گوگل Gemini ۴ Hydrogen را برای کدنویسی و گردش‌کارهای عامل‌محور عرضه کرد

سهیل بحر کاظمی
سهیل بحر کاظمی
۱۴۰۵/۰۸/۲۳
۳ دقیقه
۳
آموزش متنی جامع

گوگل در ۱۲ نوامبر ۲۰۲۶ عرضه Gemini 4 Hydrogen را آغاز کرد. این مدل برای کارهای روزمره برنامه‌نویسی، از تغییر چند فایل در یک مخزن گرفته تا اجرای آزمون‌ها و برای وظایف چندمرحله‌ای طراحی شده است. توسعه‌دهندگان می‌توانند آن را از طریق Gemini API و Google AI Studio به کار بگیرند. گوگل هم‌زمان در محیط توسعه Antigravity قابلیتی به نام Orchestrator معرفی کرده است که می‌تواند در یک نشست کاری بین مدل‌هایی مثل Hydrogen و Carbon جابه‌جا شود.

گوگل Gemini ۴ Hydrogen را برای کدنویسی و گردش‌کارهای عامل‌محور عرضه کرد
997696

Hydrogen چه تغییری برای برنامه‌نویس‌ها دارد؟

در یک «گردش‌کار عامل‌محور» (Agentic Workflow)، مدل می‌تواند در محیطی که ابزارهای لازم در اختیارش قرار گرفته، چند مرحله را پشت‌سرهم انجام دهد. برای مثال، اگر یک آزمون به‌دلیل نپذیرفتن مقدار خالی شکست بخورد، عامل می‌تواند پیام خطا و فایل‌های مرتبط را بخواند، تغییری پیشنهاد دهد و آزمون را دوباره اجرا کند. این مثال نشان می‌دهد هنگام ارزیابی یک مدل کدنویسی چه چیزی را باید سنجید. ممکن است پاسخ اولیه سریع باشد، اما اگر تغییر پیشنهادی چند بار به اصلاح نیاز پیدا کند، کار دیرتر تمام می‌شود.

طبق مستندات گوگل، شناسه مدل در API برابر با gemini-4-hydrogen است. مدل متن، تصویر، صدا، ویدیو و PDF را به‌عنوان ورودی می‌پذیرد و خروجی آن متنی است. پنجره زمینه آن هم حدود یک میلیون توکن ظرفیت دارد که بین ورودی و خروجی مشترک است. برای توسعه‌دهنده‌ای که می‌خواهد همراه توضیح یک خطا، چند فایل کد و یک گزارش طولانی را بفرستد، این ظرفیت مشخص می‌کند چه حجمی از اطلاعات را می‌توان در همان درخواست جا داد.

Antigravity چگونه دو مدل را در یک نشست به کار می‌گیرد؟

Orchestrator در Antigravity برای جابه‌جایی میان مدل‌ها در طول یک کار طراحی شده است. در نمونه‌ای که گوگل شرح داده، Carbon کار را هماهنگ می‌کند و Hydrogen وظایف اجرایی و بررسی آن‌ها را بر عهده می‌گیرد. برای تصور این تقسیم کار، یک تغییر در فرم ثبت‌نام را در نظر بگیرید. یک مدل می‌تواند تعیین کند اعتبارسنجی در کدام بخش برنامه انجام شود و مدل دیگر پیاده‌سازی و آزمون حالت‌هایی مثل ورودی خالی را پیش ببرد. این سناریوی آموزشی توضیح می‌دهد هر مدل در همان پروژه چه نقشی می‌تواند داشته باشد.

دو قطعهٔ هندسی فیروزه‌ای و بنفش کنار کارت‌های سفید روی میز

گوگل گزارش داده است که Orchestrator در آزمون Terminal-Bench 4.0 به نرخ موفقیتی نزدیک به Carbon رسید، کارها را به‌طور میانگین ۱۹ درصد سریع‌تر انجام داد و ۲۴ درصد سهمیه کمتری مصرف کرد. این اعداد به همان آزمون و ترکیب مدل‌ها مربوط‌اند. برای مقایسه در یک پروژه، می‌توان همان تغییر را با تنظیمات مشخص روی هر دو گزینه اجرا کرد و مدت کار، نتیجه تست‌ها و مقدار بازبینی دستی را سنجید.

دو کارت فارسی با نقش هماهنگی برای کربن و اجرا و بررسی برای هیدروژن
نمونهٔ تقسیم کار میان Carbon و Hydrogen در توضیح گوگل درباره Antigravity

یادگیری کار با هوش مصنوعی جمنای با فرادرس

مدل Gemini 4 Hydrogen با تمرکز بر برنامه‌نویسی و اجرای وظایف چندمرحله‌ای، امکانات تازه‌ای برای توسعه‌دهندگان فراهم می‌کند. این مدل می‌تواند در یک گردش‌کار عاملی، فایل‌های مختلف کد را بررسی کند، تغییرات پیشنهادی را اعمال کند و آزمون‌ها را دوباره اجرا کند. همچنین، قابلیت Orchestrator در محیط Antigravity امکان هماهنگی میان مدل‌هایی مانند Hydrogen و Carbon را فراهم می‌کند تا وظایف مختلف یک پروژه میان آن‌ها تقسیم شود.
برای استفاده موثر از چنین قابلیت‌هایی، آشنایی با ابزارهای هوش مصنوعی گوگل و روش تعامل با Gemini اهمیت دارد. با یادگیری نحوه طرح پرسش، نوشتن پرامپت‌های دقیق و استفاده از قابلیت‌های این دستیار هوشمند، می‌توانید از آن در کارهای روزمره، تولید محتوا و برنامه‌نویسی کمک بگیرید. آموزش‌های زیر مسیر مناسبی برای شروع و گسترش مهارت کار با Gemini هستند.

برای دسترسی به آموزش‌های بیشتر، پیشنهاد می‌کنیم به صفحه زیر مراجعه کنید:

دسترسی به Gemini 4 Hydrogen از کدام مسیرها ممکن است؟

طبق اعلام گوگل، عرضه در Gemini API و ابزارهایی مانند AI Studio و Android Studio آغاز شده است. در اپ Gemini هم دسترسی کاربران رایگان از راه انتخاب خودکار مدل برای درخواست مناسب فراهم می‌شود. گوگل امکان استفاده از Hydrogen در Antigravity را برای مشترکان پولی Google AI Pro و Ultra اعلام کرده است. نرخ استاندارد API برای هر یک میلیون توکن ورودی ۱٫۵۰ دلار و برای هر یک میلیون توکن خروجی ۷٫۵۰ دلار است. دسترسی از طریق اپ و تعرفه API به مسیرهای متفاوت استفاده از مدل مربوط‌اند.

اگر می‌خواهید جای Hydrogen را در میان دستیارهای کدنویسی پیدا کنید، راهنمای ابزارهای هوش مصنوعی برای برنامه‌نویسی در مجله فرادرس کاربرد ابزارها را در بخش‌های مختلف توسعه نرم‌افزار توضیح می‌دهد.

مطالب مجله فرادرس را در جستجوی گوگل سریع‌تر ببینید

بر اساس رای ۰ نفر
آیا این مطلب برای شما مفید بود؟
اگر پرسشی درباره این مطلب دارید، آن را با ما مطرح کنید.
منابع:
News from GoogleGoogle AI StudioVB
PDF
مطالب مرتبط
نظر شما چیست؟

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *