یک پرسش ساده اکنون می‌تواند ۲۰ دقیقه زمان ببرد تا مسئله‌ای را حل کند که اکثر انسان‌ها در برابر آن درمانده‌اند. گوگل دیپ‌مایند (Google DeepMind) به‌طور رسمی حالت Gemini Deep Think را مستقر کرد؛ یک لایه استدلالی تخصصی که برای سخت‌ترین مسائل علوم و مهندسی، دقت را بر سرعت اولویت می‌دهد.
این چرخش راهبردی در حالی رخ می‌دهد که بازار مدل‌های پیشرو به شلوغ‌ترین دوران تاریخ خود رسیده است. همان‌طور که در تحلیل قبلی ما درباره‌ی محدودیت‌های تولید محتوای بومی در گوگل جمینای اسلایدز اشاره کردیم، این شرکت اکنون به سمت تفکر «سیستم ۲» حرکت می‌کند؛ یعنی زنجیره‌های استدلالی متفکرانه و قابل بازبینی، به‌جای پاسخ‌های چت فوری.
قدرت تأییدشده‌ی Deep Think
طبق اعلام رسمی گوگل، Deep Think یک مدل مستقل نیست، بلکه لایه‌ای استدلالی است که روی Gemini 3.1 Pro بنا شده است. این سامانه از استدلال موازی گسترده استفاده می‌کند تا پیش از نهایی کردن پاسخ، مسیرهای مختلف حل مسئله را بررسی کند. به نقل از راهنمای عملی Geeky Gadgets، همین سازوکار باعث می‌شود پاسخ به یک پرسش بین ۱۰ تا ۲۰ دقیقه زمان ببرد، زیرا مدل در حال کاوش در چندین مسیر احتمالی برای رسیدن به دقیق‌ترین نتیجه است.
عملکرد این ابزار با محک‌های (Benchmarks) عینی و تأییدشده پشتیبانی می‌شود:
- المپیاد جهانی ریاضیات (IMO): دستیابی به استاندارد مدال طلا در تابستان ۲۰۲۵.
- ARC-AGI-2: کسب امتیاز ۸۴.۶٪ در آزمونی که به‌طور خاص برای مقاومت در برابر حفظ کردن و سنجش انتزاع واقعی طراحی شده است.
- ICPC: ثبت نتایج سطح بالا در مسابقات برنامه‌نویسی دانشجویان بین‌المللی (International Collegiate Programming Contest)، در مسائلی که تقریباً تمام انسان‌ها را به چالش می‌کشد و نیاز به استدلال عمیق دارد.
کاربردها و دسترسی به Deep Think
گوگل این ابزار را برای کارهای علمی، مانند ارزیابی داده‌های تجربی نامنظم یا بهینه‌سازی طراحی‌های پیچیده در فیزیک و شیمی معرفی کرده است. ایده اصلی، ارائه «هوش مصنوعی است که مراحل کارش را نشان می‌دهد» است؛ یعنی کاربر به‌جای یک جواب نهایی ساده، زنجیره‌های استدلالی قابل حسابرسی را دریافت می‌کند. این ویژگی، مدل را برای نمونه‌سازی سریع در حوزه‌های حساس مهندسی که اشتباه در آن‌ها هزینه زیادی دارد، ایده‌آل می‌کند.
دسترسی به این قابلیت در حال حاضر لایه‌بندی شده است:
- کاربران عادی: مشترکان Google AI Ultra می‌توانند مستقیماً در اپلیکیشن Gemini به Deep Think دسترسی داشته باشند. این رویکرد توزیع تدریجی یادآور چالش‌های دسترسی در Gemini Notebook بود که باعث تأخیر در فعال‌سازی حساب برخی کاربران شده بود.
- متخصصان: دانشمندان و سازمان‌ها می‌توانند از طریق برنامه Gemini API درخواست دسترسی زودهنگام دهند تا این قابلیت را در محیط‌های توسعه خود ادغام کنند.
شایعات پیرامون Gemini 3.5 Pro
به‌موازات عرضه Deep Think، گزارش‌های TechTimes و BigGo حاکی از آن است که مدل جدید Gemini 3.5 Pro برای انتشار در ۱۷ ژوئیه ۲۰۲۶ برنامه‌ریزی شده است. این گزارش‌ها ادعا می‌کنند که گوگل پس از کنار گذاشتن نسخه‌های قبلی معماری Pro، این مدل را به‌طور کامل بازطراحی کرده است تا کارایی بیشتری داشته باشد. در همین راستا، گزارش شده است که گوگل در حال آماده‌سازی Gemini 3.7 Flash است تا پیش از عرضه نسخه Pro، سرعت پاسخ‌دهی را در مدل‌های سبک‌تر ارتقا دهد.
مشخصات لو رفته برای Gemini 3.5 Pro عبارتند از:
- پنجره زمینه (Context Window) — مثل میز کاری که جا برای چند ورق دارد، نه برای کل کتابخانه — شایعه شده که به ۲ میلیون توکن می‌رسد.
- استدلال: ادغام بومی لایه استدلالی Deep Think در هسته مدل.
- خودمختاری: قابلیت‌های گسترش‌یافته برای مدیریت گردش‌های کاری خودکار (Autonomous Workflows).
راستی‌آزمایی نشت اطلاعات
در اینجا رعایت استانداردهای روزنامه‌نگاری حیاتی است. تا ۱۵ ژوئیه ۲۰۲۶، این جزئیات تأییدنشده باقی مانده‌اند. AIToolsReview اشاره می‌کند که گوگل هیچ کارت مدل (Model Card)، قیمت‌گذاری یا محک تأییدشده‌ای برای نسخه 3.5 Pro منتشر نکرده است. هر عدد دقیقی که درباره 3.5 Pro می‌چرخد، حاصل نشت اطلاعات و استنتاج است، نه مستندات رسمی گوگل.
برای شفافیت وضعیت فعلی اطلاعات:
- تأییدشده: حالت Deep Think، وضعیت مدال طلای IMO و امتیاز ۸۴.۶٪ در ARC-AGI-2.
- گزارت‌شده/تأییدنشده: تاریخ انتشار ۱۷ ژوئیه ۲۰۲۶ و بازطراحی کامل معماری.
- شایعه: پنجره زمینه ۲ میلیون توکنی.
- نامشخص: تمام جزئیات مربوط به قیمت‌گذاری.
اگر پنجره زمینه ۲ میلیون توکنی عرضه شود، گوگل در رقابت فعلی پیشتاز خواهد شد؛ حوزه‌ای که پیش‌تر تکنیک‌هایی مثل توجه پراکنده ترکیبی (Hybrid Sparse Attention) در DeepSeek V4، مقدار ۱ میلیون توکن را کاربردی کرده بود.
پنجره رقابتی بی‌رحم
زمان‌بندی گوگل حساب‌شده است. این عرضه پس از انتشار خانواده GPT-5.6 توسط OpenAI در ۹ ژوئیه رخ داد که قیمت‌گذاری تهاجمی را در سه سطح مختلف معرفی کرد. هم‌زمان، Anthropic با خط تولید مدل‌های عامل‌محور (Agentic) خود، از Sonnet 5 تا سطح Fable/Mythos 5، سرعت رقابت را بالا برده و در حال حاضر استانداردهای مدل‌های عامل را تعیین می‌کند.
علاوه بر این، بازار از پایین تحت فشار است. مدل‌های وزن‌باز (Open Weights) — یعنی مدل‌هایی که دستور پختشان علناً منتشر شده — اکنون تا ۴۶٪ از ترافیک API سازمان‌ها را به خود اختصاص داده‌اند و این موضوع باعث ایجاد یک روند نزولی در قیمت‌ها در کل صنعت شده است. این فشار رقابتی را می‌توان در تغییرات اخیر سلسله‌مراتب مدل‌های باز با ورود رقبایی چون DeepSeek و MiniMax مشاهده کرد.
در حالی که OpenAI روی نسبت قیمت به عملکرد و Anthropic روی قابلیت اطمینان عامل‌ها رقابت می‌کنند، گوگل مسیر «سخت‌ترین مسائل» را انتخاب کرده است. گوگل با ایجاد دسته‌ای برای استدلال کند و گران، کاربرانی را هدف قرار داده که برای یک اثبات قابل تأیید، ارزش بیشتری نسبت به پاسخ سریع قائل‌اند. اینکه آیا این استراتژی منجر به جذب توسعه‌دهندگان می‌شود یا خیر، کاملاً به اعدادی بستگی دارد که گوگل هنوز منتشر نکرده است: قیمت API و بنچمارک‌های مستقل.
گام بعدی شما
برای توسعه‌دهندگان، این وضعیت یک دوراهی استراتژیک ایجاد می‌کند. ساخت سیستم‌ها بر اساس یک پنجره ۲ میلیون توکنی شایعه‌شده، تا زمانی که کارت مدل رسمی منتشر نشود، ریسک بالایی دارد. واقعیت فعلی بازار این است که برابری در قابلیت‌ها در حال تبدیل شدن به یک هنجار است؛ متغیر رقابتی واقعی اکنون «هزینه به ازای هر واحد قابلیت» است.
توسعه‌دهندگان باید اقدامات زیر را در این هفته انجام دهند:
- Deep Think را روی مسائل واقعی تست کنید: از دموها فاصله بگیرید. با دسترسی AI Ultra، مسائل بهینه‌سازی، اثبات‌های ریاضی یا طراحی‌های پیچیده سیستمی که جواب‌های قطعی و قابل تأیید دارند را بررسی کنید.
- مشخصات 3.5 Pro را موقت بدانید: سیستم‌های خود را بر اساس پنجره ۲ میلیون توکنی طراحی نکنید، زیرا ممکن است با مشخصاتی متفاوت، دیرتر یا با قیمتی بازدارنده عرضه شود.
- قیمت را بر بنچمارک اولویت دهید: در دنیای پس از GPT-5.6، مدلی که قیمت آن بالاتر از سطح بازار باشد، هرچقدر هم درخشان باشد، تأثیری بر بازار نمی‌گذارد.
- انعطاف‌پذیری مدل‌ها را حفظ کنید: لایه‌های مدل خود را به‌گونه‌ای بسازید که قابل تعویض باشند. در ماهی که سه فروشنده بزرگ مدام از یکدیگر پیشی می‌گیرند، کدنویسی سخت (Hard-coding) برای یک ارائه‌دهنده واحد، یک بدهی فنی است.
بازه زمانی ۱۷ ژوئیه را به‌دقت زیر نظر داشته باشید. صنعت منتظر است ببیند آیا گوگل این شایعات را با یک برگه مشخصات تأییدشده جایگزین می‌کند یا عرضه 3.5 Pro بیشتر به تأخیر می‌افتد. در ماهی که هر فروشنده‌ای در حال عرضه محصول است، کمیاب‌ترین منبع، قابلیت‌ها نیستند، بلکه اطلاعات تأییدشده‌اند.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو