Gemini 3.5 Pro و معمای «پادشاهِ بی‌تاج»: وقتی «سلطانِ جستجو» در «زمینِ کدنویسی» به زانو درمی‌آید

زمان مطالعه: ۷ دقیقه

«در روزی که «سول» (GPT-5.6) در آسمانِ هوش مصنوعی می‌درخشید و «کی‌می کی۳» با ۲.۸ تریلیون پارامتر، رکوردِ منبع‌باز را جابه‌جا می‌کرد، «سلطانِ جستجو» در گوشه‌ای خلوت، مشغولِ «بازنویسیِ پیش‌آموزش» خود بود. Gemini 3.5 Pro، پرچمدارِ وعده‌داده‌شده‌ی گوگل، نه در «اردیبهشت»، نه در «خرداد»، و نه حتی در «تیر» به میدان نیامد. دلیل؟ «کدنویسی» – همان زمینی که امروز، «ارزانیِ» گروک ۴.۵ و «دقتِ» کلود فیبل ۵، قواعدِ جدیدِ آن را نوشته‌اند. و این، یعنی «گوگل» در بحرانی‌ترین نقطه‌ی رقابتِ هوش مصنوعی، «مهره‌ی اصلی» خود را روی میز نیاورده است.»

در تاریخ ۱۷ ژوئیه ۲۰۲۶، پنگوئن (Bloomberg) در گزارشی تکان‌دهنده فاش کرد که Gemini 3.5 Pro، پرچمدارِ وعده‌داده‌شده‌ی گوگل، ماه‌ها از برنامه‌ی زمان‌بندی‌شده عقب‌تر است. این مدل که قرار بود در کنفرانس I/O ۲۰۲۶ (می/اردیبهشت) رونمایی شود و سپس در «ماهِ بعد» (ژوئن/خرداد) در دسترس عموم قرار گیرد، تا نیمه‌های تیرماه همچنان در «آزمایشگاه‌هایِ بسته» گوگل محبوس است. دلیل اصلی این تأخیر، عملکردِ ضعیفِ مدل در «کدنویسی» (Coding) عنوان شده است – همان حوزه‌ای که امروز به «میدانِ نبردِ اصلی» غول‌های هوش مصنوعی تبدیل شده است.

سه بازیگرِ اصلیِ این نمایشِ نافرجام عبارت‌اند از: Google DeepMind که با وجودِ بودجه‌ی بی‌نظیر و نیرویِ انسانیِ عظیم، در «کدنویسیِ عاملی» (Agentic Coding) از رقبا عقب‌مانده است؛ مهندسان و محققانِ گوگل که از این تأخیر خسته و ناامید شده‌اند و برخی از آنها، از جمله نوام شازیر (هم‌نویسنده‌ی مقاله‌ی Transformer) و جان جامپر (برنده‌ی نوبل)، به رقبا پیوسته‌اند؛ و رقبایِ اصلی – OpenAI با GPT-5.6 Sol و Anthropic با Claude Fable 5 – که در همین مدت، مدل‌هایِ تولیدیِ خود را با قیمت‌هایِ رقابتی روانه‌ی بازار کرده‌اند. پارادوکسِ عمیقِ ماجرا در این جمله خلاصه می‌شود: «گوگل، که با «جستجو» امپراتوریِ خود را ساخت، حالا در «کدنویسی» – یعنی زبانِ ساختِ امپراتوریِ بعدی – از رقبا عقب‌مانده است. و این، یعنی «سلطانِ داده» در «زمینِ منطق» به زانو درآمده است.»

🧩 «کدنویسی»؛ «آشیل‌پاشنه‌ی» پادشاهِ جستجو

بر اساس گزارشِ پنگوئن، Gemini 3.5 Pro در «تولید، درک و اشکال‌زداییِ کد» (Code Generation, Understanding, and Debugging) به سطحِ موردِ انتظارِ گوگل نرسیده است. گوگل در اواخر ژوئن (اوایل تیر)، داده‌هایِ آموزشیِ مدل را به‌روزرسانی کرد تا عملکردِ کدنویسی را بهبود بخشد، اما نتایج همچنان «ناامیدکننده» بود.

اهمیتِ کدنویسی در رقابتِ امروز فراتر از یک «بنچمارک» است. کدنویسی، «دروازه‌ی ورود به جیبِ مشتریانِ سازمانی» است. مایکروسافت با GitHub Copilot، Anthropic با Claude Code، و OpenAI با Codex، همگی نشان داده‌اند که «مدلی که خوب کد می‌نویسد»، «مدلی است که شرکت‌ها برای آن پول می‌دهند».

اعداد و ارقامِ این شکست تلخ است. در بنچمارکِ Terminal-Bench 2.1، Gemini 3.5 Flash (نسخه‌ی سبک‌تر) با امتیاز ۷۶.۲٪ از Gemini 3.1 Pro (۷۰.۳٪) پیشی گرفته است. این یعنی «نسخه‌ی پایه» از «نسخه‌ی حرفه‌ای» در برخی وظایف بهتر عمل می‌کند – یک «شکافِ بنیادینِ قابلیت» (Fundamental Capability Gap)، نه یک «مشکلِ تکمیلی». در SWE-Bench Pro، برآوردها نشان می‌دهد که Gemini 3.5 Pro در محدوده‌ی ۶۰ تا ۶۸٪ قرار دارد، در حالی که Claude Opus 4.8 به ۸۸.۶٪ رسیده است.

🏛️ «برجِ عاجِ» گوگل؛ وقتی «ساختارِ سازمانی» به «گلوگاهِ نوآوری» تبدیل می‌شود

یکی از جالب‌ترین ابعادِ این ماجرا، عواملِ درون‌سازمانی است. به گزارشِ پنگوئن، «۱۰ نفر از کارمندانِ فعلی و سابقِ گوگل» از «ناامیدیِ عمیق» در تیم‌هایِ مهندسی، تحقیقاتی و مدیریتی خبر داده‌اند.

سه عاملِ کلیدیِ درون‌سازمانی:

۱. «جنگِ داخلیِ» بر سرِ استراتژیِ کدنویسی: گوگل کلاود (Google Cloud)، DeepMind، اندروید (Android) و حتی تیم‌هایِ محصولاتِ مصرف‌کننده، هرکدام به‌طورِ جداگانه در حال توسعه‌ی ابزارهایِ کدنویسیِ هوش مصنوعی هستند. این «تعددِ موازی» (Duplication) به جای «هم‌افزایی»، به «گلوگاه» تبدیل شده است.

۲. «محافظه‌کاریِ» تاریخی: در مراحلِ اولیه، گوگل به工程师ان خود اجازه نمی‌داد از Gemini برای نوشتن یا تحلیلِ کد استفاده کنند، زیرا نگرانِ «نشتِ کدهایِ اختصاصی» به داده‌هایِ آموزشی بود. این محدودیت‌ها، اگرچه بعداً برداشته شدند، اما «فرصتِ طلایی» برای «آموزشِ مدل با داده‌هایِ واقعیِ داخلی» را از بین برد.

۳. «رقابتِ بر سرِ قدرتِ محاسباتی»: گوگل از مهندسان خود می‌خواهد که از AI برای تولیدِ کد استفاده کنند، اما «ظرفیتِ محاسباتیِ داخلی» به‌شدت محدود است و تیم‌ها برای دسترسی به آن با یکدیگر رقابت می‌کنند.

🚀 رقبا؛ «سه‌گانه‌ای» که در غیابِ گوگل، میدان را فتح کردند

در حالی که Gemini 3.5 Pro در «آزمایشگاه» محبوس است، رقبا یکی پس از دیگری، مدل‌هایِ تولیدیِ خود را با قیمت‌هایِ رقابتی روانه‌ی بازار کرده‌اند:

OpenAI (GPT-5.6 Sol): در ۹ ژوئیه، با قیمتِ ۵ دلار برای ورودی و ۳۰ دلار برای خروجی (به ازای هر یک میلیون توکن) عرضه شد. سم آلتمن ادعا کرده است که این مدل در «وظایفِ کدنویسیِ عاملی»، ۵۴٪ بهره‌وریِ توکن بهتری دارد.
Anthropic (Claude Fable 5): که پیش‌تر با محدودیت‌هایِ امنیتیِ دولتِ آمریکا مواجه شده بود، اکنون به‌عنوان «معیارِ طلاییِ کدنویسی» در صنعت شناخته می‌شود.
Meta (Muse Spark 1.1): الکساندرو وانگ، مدیرِ ارشدِ هوش مصنوعیِ متا، آن را «قوی‌ترینِ مدلِ این شرکت برای کارهایِ عاملی و کدنویسی» توصیف کرده است.
DeepSeek V4 و Kimi K3: مدل‌هایِ چینی نیز با قیمت‌هایِ بسیار پایین‌تر، فشار را بر گوگل دوچندان کرده‌اند.

نتیجه‌یِ این غیبت، «ریزشِ سرمایه‌گذاران» بوده است. سهامِ آلفابت (Alphabet) در روزِ انتشارِ خبر، ۴٪ سقوط کرد. برخی منابع، این ریزش را تا ۵ تا ۷٪ در اواخر ژوئن، هم‌زمان با خروجِ محققانِ کلیدی، گزارش کرده‌اند.

🧠 «بازنویسیِ از صفر»؛ اعتراف به «شکستِ بنیادین»

عمقِ این بحران وقتی روشن‌تر می‌شود که بدانیم گوگل برای Gemini 3.5 Pro، «پیش‌آموزشِ از صفر» (Pre-training from Scratch) را آغاز کرده است. در دنیایِ مدل‌هایِ زبانی بزرگ، «پیش‌آموزش» گران‌ترین و زمان‌برترین مرحله است که «سقفِ قابلیتِ» مدل را تعیین می‌کند. تنظیمِ دقیق (Fine-tuning) و یادگیریِ تقویتی (RL) فقط می‌توانند درونِ این سقف، بهبود ایجاد کنند، اما نمی‌توانند آن را بالا ببرند.

تصمیمِ گوگل برای «بازنویسیِ از صفر»، یک اعترافِ تلخ است: «مدلِ اصلی، سقفِ اشتباهی داشت و با تنظیمِ دقیق قابلِ اصلاح نبود.» این تصمیم، حداقل ۳ ماه تأخیر را به همراه داشته است. مدلِ بازنویسی‌شده، هدفِ خود را پنجره‌ی متنی ۲ میلیون توکنی (دو برابرِ Gemini 2.5 Pro) و حالتِ استدلالِ «Deep Think» تعیین کرده است. اما حتی این مدلِ جدید نیز با مشکلاتی مانند توهمِ مکرر (Hallucination) و خروجی‌هایِ ناسازگار در گردش‌کارهایِ واقعی مواجه شده است.

جدول مقایسه: Gemini 3.5 Pro در برابرِ رقبا (ژوئیه ۲۰۲۶)

ویژگی	Gemini 3.5 Pro	GPT-5.6 Sol	Claude Fable 5	Grok 4.5
وضعیت	ماه‌ها تأخیر (در حالِ بازنویسی)	عرضه‌شده (۹ ژوئیه)	عرضه‌شده (۹ ژوئن)	عرضه‌شده (۹ ژوئیه)
قیمت ورودی	نامشخص	۵ دلار	۱۰ دلار	۲ دلار
قیمت خروجی	نامشخص	۳۰ دلار	۵۰ دلار	۶ دلار
نقطه‌ی قوت	دسترسی به داده‌هایِ جستجوی گوگل	قدرتِ محض + لایه‌بندیِ قیمت	کدنویسیِ عاملی (مرجعِ صنعت)	ارزانیِ بی‌نظیر
چالش اصلی	کدنویسی (دلیلِ تأخیر)	قیمتِ بالا	محدودیت‌هایِ امنیتیِ دولت	کیفیتِ پایین‌تر در برخی وظایف

«لحظه‌ای که «سلطانِ جستجو» در «سرزمینِ کد» به زانو درآمد»

نام این رویداد را باید «لحظه‌ی زوالِ سلطان» گذاشت. گوگل، که با «جستجو» بر دنیایِ اطلاعات مسلط شد، حالا در «زبانِ ساختِ دنیایِ جدید» – یعنی کدنویسی – از رقبا عقب‌مانده است. این تأخیر، فقط یک «مشکلِ فنی» نیست؛ یک «شکافِ راهبردی» است. در دنیایی که «عامل‌هایِ کدنویس» (Coding Agents) به «کارمندانِ دیجیتال» شرکت‌ها تبدیل می‌شوند، نداشتنِ یک مدلِ رقابتی در این حوزه، به معنای «از دست دادنِ بازارِ آینده» است.

پرسشِ بی‌پاسخ این است: آیا «بازنویسیِ از صفر» می‌تواند «شکافِ کدنویسی» را پر کند، یا گوگل در «تله‌ی تعقیبِ همیشگی» (Perpetual Catch-up) گرفتار خواهد شد؟ و آیا «دسترسیِ انحصاریِ گوگل به داده‌هایِ جستجو» – که تنها مزیتِ ماندگارِ آن محسوب می‌شود – می‌تواند جایِ «ضعفِ بنیادینِ معماری» را بگیرد؟

یک چیز قطعی است: گوگل با «تأخیرِ ماه‌ها» و «بازنویسیِ از صفر»، رسماً پذیرفته است که در «زمینِ کدنویسی» از رقبا عقب‌تر است. و این، در حالی است که OpenAI، Anthropic و حتی Meta و xAI، هرکدام با «مدل‌هایِ تولیدیِ خود»، «میدانِ نبرد» را تسخیر کرده‌اند. سؤال این نیست که آیا گوگل «بالاخره» Gemini 3.5 Pro را عرضه خواهد کرد – که خواهد کرد. سؤال این است که در این «فاصله‌یِ مرگبار»، «چقدرِ» از «بازارِ کدنویسی» را از دست خواهد داد، و آیا «بازگشتِ» او، «پیروزی» خواهد بود یا «تسلیمِ» دیرهنگام؟

مقاله رو دوست داشتی؟ نظرت چیه؟