ARCH_NCاستودیو معماری دیجیتال
هوش مصنوعی

چرا گوگل ناگهان در هوش مصنوعی پیشرو این‌قدر قوی شد؟

کوتاه‌ترین جواب: نه، عجیب نیست؛ فقط سرعتش غافلگیرکننده است. گوگل همه‌ی مواد اولیه‌ی ساخت قوی‌ترین مدل‌های هوش مصنوعی را از قبل داشت: تراشه‌ی اختصاصی، پول تقریباً بی‌پایان، بزرگ‌ترین منبع داده و کاربر دنیا و تیمی که خودِ پایه‌ی این فناوری را اختراع کرده بود. چیزی که در تابستان ۲۰۲۶ عوض شد، اولویت بود: گوگل مدیریت DeepMind را عوض کرد و تمرکز را از پژوهش عمیق به «انتشار سریع» برد. در کمتر از سه ماه، Gemini 4 Argon، Carbon و Hydrogen آمدند. Carbon در زمان معرفی اول جدول Artificial Analysis شد و چک‌پوینت لورفته‌ی Krypton در دسترسی محدودی که داشتیم، برداشت قوی‌ترین مدلی را داد که تا حالا دیده‌ایم.

از عقب‌ماندگی تا صدر: خط زمانی

تاریخاتفاق
نوامبر ۲۰۲۵Gemini 3 منتشر شد و گوگل را دوباره وارد رقابت مدل‌های پیشرو کرد.
فوریه‌ی ۲۰۲۶Gemini 3.1 Pro آمد؛ بعد از آن ماه‌ها مدل پیشروی تازه‌ای نیامد.
بهار و تابستان ۲۰۲۶OpenAI و Anthropic با مدل‌هایی مثل GPT-5.6 و Mythos جلو افتادند، به‌خصوص در کدنویسی.
ژوئیهبلومبرگ گزارش داد گوگل انتشار Gemini 3.5 Pro را برای بهتر کردن کدنویسی عقب انداخته؛ سهام آلفابت افت کرد.
اوتدمیس هسابیس، هم‌بنیان‌گذار DeepMind، رئیس هیئت‌مدیره شد و کورای کاووک‌چواوغلو مدیریت DeepMind را مستقیم زیر نظر ساندار پیچای گرفت. چند چهره‌ی شناخته‌شده هم رفته بودند.
۳۰ سپتامبرGemini 4 Argon معرفی شد؛ اوایل اکتبر در شاخص Artificial Analysis سوم بود، پشت Claude Opus 5.5 و Sonnet 5.5.
۲۸ اکتبرGemini 4 Carbon برای متخصصان امنیت معرفی شد و با ۵۹ امتیاز اول جدول Artificial Analysis شد.
۸ و ۹ نوامبراسم چک‌پوینت داخلی Krypton لو رفت؛ تسترها آن را از Carbon هم قوی‌تر دانستند.
۱۰ و ۱۲ نوامبرCarbon برای همه‌ی توسعه‌دهنده‌های پولی و Hydrogen برای همه باز شد.

یعنی فاصله‌ی «گوگل عقب افتاده» تا «گوگل اول جدول است» حدود سه ماه بود. این همان چیزی است که حس «ناگهانی» می‌دهد.

چرا عجیب نیست: شش برگ برنده‌ی گوگل

۱. تراشه‌ی خودش را دارد

بیشتر آزمایشگاه‌های هوش مصنوعی برای پردازنده به شرکت‌های دیگر وابسته‌اند. گوگل از سال‌ها پیش تراشه‌ی اختصاصی خودش، TPU، را می‌سازد. نسل هفتم آن، Ironwood، طبق اعلام گوگل اوج توان پردازشی پنج برابر نسل قبل دارد و بزرگ‌ترین مجموعه‌اش با ۹٬۲۱۶ تراشه به ۴۲٫۵ اگزافلاپس می‌رسد. نسل بعدی برای اولین بار به دو تراشه‌ی جدا برای آموزش و اجرا تقسیم شده است.

نکته‌ی جالب: حتی Anthropic، سازنده‌ی Claude و رقیب مستقیم گوگل، برای آموزش و اجرای مدل‌هایش تا یک میلیون TPU از نوع Ironwood را به کار می‌گیرد. یعنی گوگل نه‌تنها برای خودش تراشه دارد، بلکه به رقیبش هم تراشه می‌فروشد.

۲. پول تقریباً بی‌پایان

آلفابت پیش‌بینی هزینه‌ی سرمایه‌ای سال ۲۰۲۶ را به ۱۹۵ تا ۲۰۵ میلیارد دلار رساند. فقط در نیمه‌ی اول ۲۰۲۶ حدود ۸۰٫۶ میلیارد دلار خرج زیرساخت کرد، در برابر ۳۹٫۶ میلیارد دلار یک سال قبل. منبع این پول هم کسب‌وکاری است که همچنان رشد می‌کند: درآمد جست‌وجو در فصل دوم ۲۰۲۶ حدود ۱۷٪ و درآمد Google Cloud حدود ۸۲٪ رشد کرد و قراردادهای در صف Cloud به ۵۱۴ میلیارد دلار رسید.

۳. ریشه‌ی پژوهشی

معماری Transformer، که پایه‌ی تقریباً همه‌ی مدل‌های زبانی امروز است، در سال ۲۰۱۷ در مقاله‌ای از پژوهشگران گوگل معرفی شد. DeepMind همان آزمایشگاهی است که AlphaGo و AlphaFold را ساخت و هسابیس به خاطر AlphaFold در سال ۲۰۲۴ جایزه‌ی نوبل شیمی گرفت. از آوریل ۲۰۲۳ هم دو تیم هوش مصنوعی گوگل، Brain و DeepMind، یکی شدند. گوگل دانش را داشت؛ مشکلش تبدیل سریع آن به محصول بود.

۴. داده و توزیع

هیچ شرکتی به اندازه‌ی گوگل به کاربر دسترسی ندارد: جست‌وجو، یوتیوب، اندروید و Workspace. طبق اعلام گوگل، اپ Gemini در اوت ۲۰۲۶ از یک میلیارد کاربر ماهانه گذشت، حالت AI Mode جست‌وجو هم بیش از یک میلیارد کاربر ماهانه دارد و آلفابت می‌گوید نزدیک ۹۰٪ شرکت‌های فهرست Fortune 100 از Gemini Enterprise استفاده می‌کنند. حجم API هم به حدود ۲۲ میلیارد توکن در دقیقه رسیده است. این حجم استفاده، بازخورد واقعی زیادی برای بهتر کردن مدل‌ها می‌دهد.

۵. تغییر مدیریت و اولویت

این مهم‌ترین تغییر سال ۲۰۲۶ بود. در اوت، ساخت مدل، اپ Gemini و تیم‌های توسعه‌دهنده زیر نظر یک نفر رفت که مستقیم به مدیرعامل گوگل گزارش می‌دهد. تحلیلگران همان موقع گفتند پیام این تغییر «اجرا پیش از پژوهش عمیق» است و انتظار انتشارهای سریع‌تر و منظم‌تر را داشتند. گوگل یک تیم داخلی به اسم «Code Strike» هم برای جبران عقب‌ماندگی در کدنویسی ساخت. کمتر از دو ماه بعد، سه مدل Gemini 4 در حدود شش هفته آمد.

۶. ورود از دری که رقبا ضعیف بودند

گوگل Argon و Carbon را اول به متخصصان امنیت سایبری داد (برنامه‌ی Fairwind) و با دولت آمریکا ارزیابی ایمنی پیش از انتشار انجام داد. یکی از تحلیلگران Omdia همان موقع گفت حادثه‌های امنیتیِ مدل‌های رقبا، فرصتی به گوگل می‌دهد که خودش را «ارائه‌دهنده‌ی قابل‌اعتماد» معرفی کند. Carbon در آزمون‌های امنیتی گوگل نتیجه‌های قوی گرفت و در AutomationBench، که خودکارسازی گردش‌کار کسب‌وکار را می‌سنجد، از Claude Fable 5.2 هم بالاتر رفت. یعنی گوگل اول در جایی برد که رقبا آسیب‌پذیر بودند، نه در کدنویسی که قلمرو آنها بود.

ولی گوگل همه‌جا جلو نیست

  • صدر جدول دست‌به‌دست می‌شود: Carbon در زمان معرفی اول بود، ولی Claude Fable 5.2 در ۹ نوامبر آمد و امروز با ۶۵ امتیاز اول است. GPT-6.2 Astra با ۶۲ دوم است و Carbon با ۶۰ سوم (مقایسه‌ی Astra و Fable).
  • کدنویسی: در آزمون‌های سنگین کدنویسی مثل FrontierCode، FrontierSWE و OSWorld، طبق جدول Anthropic، Fable 5.2 از Carbon جلوتر است. تحلیلگر Morningstar در اوت گفته بود تمرکز گوگل بر جست‌وجو و چندرسانه‌ای باعث شد کدنویسی را از دست بدهد.
  • کاربر عمومی: طبق برآورد Similarweb، در سپتامبر ۲۰۲۶ حدود ۵۶٫۴٪ بازدید سایت‌های دستیار هوش مصنوعی مال ChatGPT بود و ۲۵٫۰٪ مال Gemini. فاصله نسبت به یک سال قبل (۷۱٫۸٪ در برابر ۱۳٫۶٪) خیلی کم شده، ولی هنوز زیاد است.
  • هزینه‌ی این رقابت: طبق تحلیل S&P Global، جریان نقد آزاد آلفابت در فصل دوم ۲۰۲۶ حدود ۷۴٪ نسبت به سال قبل کم شد. پول بی‌پایان هم بالاخره پایان دارد.
  • کریپتون هنوز رسمی نیست: قوی‌ترین برگ گوگل هنوز یک چک‌پوینت داخلی است، بدون بنچمارک مستقل، قیمت یا تاریخ انتشار.

چرا این‌قدر «ناگهانی» به نظر می‌رسد؟

  1. انتشارهای فشرده: سه مدل در حدود شش هفته، به‌علاوه‌ی یک مدل لورفته، بعد از ماه‌ها سکوت، طبیعی است که حس جهش بدهد.
  2. لو رفتن کریپتون: دموهای پخش‌شده در ایکس هیجان را پیش از هر عدد رسمی بالا برد.
  3. رقبا هم کند نشدند ولی کمتر درخشیدند: GPT-6.2 Astra با وجود عددهای خوب، از کاربران حرفه‌ای واکنش سردی گرفت (بررسی GPT-6.2). وقتی یک رقیب لغزش دارد، پیشرفت دیگری بزرگ‌تر دیده می‌شود.
  4. یک‌شبه نبود: سرمایه‌گذاری روی TPU و DeepMind بیش از ده سال قدمت دارد. چیزی که ناگهانی بود، تصمیم به خرج کردن این ذخیره بود.

برداشت ما از کریپتون

در دسترسی محدودی که به Gemini 4 Krypton داشتیم، برداشتمان این بود که شاید قوی‌ترین مدل هوش مصنوعی‌ای باشد که تا امروز ساخته شده و از Fable 5.2 و به‌خصوص GPT-6.2 Astra جلوتر است. اگر نسخه‌ی عمومی‌اش همین‌قدر قوی باشد، گوگل برای اولین بار از زمان آغاز این رقابت، بی‌رقیب در صدر خواهد ایستاد. ولی تا وقتی رسمی نشده و داورهای مستقل آن را نسنجیده‌اند، این را پیش‌بینی می‌دانیم، نه واقعیت. جزئیات در تجربه‌ی ما با Gemini 4 Krypton و ماجرای لو رفتنش در جمینای ۴ کریپتون لو رفت.

برای کسب‌وکار شما چه معنایی دارد؟

  • قیمت‌ها پایین‌تر می‌آیند: رقابت سه‌جانبه یعنی تخفیف و مدل ارزان‌تر. GPT-6.2 Astra حدود ۲۰٪ ارزان‌تر از نسخه‌ی قبل آمد و Carbon با قیمت معرفی نصف عرضه شد.
  • به یک شرکت وفادار نمانید: صدر جدول هر چند هفته عوض می‌شود. ایجنت و اتوماسیونی بسازید که مدلش با یک تنظیم عوض شود (راهنمای انتخاب مدل).
  • برای اتوماسیون گردش‌کار، گوگل را جدی بگیرید: نتیجه‌ی Carbon در AutomationBench یعنی برای خودکارسازی فرایندهای کسب‌وکار گزینه‌ی واقعی است (بررسی Gemini 4 Carbon). برای کار پرتکرار هم Hydrogen ارزان و سریع است.
  • محدودیت دسترسی را از اول حساب کنید: دسترسی به سرویس‌های گوگل، OpenAI و Anthropic از ایران محدودیت دارد. معماری‌ای انتخاب کنید که در صورت نیاز به مدل‌هایی مثل Qwen هم سوییچ کند.

اگر می‌خواهید ایجنتی بسازیم که با هر مدل تازه به‌روز شود، ایجنت هوش مصنوعی اختصاصی را ببینید.

پرسش‌های رایج

آیا گوگل الان بهترین هوش مصنوعی را دارد؟

در مدل‌های منتشرشده نه؛ امروز Claude Fable 5.2 در شاخص Artificial Analysis اول است و Gemini 4 Carbon سوم. ولی Carbon در زمان معرفی اول بود و چک‌پوینت منتشرنشده‌ی Krypton، طبق برداشت ما و گزارش تسترها، از همه قوی‌تر است.

چرا گوگل در ۲۰۲۶ عقب افتاده بود؟

بعد از Gemini 3.1 Pro در فوریه، ماه‌ها مدل پیشروی تازه‌ای نداد، Gemini 3.5 Pro را برای بهتر کردن کدنویسی عقب انداخت و چند چهره‌ی کلیدی‌اش رفتند. تحلیلگران تمرکز بیش از حد روی جست‌وجو و چندرسانه‌ای را دلیل عقب ماندن در کدنویسی می‌دانستند.

چه چیزی عوض شد؟

در اوت ۲۰۲۶ مدیریت DeepMind عوض شد و ساخت مدل، اپ و تیم توسعه‌دهنده زیر نظر یک نفر رفت که مستقیم به مدیرعامل گوگل گزارش می‌دهد. اولویت از پژوهش عمیق به انتشار سریع رفت.

TPU چیست و چرا مهم است؟

تراشه‌ی اختصاصی گوگل برای هوش مصنوعی است. چون گوگل آن را خودش طراحی می‌کند، کمتر به تأمین‌کننده‌های بیرونی وابسته است. حتی Anthropic هم برای Claude از TPUهای گوگل استفاده می‌کند.

Gemini 4 Krypton کی منتشر می‌شود؟

تاریخی اعلام نشده است. گمانه‌های «دسامبر» منبع رسمی ندارند. با هر خبر رسمی این مقاله را به‌روز می‌کنیم.

خدمت مرتبط: ساخت ایجنت هوش مصنوعی (AI Agent) اختصاصی برای شرکت شما