بدون دسته های نکسینو

هوش مصنوعی در ساخت تصویر متحرک طی مدت کوتاهی از یک ابزار آزمایشی به بخشی جدی از فرایند تولید و پیش‌تولید تبدیل شده است. امروز می‌توان با یک توضیح متنی، پلان‌هایی با نورپردازی پیچیده، حرکت دوربین، بازیگر مجازی، دکور، افکت‌های جوی و حتی میزانسن‌های نسبتاً پیچیده ساخت. همین پیشرفت باعث شده بسیاری از تولیدکنندگان محتوا و حتی بخشی از صنعت سینما به این سؤال فکر کنند که آیا می‌توان بخش مهمی از تصویربرداری را به مدل‌های مولد سپرد. اما مسئله اصلی در سینما «ساختن یک تصویر زیبا» نیست. یک پلان سینمایی باید در طول زمان پایدار بماند، با پلان قبل و بعد ارتباط داشته باشد، منطق میزانسن را حفظ کند، حرکت دوربین قابل‌فهمی داشته باشد، بازی بازیگر از نظر زمانی پیوسته باشد و عناصر بصری آن از فریمی به فریم دیگر تغییر نکنند. اینجاست که بسیاری از خطاهای هوش مصنوعی آشکار می‌شوند. مدل ممکن است یک فریم خیره‌کننده تولید کند، اما وقتی همان تصویر قرار است برای چند ثانیه حرکت کند، مشکلاتی مانند تغییر چهره، تغییر اندازه اجسام، اختلال در پرسپکتیو، حرکت غیرممکن دوربین، شکستن منطق نور و ناپایداری میزانسن ظاهر می‌شوند. به همین دلیل، برای ارزیابی کیفیت AI Video نباید فقط پرسید: «آیا تصویر زیباست؟» سؤال درست این است: آیا این تصویر می‌تواند به‌عنوان یک پلان واقعی در یک سکانس سینمایی عمل کند؟ پلان سینمایی فقط یک تصویر متحرک نیست در نگاه اول شاید تفاوت میان یک ویدئوی تولیدشده با هوش مصنوعی و یک پلان سینمایی واقعی بسیار کم به نظر برسد. هر دو می‌توانند شخصیت، دوربین، حرکت و نور داشته باشند. اما پلان سینمایی در یک شبکه پیچیده از روابط قرار دارد. محل دوربین نسبت به بازیگر مشخص است. جهت نگاه بازیگر باید با محور صحنه هماهنگ باشد. نور باید از منبع مشخصی پیروی کند. موقعیت دست و بدن بازیگر باید در برش بعدی ادامه پیدا کند. فاصله کانونی باید منطق پرسپکتیو مشخصی ایجاد کند. حرکت دوربین باید وزن و شتاب داشته باشد. و مهم‌تر از همه، هر پلان باید بخشی از روایت باشد. هوش مصنوعی معمولاً در تولید یک نمای منفرد توانایی زیادی دارد، اما سینما به انسجام میان نماها نیاز دارد. این تفاوت، منشأ بخش بزرگی از خطاهای AI در ساخت پلان است. بزرگ‌ترین مشکل؛ ناپایداری زمانی یکی از شناخته‌شده‌ترین مشکلات ویدئوهای تولیدشده با هوش مصنوعی، Temporal Inconsistency یا ناپایداری زمانی است. یک فریم ممکن است کاملاً طبیعی باشد، اما در فریم بعد: فرم گوش تغییر کند، مدل مو کمی متفاوت شود، بافت لباس عوض شود، دکمه‌ای ظاهر یا ناپدید شود، یا حتی ساختار صورت تغییر کوچکی داشته باشد. وقتی این تغییرات در چندین فریم پشت سر هم اتفاق می‌افتند، مخاطب احساس می‌کند تصویر «نفس می‌کشد» یا بافت آن دائماً در حال تغییر است. در تصویر ثابت، این خطا شاید اصلاً دیده نشود. اما در حرکت به شکل: Flicker، Texture Crawling، Shape Drift، و Identity Drift ظاهر می‌شود. این مسئله در کلوزآپ صورت شدیدتر است، زیرا چشم انسان نسبت به کوچک‌ترین تغییر در چهره بسیار حساس است. در فیلم‌برداری واقعی، چهره بازیگر ممکن است به دلیل نور یا زاویه کمی متفاوت دیده شود، اما ساختار اصلی آن ثابت می‌ماند. در خروجی AI، خود ساختار می‌تواند از فریم به فریم بازتولید شود. خطای هویت بازیگر؛ وقتی شخصیت در میانه پلان عوض می‌شود برای ساخت سکانس سینمایی، حفظ هویت شخصیت اهمیت اساسی دارد. مدل‌های مولد هنوز ممکن است در پلان‌های طولانی یا نماهای پیچیده نتوانند جزئیات هویت یک کاراکتر را به‌طور کاملاً پایدار حفظ کنند. مشکل فقط تغییر صورت نیست. ممکن است: فاصله چشم‌ها تغییر کند، مدل بینی متفاوت شود، سن شخصیت کمی بالا یا پایین برود، وزن بدن تغییر کند، رنگ چشم متفاوت شود، یا حتی ساختار مو در میانه حرکت تغییر کند. این مسئله در نماهایی که شخصیت: می‌چرخد، از دوربین فاصله می‌گیرد، بخشی از صورتش پنهان می‌شود، یا دوباره وارد قاب می‌شود، شدیدتر است. مدل باید چیزی را که چند فریم قبل دیده نمی‌شده، دوباره بازسازی کند. اگر این بازسازی دقیق نباشد، شخصیت تبدیل به نسخه‌ای تقریباً مشابه از خودش می‌شود. برای یک ویدئوی کوتاه شبکه اجتماعی شاید این خطا قابل‌چشم‌پوشی باشد. برای سینما، غیرقابل‌قبول است. دست‌ها؛ هنوز یکی از نقاط شکننده تصویر مولد دست انسان یکی از پیچیده‌ترین ساختارهای بصری برای مدل‌های مولد است. در پلان سینمایی، مشکل فقط تعداد انگشتان نیست. حرکت دست شامل: مفصل‌ها، تماس با اشیا، فشار، گرفتن، رهاکردن، تغییر زاویه، و هماهنگی با حرکت بدن است. وقتی شخصیت لیوانی را برمی‌دارد، باید مشخص باشد: انگشت‌ها از کجا دور لیوان قرار می‌گیرند، وزن جسم چگونه روی دست اثر می‌گذارد، لیوان چگونه حرکت می‌کند، و تماس دست با سطح چگونه قطع می‌شود. مدل ممکن است نتیجه ظاهراً قابل‌قبولی تولید کند، اما در چند فریم دست و جسم در یکدیگر فرو بروند یا انگشت‌ها شکل غیرممکنی پیدا کنند. این خطا در صحنه‌هایی مانند: بازکردن در، نوشتن، گرفتن تلفن، بستن دکمه، کار با ابزار، یا تماس دو شخصیت بسیار بیشتر دیده می‌شود. خطای تماس فیزیکی؛ وقتی اجسام وزن ندارند یکی از تفاوت‌های مهم فیلم واقعی و تصویر مولد، حس وزن است. در دنیای واقعی، هر جسم: جرم دارد، اصطکاک دارد، مقاومت ایجاد می‌کند، و به نیروی واردشده واکنش نشان می‌دهد. اگر فردی روی صندلی بنشیند، بدن او متوقف می‌شود، لباس تغییر شکل می‌دهد و سطح صندلی ممکن است کمی واکنش نشان دهد. اما در ویدئوهای مولد، تماس‌ها گاهی فقط «شبیه» تماس هستند. دست ممکن است بدون فشار واقعی روی میز قرار بگیرد. شخصیت ممکن است جسمی را بدون تغییر در حالت بدن بلند کند. دو سطح ممکن است لحظه‌ای در هم فرو بروند. این خطا را می‌توان «فقدان فیزیک ضمنی» نامید. تصویر می‌داند که دست باید نزدیک لیوان باشد، اما الزاماً نمی‌داند گرفتن لیوان از نظر مکانیکی چه معنایی دارد. خطای حرکت بدن و بیومکانیک انسان هنگام راه‌رفتن، نشستن یا چرخیدن مجموعه‌ای از روابط پیچیده حرکتی دارد. مرکز ثقل جابه‌جا می‌شود.لگن و شانه‌ها خلاف جهت یکدیگر حرکت می‌کنند. پا وزن بدن را دریافت می‌کند. حرکت دست‌ها با گام‌ها هماهنگ است. در ویدئوهای AI ممکن است حرکت در نگاه اول طبیعی به نظر برسد، اما هنگام مشاهده دقیق: گام‌ها سر بخورند، پا با زمین تماس واقعی نداشته باشد، بدن بدون انتقال وزن بچرخد، یا حرکت مفصل‌ها بیش از محدوده طبیعی باشد. این خطا به‌خصوص

...

در سال‌های اخیر، جایی که ارتباطات میان‌فرهنگی و چندزبانه روز به روز در حال گسترش است، داشتن ابزاری برای ترجمه سریع و دقیق بیشتر از همیشه اهمیت پیدا کرده است. گوگل ترنسلیت(google translate) یکی از بهترین انتخاب‌ها در این زمینه است که به تازگی با بهره‌گیری از فناوری هوش مصنوعی پیشرفته جمنای به‌روزرسانی شده است. این به‌روزرسانی به کاربران این فرصت را می‌دهد تا ترجمه‌هایی با دقت بیشتر، روان‌تر و سریع‌تر دریافت کنند. در این مقاله، قصد داریم به بررسی ویژگی‌های جدید این به‌روزرسانی و تاثیر آن بر تجربه‌ی استفاده از این ابزار بپردازیم ترجمه‌های دقیق‌تر و طبیعی‌تر با استفاده از Gemini گوگل ترنسلیت همیشه ابزاری قدرتمند برای ترجمه بوده است، اما با به‌کارگیری هوش مصنوعی جمنای گوگل، این ابزار به سطح جدیدی از دقت و هوشمندی رسیده است. هوش مصنوعی جمنای قادر است جملات پیچیده، اصطلاحات محلی و حتی عبارات علمی را به‌طور دقیق‌تری درک کند و ترجمه‌هایی به مراتب طبیعی‌تر و هماهنگ‌تر ارائه دهد. این به‌روزرسانی به‌ویژه در مواقعی که ترجمه‌های دقیق و خاصی لازم است، مانند ترجمه‌های علمی یا تخصصی، تاثیر زیادی خواهد داشت. بنابراین، آپدیت بزرگ گوگل ترنسلیت این امکان را فراهم کرده است که ترجمه‌ها بسیار دقیق‌تر و قابل فهم‌تر شوند. ترجمه‌های با درک بهتر از معنی و لحن یکی از مزایای مهم جمنای در مترجم گوگل، توانایی درک لحن و زمینه جمله‌ها است. به‌جای ترجمه‌های ساده و تحت‌اللفظی، این مدل قادر است معنای واقعی عبارات را به زبان مقصد منتقل کند. به عنوان مثال، عبارت‌هایی مانند “stealing my thunder” دیگر فقط به‌طور تحت‌اللفظی ترجمه نمی‌شوند؛ بلکه مدل جمنای معنای اصلی و احساسی این عبارت را نیز در نظر می‌گیرد. این ویژگی باعث می‌شود که گوگل ترنسلیت در ترجمه‌های فرهنگی و اصطلاحات خاص به مراتب بهتر عمل کند. ترجمه زنده گفتار: تجربه‌ای نوین در مکالمات بین‌المللی یکی از قابلیت‌های جدید و مفید در آپدیت بزرگ گوگل ترنسلیت، ترجمه زنده گفتار است. این ویژگی به شما این امکان را می‌دهد که در زمان واقعی و به‌طور آنی ترجمه‌های صوتی دریافت کنید. با این ویژگی، دیگر نیازی به توقف مکالمات یا وارد کردن متن نیست. تنها کافی است هدفون خود را وصل کنید و در حین مکالمه، ترجمه آنی را دریافت کنید. ترجمه آنی برای مکالمات بدون وقفه این قابلیت به‌ویژه در شرایطی که با افرادی از فرهنگ‌ها و زبان‌های مختلف در حال تعامل هستید، بسیار مفید است. از سفرهای بین‌المللی گرفته تا مکالمات علمی و کاری، این ویژگی می‌تواند تجربه شما را به‌طور چشمگیری بهبود بخشد. در حال حاضر، ترجمه زنده گفتار در این ابزار برای دستگاه‌های اندروید در کشورهای آمریکا، مکزیک و هند در دسترس است و به‌زودی در کشورهای دیگر نیز عرضه خواهد شد. یادگیری زبان با ابزارهای پیشرفته Google Translate گوگل ترنسلیت تنها یک ابزار ترجمه نیست، بلکه اکنون به یک پلتفرم یادگیری زبان نیز تبدیل شده است. با افزودن ابزارهای جدید یادگیری، این پلتفرم به شما کمک می‌کند تا در فرآیند یادگیری زبان‌های جدید، به‌طور مؤثرتری پیشرفت کنید. از ارزیابی روزانه پیشرفت تا تنظیم تمرینات به‌صورت شخصی، این ابزارها به شما کمک می‌کنند که یادگیری زبان را به شیوه‌ای هوشمندتر انجام دهید. ویژگی‌های جدید یادگیری زبان ابزارهای جدید یادگیری در مترجم گوگل به شما این امکان را می‌دهند که روزهای متوالی یادگیری خود را پیگیری کنید. این ویژگی به‌ویژه برای کسانی که به‌طور مداوم در حال یادگیری زبان هستند، بسیار مفید است. شما می‌توانید میزان پیشرفت خود را مشاهده کرده و از بازخوردهای دقیق‌تری برای بهبود مهارت‌های خود استفاده کنید. این به‌روزرسانی‌ها به شما این امکان را می‌دهند که از این ابزار برای یادگیری زبان با قابلیت‌های شخصی‌سازی شده بهره‌برداری کنید. نتیجه‌گیری: به‌روزرسانی‌های جدید، ابزاری قوی‌تر و هوشمندتر با به‌روزرسانی‌های جدید Google Translate که با استفاده از جمنای به‌روز شده، این ابزار به ابزاری قدرتمندتر از همیشه تبدیل شده است. از ترجمه‌های دقیق‌تر و طبیعی‌تر گرفته تا ویژگی‌های جدیدی مانند ترجمه زنده گفتار و ابزارهای یادگیری زبان، مترجم گوگل ترنسلیت اکنون قادر است تجربه‌ای بی‌نظیر و مؤثر در ترجمه و یادگیری زبان برای کاربران خود فراهم کند.

...

تجربه شرکت OpenAI نشان می‌دهد که بازطراحی امور مالی حول محور هوش مصنوعی، با اهدافی چون بستن لحظه‌ای حساب‌ها و پیش‌بینی مستمر، نقش تیم‌های مالی را از گزارش‌گر به استراتژیست‌های کلیدی تغییر می‌دهد....

پروژه آسمان آبی گوگل با ترکیب هوش مصنوعی و داده‌های ماهواره‌ای، به خلبانان کمک می‌کند تا از تشکیل پس‌دمه‌های گرم‌کننده زمین جلوگیری کنند....

غول فناوری چین، علی‌بابا، به دلیل هزینه‌های سرسام‌آور در توسعه زیرساخت‌های هوش مصنوعی و رقابت شدید در بازار پردازش ابری، با افت سودآوری در گزارش مالی اخیر خود مواجه شد....

دانشمندان برجسته هوش مصنوعی با ترک پروژه پرومته تحت حمایت جف بزوس، استارتاپ جدیدی را با هدف شبیه‌سازی قوانین بنیادین فیزیک و مدل‌سازی کائنات پایه‌گذاری کردند....

شرکت OpenAI برای تأمین هزینه‌های زیرساختی، نمایش تبلیغات را در نسخه‌های رایگان و Go چت‌جی‌پی‌تی آغاز کرد؛ در حالی که کاربران اشتراکی از تبلیغات معاف هستند و استقلال پاسخ‌ها حفظ می‌شود....

گروهی از بازیگران سرشناس از جمله نیکولا کوگلان و مت لوکاس در کارزاری جدید علیه شبیه‌سازی و سرقت غیرقانونی صدای هنرمندان توسط پلتفرم‌های هوش مصنوعی موضع گرفتند....

گزارش جدید OpenAI نشان می‌دهد شرکت‌های پیشرو در حال تغییر استراتژی خود از پرسش‌وپاسخِ ساده با هوش مصنوعی، به سمت استفاده از عوامل هوشمند (AI Agents) برای اجرای مستقیم وظایف در بخش‌های غیرفنی هستند....

شرکت آسانا با بهره‌گیری از ایجنت‌های هوشمند OpenAI Codex موفق شد بدهی فنی و جایگزینی سیستم تست قدیمی خود را که ۵ سال زمان و ۶ میلیون دلار هزینه نیاز داشت، تنها در ۲ هفته و با ۱۲ هزار دلار به پایان برساند....

انویدیا در رویداد گیمزکام با معرفی قابلیت‌های جدید، گسترش پشتیبانی از دستگاه‌ها و ادغام بهتر با پلتفرم‌های بازی، اکوسیستم پردازش ابری جی‌فورس ناو را ارتقا داد....

مدل هوش مصنوعی جمنای ۳ (Gemini 3) که کاربران فارسی‌زبان آن را بیشتر با نام‌های «جمینی» می‌شناسند، یکی از مهم‌ترین گام‌های جمنای گوگل در مسیر توسعه مدل‌های هوش مصنوعی است. این نسخه تازه با تمرکز بر استدلال دقیق‌تر، درک پیشرفته‌تر محتوای چندرسانه‌ای و توانایی عمل به‌عنوان یک Agent، تجربه‌ای متفاوت‌تر از نسل‌های قبلی ارائه می‌دهد. هوش مصنوعی جمنای گوگل حاصل تقریباً دو سال توسعه مداوم روی نسخه‌های پیشین این خانواده است. هر نسخه قبلی قابلیت‌هایی تازه به مجموعه اضافه می‌کرد و اکنون این مدل جدید، آن توانایی‌ها را کنار هم قرار داده تا یک تصویر قدرتمند، یکپارچه و پخته‌تر از هوش مصنوعی ارائه دهد. در این نسخه، مدل تنها «بهتر نمی‌فهمد»؛ بلکه عمیق‌تر تحلیل می‌کند، الگوهای پیچیده‌تری را تشخیص می‌دهد و می‌تواند محتوای طولانی و چندوجهی را با دقتی نزدیک‌تر به استانداردهای AGI پردازش کند. فعال‌شدن جمنای گوگل در سرویس‌های اصلی گوگل نیز نشان می‌دهد که این مدل قرار است نقشی مهم در تجربه روزمره کاربران و ابزارهای توسعه‌دهندگان داشته باشد. معرفی جمنای ۳: هوشمندترین عضو خانواده Gemini جمنای ۳ با هدف باز تعریف استانداردهای مدل‌های بزرگ زبانی طراحی شده است. نسخه Pro اکنون در بسیاری از سرویس‌های گوگل فعال می‌باشد و نسخه تخصصی‌تر آن یعنی Gemini 3 Deep Think نیز برای تحلیل‌های عمیق‌تر معرفی شده است. حضور این دو مدل در ابزارهایی مثل AI Studio، Vertex AI و پلتفرم توسعه‌عاملانه جدید گوگل یعنی Google Antigravity نشان می‌دهد که گوگل تلاش دارد تجربه کاربران را از «پرسش و پاسخ ساده» به «همکاری و ساخت» ارتقا دهد. تمرکز این نسل روی چند محور اصلی بوده است: این تغییرات باعث شده هوش مصنوعی جمنای گوگل در نقش یک «کمک‌فکر» واقعی ظاهر شود؛ ابزاری که می‌تواند در یادگیری، تولید محتوا، تحلیل‌های تخصصی و حتی توسعه نرم‌افزار همراه کاربر باشد. استدلال پیشرفته با عمق و ظرافت بیشتر نسخه هوش مصنوعی جمنای ۳ پرو در بخش استدلال پیشرفت چشمگیری داشته و نتایج آن در آزمون‌های رسمی نیز این موضوع را تأیید می‌کند. گوگل در این نسل تلاش کرده تا توان تحلیل چندمرحله‌ای، تشخیص الگوهای پیچیده و درک جزئیات پنهان را تقویت کند؛ مواردی که پیش‌تر برای مدل‌های زبانی به‌سادگی قابل انجام نبود یا با خطای بالا همراه بود. نتایج نشان می‌دهد که هوش مصنوعی جمنای گوگل موفق شده در یکی از مهم‌ترین معیارهای جهانی یعنی LMArena Leaderboard امتیاز ۱۵۰۱ Elo را به‌دست آورد؛ رقمی که آن را در رتبه اول این فهرست قرار می‌دهد. این عدد فقط یک رکورد نیست؛ بلکه نشان می‌دهد مدل در مواجهه با مسائل منطقی، معادلات چندمرحله‌ای و پرسش‌های طولانی، دقیق‌تر و سریع‌تر عمل می‌کند. در آزمون Last Human Test که سطح حل مسئله مدل‌ها را با معیارهای انسانی می‌سنجد، نسخه Pro بدون استفاده از ابزارهای کمکی به دقت ۳۷/۵ درصد رسیده است. آزمون GPQA Diamond نیز همین روند را تأیید می‌کند؛ جایی که جمنای ۳ توانسته به ۹۱/۹ درصد برسد و نشان دهد در تحلیل مفاهیم علمی، دقت بیشتری نسبت به قبل دارد. این پیشرفت‌ها باعث شده جمنای ۳ در بسیاری از مسائل پیچیده، از تحلیل‌های علمی گرفته تا حل مسائل ریاضی پیشرفته، رفتاری شبیه به یک «همکار فکری» داشته باشد. پاسخ‌ها اکنون کوتاه‌تر، دقیق‌تر و هدفمندتر هستند و از توضیحات غیرضروری و گسترده پرهیز می‌شود؛ موضوعی که در نسخه‌های قبلی کمتر دیده می‌شد. ارتقای عملکرد در ریاضیات و علوم تخصصی در حوزه ریاضیات پیشرفته، جمنای ۳ پرو عملکرد قابل توجهی داشته است. این مدل توانسته در معیار MathArena Apex امتیاز ۲۳/۴ درصد را ثبت کند؛ معیاری که تمرکزش روی مسئله‌های چندمرحله‌ای و پرسش‌هایی است که نیازمند استدلال نمادین و محاسبات دقیق هستند. این بهبود نشان می‌دهد جمنای ۳ فقط در حد یک مدل زبانی بهتر نشده، بلکه در برخورد با داده‌های محاسباتی، دقت بیشتری دارد و خطاهای کمتری تولید می‌کند. همین موضوع آن را برای محیط‌های پژوهشی، آموزش عالی و حتی توسعه الگوریتم‌های تخصصی جذاب‌تر کرده است. فراتر از متن: چندوجهی در سطحی بالاتر نسخه جدید جمینی در بخش چندوجهی (Multimodal) نیز جهشی جدی داشته است. در آزمون MMMU-Pro امتیاز ۸۱ درصد به‌دست آورده و در نسخه ویدئویی همین معیار یعنی Video-MMMU نیز عملکرد آن به ۸۷/۶ درصد رسیده است. این نتایج نشان می‌دهد هوش مصنوعی جمنای ۳ فقط «تشخیص تصویر» یا «توصیف ویدئو» انجام نمی‌دهد؛ بلکه بین اجزای مختلف اطلاعات ارتباط برقرار می‌کند. به‌عنوان مثال در یک ویدئو فقط روایت نمی‌کند؛ بلکه رفتارها، حرکت‌ها، اشیا و ارتباط میان صحنه‌ها را هم تحلیل می‌کند. این سطح از درک چندرسانه‌ای، مدل را برای حوزه‌هایی مانند:آموزش تصویری، تحلیل داده‌های پزشکی، بررسی ویدئوهای امنیتی و تولید محتوای چندرسانه‌ای بسیار ارزشمند می‌کند. در بخش «دانش واقعی و داده‌های factual» نیز پیشرفت قابل توجهی دیده می‌شود. جمنای ۳ در معیار SimpleQA Verified امتیاز ۷۲/۱ درصد کسب کرده که نشان‌دهنده افزایش دقت پاسخ‌ها در موضوعات واقعی است. مجموع این قابلیت‌ها نشان می‌دهد هوش مصنوعی جمنای یک قدم دیگر فاصله بین «تحلیل انسانی» و «تحلیل ماشینی» را کم کرده است. این نسخه نه‌تنها متن را بهتر می‌خواند، بلکه تصویر و ویدئو را هم با درک بافت، محتوا و ارتباطات درونی تحلیل می‌کند؛ قابلیتی که برای بسیاری از صنایع کاربری کاملاً عملی دارد. Gemini 3 می‌تواند یک تصویرسازی از جریان پلاسما در یک توکامک برنامه‌نویسی کند و همچنین شعری بنویسد که فیزیک همجوشی را به‌صورت هنرمندانه توصیف کند. جمینی ۳ دیپ تینک؛ یک سطح بالاتر در استدلال در کنار نسخه Pro، گوگل مدل دیگری از این نسل را با نام Gemini 3 Deep Think معرفی کرده است؛ نسخه‌ای که تمرکز اصلی آن بر استدلال مرحله‌به‌مرحله و تحلیل‌های پیچیده‌تر است. هدف گوگل از توسعه این نسخه، نزدیک‌تر شدن به شیوه‌ای است که انسان‌ها مسائل دشوار را بررسی می‌کنند؛ یعنی دقت در جزئیات، کشف الگوهای پنهان و رسیدن به پاسخی که نه فقط یک خروجی سریع بلکه پشتوانه منطقی دارد. نتایج اولیه نیز این رویکرد را تأیید می‌کند. در آزمون Last Human Test، نسخه Deep Think بدون استفاده از ابزار به دقت ۴۱ درصد رسیده، رقمی که برای مدلی در این نسل قابل توجه است. در آزمون تخصصی GPQA Diamond نیز این نسخه به ۹۳/۸ درصد دست یافته است؛ معیاری که سطح سختی آن نزدیک به تحلیل مسائل علمی و پژوهشی است. این عملکرد نشان می‌دهد Deep Think در مواجهه با پرسش‌های علمی یا مسئله‌های چندمرحله‌ای، توانایی بیشتری

...