گوگل روز پنج‌شنبه نسخه بازسازی‌شده عامل پژوهشی خود، Gemini Deep Research، بر اساس مدل پایه پیشرفته خود، Gemini 3 Pro، منتشر کرد. این نسخه تنها برای تولید گزارش‌های تحقیقاتی طراحی نشده است. توسعه‌دهندگان اکنون می‌توانند قابلیت‌های پژوهشی مدل SATA گوگل را مستقیماً در اپلیکیشن‌های خود ادغام کنند. این امکان با استفاده از Interactions API گوگل فراهم شده است تا توسعه‌دهندگان کنترل بیشتری در دوران AI عاملیت‌محور داشته باشند.
مدیریت حجم عظیم اطلاعات با Deep Research
عامل Deep Research حجم عظیمی از داده‌ها را تحلیل می‌کند و زمینه گسترده‌ای از اطلاعات را در پرامپت مدیریت می‌کند. مشتریان از این ابزار برای ارزیابی دقیق و تحقیقات ایمنی داروها استفاده می‌کنند. گوگل قصد دارد این عامل را در سرویس‌هایی مانند Google Search، Google Finance، اپلیکیشن Gemini و NotebookLM ادغام کند. هدف این است که در آینده انسان‌ها برای جستجو به جای گوگل، از عامل‌های AI بهره ببرند.
کاهش هذیان‌گویی و افزایش دقت
Deep Research از Gemini 3 Pro استفاده می‌کند، مدلی که گوگل آن را دقیق‌ترین مدل خود می‌داند و طراحی شده تا هذیان‌گویی در وظایف پیچیده و طولانی را کاهش دهد. هذیان‌گویی در مدل‌های زبانی بزرگ به ویژه برای کارهای چندمرحله‌ای مشکل‌ساز است، زیرا یک اشتباه کوچک می‌تواند کل خروجی را بی‌اعتبار کند.
بنچمارک‌های جدید برای سنجش عملکرد
گوگل برای اثبات توانایی‌های Deep Research، بنچمارک جدید DeepSearchQA را ایجاد کرده است. این بنچمارک عملکرد عامل‌های AI را در وظایف چندمرحله‌ای و پیچیده می‌سنجد و متن‌باز است تا هر توسعه‌دهنده‌ای بتواند آن را بررسی کند. علاوه بر آن، Deep Research در بنچمارک‌های Humanity’s Last Exam و BrowserComp نیز آزمایش شده است.
رقابت مستقیم با OpenAI و GPT-5.2
نتایج اولیه نشان می‌دهد که عامل گوگل در بنچمارک‌های خود و Humanity’s بهتر عمل کرده است. با این حال، مدل ChatGPT 5 Pro از OpenAI رقابت نزدیکی ارائه داده و در BrowserComp کمی بهتر ظاهر شد. همان روز، OpenAI مدل جدید GPT-5.2 با نام کد Garlic را عرضه کرد. این مدل در اکثر بنچمارک‌ها، به ویژه بنچمارک داخلی OpenAI، عملکرد بالاتری نشان داد و رقابت میان دو غول AI را داغ‌تر کرد.
لینک‌های مرتبط
برای اطلاعات بیشتر درباره مدل‌های پیشرفته و تحولات AI می‌توانید به مقاله‌های زیر مراجعه کنید:
