجا شوند.

کاربردهای تخصصی فراتر از برنامهنویسی
گوگل میگوید هیدروژن در آزمون Multimodal Knowledge Agent یا MKA که انجام فعالیتهای چندمرحلهای با اسناد پیچیده و چندرسانهای را ارزیابی میکند، امتیاز ۵۳.۴ درصد کسب کرده است. این مدل در آزمون Agents’ Last Exam نسخه ۱.۱ نیز به امتیاز ۷۱.۶ درصد رسیده است. در ارزیابیهای دیگر، هیدروژن توانسته است در آزمون HLE-Diamond امتیاز ۵۸.۸ درصد، در Vals Tax Agent Bench امتیاز ۵۲.۳ درصد و در Vals Legal Research Bench امتیاز ۵۵.۸ درصد کسب کند. گوگل همچنین اعلام کرده است که مدل جدید در رتبهبندی زنده Agent Arena برای اجرای وظایف چندمرحلهای در جایگاه پنجم قرار دارد. این نتایج نشان میدهند کاربرد هیدروژن تنها به برنامهنویسی محدود نیست و میتوان از آن برای فعالیتهای تخصصی مانند تحلیل اسناد حقوقی، بررسی دادهها و تحقیقات چندمرحلهای نیز استفاده کرد.
مدل جدید همچنین میتواند برای انجام فعالیتهای پیچیده از فایلهای بارگذاریشده، اطلاعات موجود در سرویسهایی مانند Gmail و Google Drive و اتصالدهندههای سرویسهایی مانند Airtable و Dropbox استفاده کند؛ البته به شرط آنکه دسترسیهای لازم فراهم شده باشند. این توانایی به کاربران اجازه میدهد فعالیتهایی مانند جمعآوری اطلاعات، بررسی اسناد، ساخت جدول و آمادهسازی خروجی نهایی را در یک فرایند به هم متصل کنند.
تجربه کاربران عادی؛ تغییر در اپلیکیشن و موتور جستوجو
گوگل اعلام کرده است که هیدروژن علاوه بر ابزارهای برنامهنویسی، به اپلیکیشن جمنای و موتور جستوجوی این شرکت نیز اضافه میشود. در اپلیکیشن جمنای، تمرکز مدل جدید بر درک دقیقتر دستورهای کاربران، حفظ زمینه گفتگوهای چندمرحلهای و استفاده مناسب از ابزارهای مختلف است. برای مثال، اگر کاربر بخواهد گزارشی را با لحن و قالب مشخص بازنویسی کند، هیدروژن طوری آموزش دیده است که محدودیتهای تعیینشده را دقیقتر رعایت کند و نتیجه را با رفتوبرگشت کمتری ارائه دهد.
در موتور جستوجوی گوگل نیز هیدروژن برای درک بهتر منظور کاربران به کار گرفته میشود. گوگل میگوید مدل جدید حتی زمانی که عبارت جستوجو شامل چند پرسش مختلف، اشتباههای تایپی یا درخواستهای بسیار تخصصی باشد، میتواند منظور کاربر را دقیقتر تشخیص دهد. همچنین نمایش پاسخهای بصری و روش جستوجوی همزمان چندین عبارت مرتبط برای یافتن منابع متنوعتر بهبود یافته است. این تغییرات برای کاربران سراسر جهان در نظر گرفته شدهاند و به اشتراک پولی جمنای محدود نیستند.
دسترسی و هزینه استفاده
گوگل اعلام کرده است که جمنای ۴ هیدروژن از روز معرفی در دسترس کاربران و توسعهدهندگان قرار میگیرد. مهمترین تفاوت آن با مدلهای کربن و آرگون، عرضه برای کاربران نسخه رایگان جمنای است. البته در نسخه رایگان اپلیکیشن جمنای، دسترسی به هیدروژن از طریق انتخاب خودکار مدل انجام میشود؛ یعنی سیستم بر اساس نوع درخواست تصمیم میگیرد چه زمانی از هیدروژن استفاده کند.
توسعهدهندگان نیز میتوانند از این مدل در تمام سطوح دسترسی Google AI Studio و از طریق Gemini API استفاده کنند. مدل جدید برای مشتریان تجاری در Gemini for Business، کاربران واجد شرایط Android Studio و مشترکان پولی Google AI Pro و Ultra در پلتفرم Google Antigravity نیز عرضه میشود. در Google Sheets، دسترسی اولیه به قابلیتهای مبتنی بر هیدروژن برای مشترکان Google AI Pro و Ultra و برخی طرحهای تجاری واجد شرایط در نظر گرفته شده است.
هزینه استفاده از مدل در API بهصورت زیر تعیین شده است:
-
هر یک میلیون توکن ورودی: ۱.۵ دلار
-
هر یک میلیون توکن خروجی: ۷.۵ دلار
گوگل اعلام کرده است که این تعرفه در سراسر پنجره زمینه یک میلیون توکنی مدل ثابت باقی میماند. به این ترتیب، استفاده از هیدروژن در مقایسه با تعرفه اولیه مدلهای کربن و آرگون که بهترتیب ۲ و ۱۰ دلار برای هر یک میلیون توکن ورودی و خروجی بود، هزینه کمتری دارد.
نوشته جمنای ۴ هیدروژن؛ مدلی که سرعت را با قدرت ترکیب میکند و رایگان در دسترس است اولین بار در آی تی رسان منتشر شد.




















