Gemini 2.5: هوش بی‌سابقه در مدل‌ها

در I/O 2025، گوگل مجموعه‌ای از به‌روزرسانی‌های پیشگامانه را در سری مدل‌های Gemini 2.5 خود رونمایی کرد، همراه با یک ویژگی آزمایشی نوآورانه به نام Deep Think، که برای افزایش قابلیت‌های استدلال مدل 2.5 Pro طراحی شده است. این پیشرفت‌ها یک جهش قابل توجه رو به جلو در زمینه هوش مصنوعی را نشان می‌دهند و سطوح بی‌سابقه‌ای از عملکرد، کارایی و تطبیق‌پذیری را به طور یکسان به توسعه‌دهندگان و کاربران ارائه می‌دهند.

مدل Gemini 2.5 Pro به عنوان راه حل برتر برای وظایف کدنویسی از طرف توسعه‌دهندگان مورد تحسین گسترده قرار گرفته است، در حالی که مدل 2.5 Flash قرار است یک ارتقاء اساسی دریافت کند. علاوه بر این، گوگل در حال معرفی طیف وسیعی از قابلیت‌های جدید در سراسر مدل‌های خود است، از جمله Deep Think، یک حالت استدلال پیشرفته آزمایشی که به طور خاص برای مدل 2.5 Pro طراحی شده است.

در یک اطلاعیه قبلی، گوگل از Gemini 2.5 Pro، هوشمندترین مدل خود تا به امروز رونمایی کرد و انتشار به‌روزرسانی I/O خود را تسریع کرد تا توسعه‌دهندگان را در ایجاد برنامه‌های وب استثنایی توانمند سازد. امروز، این شرکت اصلاحات بیشتری را در سری مدل‌های Gemini 2.5 به اشتراک می‌گذارد که دارای دستاوردهای قابل توجهی است:

• Gemini 2.5 Pro از همه انتظارات فراتر رفته است و عملکرد استثنایی را در معیارهای آکادمیک نشان می‌دهد. اکنون رتبه برتر را در تابلوهای امتیازات WebDev Arena و LMArena در اختیار دارد و جایگاه خود را به عنوان مدل پیشرو در جهان برای کمک به کدنویسی و یادگیری تثبیت می‌کند.

• ویژگی های جدید در حال ادغام شدن در هر دو نسخه 2.5 Pro و 2.5 Flash هستند، از جمله خروجی صوتی بومی برای یک تجربه مکالمه طبیعی تر و جذاب تر، اقدامات امنیتی پیشرفته و ادغام قابلیت های استفاده از رایانه Project Mariner. مدل 2.5 Pro با Deep Think، یک حالت آزمایشی طراحی شده برای بهبود استدلال برای مسائل پیچیده ریاضی و کدنویسی بیشتر تقویت خواهد شد.

• گوگل متعهد به بهبود تجربه توسعه‌دهندگان از طریق گنجاندن خلاصه‌های فکری در Gemini API و Vertex AI است. این خلاصه‌ها شفافیت بیشتری ارائه می‌دهند، بودجه‌های فکری گسترده‌تری را برای 2.5 Pro ارائه می‌دهند تا از کنترل بیشتر اطمینان حاصل شود و از ابزارهای MCP در Gemini API و SDK برای دسترسی به طیف گسترده‌تری از ابزارهای متن‌باز پشتیبانی می‌کنند.

• مدل 2.5 Flash اکنون به طور جهانی در برنامه Gemini در دسترس است. یک نسخه به روز شده به زودی در Google AI Studio برای توسعه دهندگان و در Vertex AI برای شرکت ها در دسترس خواهد بود که برای اوایل ژوئن برنامه ریزی شده است و 2.5 Pro نیز به زودی پس از آن عرضه می شود.

این پیشرفت چشمگیر نتیجه فداکاری بی امان تیم های گوگل است که متعهد به بهبود مستمر فناوری های خود و استقرار آنها به روشی ایمن و مسئولانه هستند.

رونمایی از عملکرد برتر 2.5 Pro

مدل 2.5 Pro اخیراً به روز شده است تا توسعه دهندگان را در ایجاد برنامه های کاربردی وب تعاملی تر و غنی تر از ویژگی ها توانمند سازد. از بازخورد مثبتی که از کاربران و توسعه دهندگان دریافت شده است بسیار قدردانی می شود و بهبودهای مستمر بر اساس ورودی کاربران همچنان اجرا خواهد شد.

علاوه بر عملکرد برجسته خود در معیارهای آکادمیک، آخرین تکرار 2.5 Pro رتبه برتر را در تابلوی امتیازات کدنویسی محبوب WebDev Arena با امتیاز ELO چشمگیر 1415 به دست آورده است. همچنین در تمام تابلوهای امتیازات LMArena که ترجیح انسان را بر اساس معیارهای مختلف ارزیابی می کند، پیشتاز است. علاوه بر این، 2.5 Pro مجهز به یک پنجره زمینه 1 میلیون توکنی، عملکردی پیشرفته در درک طولانی مدت و ویدئویی ارائه می دهد.

با ادغام LearnLM، خانواده‌ای از مدل‌ها که با همکاری کارشناسان آموزشی توسعه یافته‌اند، 2.5 Pro به مدل پیشرو برای یادگیری تبدیل شده است. در مقایسه‌های مستقیم که آموزش و اثربخشی آن را ارزیابی می‌کنند، مربیان و کارشناسان Gemini 2.5 Pro را نسبت به سایر مدل‌ها در مجموعه‌ای متنوع از سناریوها ترجیح دادند. همچنین از مدل‌های برتر در هر پنج اصل علم یادگیری که برای ساخت سیستم‌های هوش مصنوعی برای یادگیری استفاده می‌شوند، پیشی گرفت. این بر اثربخشی آن در زمینه‌های آموزشی، ارائه استراتژی‌های آموزشی متناسب و مؤثر تأکید می‌کند.

Deep Think: پیشبرد مرزهای استدلال

گوگل به طور فعال در حال بررسی محدودیت‌های قابلیت‌های شناختی Gemini است و شروع به آزمایش یک حالت استدلال پیشرفته به نام Deep Think کرده است. این حالت نوآورانه از تکنیک‌های تحقیقاتی پیشرفته استفاده می‌کند و مدل را قادر می‌سازد تا قبل از فرمول‌بندی پاسخ، فرضیه‌های متعددی را ارزیابی کند. این رویکرد فرآیندهای تصمیم‌گیری را بهبود می‌بخشد و امکان نتایج پیچیده‌تر و ظریف‌تری را در موقعیت‌های پیچیده فراهم می‌سازد.

Gemini 2.5 Pro Deep Think در USAMO 2025 که به طور گسترده به عنوان یکی از چالش برانگیزترین معیارهای ریاضی شناخته می‌شود، به امتیاز چشمگیری دست یافت. همچنین در LiveCodeBench، یک معیار تقاضا برای کدنویسی سطح رقابت، برتری دارد و در MMMU که استدلال چندوجهی را ارزیابی می کند، به امتیاز 84.0 درصد می رسد. این نتایج بر عملکرد استثنایی Deep Think در رسیدگی به وظایف پیچیده تأکید می‌کنند و آینده‌ای امیدوارکننده برای حل مسئله پیشرفته با هوش مصنوعی را نشان می‌دهند.

با توجه به اینکه 2.5 Pro Deep Think مرزهای ممکن را پیش می‌برد، گوگل زمان بیشتری را صرف انجام ارزیابی‌های ایمنی کامل و درخواست ورودی بیشتر از کارشناسان ایمنی می‌کند. این شرکت همچنین به آزمایش‌کنندگان منتخب دسترسی به Gemini API را می‌دهد تا قبل از اینکه به طور گسترده در دسترس قرار گیرد، بازخورد جمع‌آوری کند. این رویکرد محتاطانه و سنجیده هدف آن تضمین استقرار مسئولانه فناوری پیشرفته هوش مصنوعی است.

معرفی یک 2.5 Flash پیشرفته

مدل 2.5 Flash که به دلیل کارایی و مقرون به صرفه بودنش شناخته می شود، در ابعاد متعددی اصلاح شده است. این مدل پیشرفت‌هایی را در معیارهای مهم برای استدلال، چندوجهی بودن، مدیریت کد و زمینه طولانی نشان داده است، در حالی که همزمان کارآمدتر شده و بین 20 تا 30 درصد توکن‌های کمتری در ارزیابی‌ها استفاده می‌کند. این نشان دهنده عملکرد بهینه و مدیریت منابع آن است.

2. 5 Flash جدید در حال حاضر برای پیش نمایش در Google AI Studio برای توسعه دهندگان، در Vertex AI برای برنامه های کاربردی سازمانی و در برنامه Gemini برای کاربران عمومی در دسترس است. قرار است در اوایل ژوئن به طور کلی در دسترس قرار گیرد و آن را برای محیط های تولیدی قابل دسترس می کند.

قابلیت های جدید Gemini 2.5

بهبود خروجی صوتی بومی و Live API

Live API یک نسخه پیش نمایش از ورودی های صوتی و تصویری و دیالوگ خروجی صوتی بومی را معرفی می کند و کاربران را قادر می سازد تا تجربیات مکالمه ای با Gemini طبیعی تر و رسا تر ایجاد کنند. این ویژگی برنامه های کاربردی جذاب تر و تعاملی تر را امکان پذیر می کند. توانایی هوش مصنوعی برای تولید پاسخ های صوتی شبیه به زندگی به طور قابل توجهی تعامل کاربر را با ایجاد یک راه ارتباطی شهودی تر افزایش می دهد.

Live API به کاربران قدرت می دهد تا لحن، لهجه و سبک صحبت مدل را هدایت کنند. به عنوان مثال، به مدل می توان دستور داد هنگام بیان داستان، از صدای دراماتیکی استفاده کند. همچنین از استفاده از ابزار پشتیبانی می کند و به آن امکان می دهد از طرف کاربر جستجو انجام دهد. انعطاف پذیری در کنترل صدا و دسترسی به ابزارهای خارجی، مدل را فوق العاده متنوع و ارزشمند در سناریوهای کاربردی متنوع می کند.

کاربران می توانند ویژگی های اولیه مختلف را آزمایش کنند، از جمله:

• Affective Dialogue: این مدل احساسات موجود در صدای کاربر را تشخیص می دهد و بر این اساس پاسخ می دهد. این قابلیت لایه های هوش هیجانی را به هوش مصنوعی اضافه می کند و تعامل را شخصی تر می کند.

• Proactive Audio: این مدل مکالمات پس زمینه را نادیده می گیرد و می داند چه زمانی پاسخ دهد، تداخلات را به حداقل می رساند و وضوح را بهبود می بخشد. این ویژگی کیفیت تعامل را افزایش می دهد و امکان ارتباط موثرتر و متمرکزتر را فراهم می کند.

• Thinking in the Live API: این مدل از قابلیت های تفکر Gemini برای پشتیبانی از وظایف پیچیده تر استفاده می کند. این امر امکان تجزیه و تحلیل و بررسی عمیق تر را هنگام مقابله با وظایف پیچیده فراهم می کند و آن را در زمینه هایی که نیاز به راه حل های دقیق و بینش ساز دارند، فوق العاده ارزشمند می کند.

گوگل همچنین در حال عرضه پیش نمایش های جدیدی برای قابلیت تبدیل متن به گفتار در هر دو نسخه 2.5 Pro و 2.5 Flash است. اینها اولین پشتیبانی از نوع خود را برای چندین سخنران ارائه می دهند و تبدیل متن به گفتار را با دو صدا از طریق خروجی صوتی بومی فعال می کنند. این ویژگی به ویژه برای ایجاد روایت های جذاب و گفتگوها در برنامه های چند رسانه ای ارزشمند است.

مانند گفتگوی Native Audio، تبدیل متن به گفتار رسا است و می تواند ظرافت های ظریفی مانند زمزمه ها را به تصویر بکشد. از بیش از 24 زبان پشتیبانی می کند و به طور یکپارچه بین آنها جابجا می شود و آن را به ابزاری همه کاره برای ارتباطات جهانی تبدیل می کند. این ظرافت‌ها در استفاده از زبان، تجربه کاربر را غنی می‌کند و فرآیند ارتباطی ظریف‌تر و شخصی‌تر را تسهیل می‌کند.

این قابلیت تبدیل متن به گفتار بعداً امروز در Gemini API در دسترس خواهد بود.

رابط کامپیوتری پیشرفته

گوگل در حال معرفی قابلیت‌های استفاده از رایانه Project Mariner در Gemini API و Vertex AI است. شرکت‌های آینده‌نگری مانند Automation Anywhere، UiPath، Browserbase، Autotab، The Interaction Company و Cartwheel در حال بررسی پتانسیل آن هستند. گوگل مشتاقانه منتظر عرضه گسترده‌تری برای توسعه‌دهندگان است تا در این تابستان این قابلیت را آزمایش کنند و راه را برای پروژه‌ها و راه‌حل‌های نوآورانه هموار کند. توانایی ادغام مدل‌های هوش مصنوعی مستقیماً با رابط‌های کامپیوتری منجر به راه‌حل‌های گردش کار ساده‌تر و سازنده‌تر در صنایع مختلف می‌شود.

اقدامات امنیتی برتر

گوگل به طور قابل توجهی محافظت خود را در برابر تهدیدات امنیتی، مانند تزریق پیام غیرمستقیم تقویت کرده است. این شامل جاسازی دستورالعمل های مخرب در داده های بازیابی شده توسط یک مدل هوش مصنوعی است. رویکرد امنیتی جدید گوگل به طور قابل توجهی نرخ حفاظت Gemini را در برابر حملات تزریق پیام غیرمستقیم در حین استفاده از ابزار افزایش داده است و Gemini 2.5 را به امن ترین خانواده مدل خود تا به امروز تبدیل کرده است. این امنیت بهبود یافته به کاربران از یک تجربه ایمن و قابل اعتماد هنگام پذیرش راه حل های مبتنی بر هوش مصنوعی اطمینان می دهد.

یک تجربه توسعه دهنده پیشرفته

خلاصه فکری

هر دو نسخه 2.5 Pro و Flash اکنون شامل خلاصه های فکری در Gemini API و در Vertex AI خواهند بود. این خلاصه ها افکار خام مدل را می گیرند و آنها را در یک قالب واضح با سرصفحه ها، جزئیات کلیدی و اطلاعات مربوط به اقدامات مدل، مانند زمان استفاده از ابزار، سازماندهی می کنند. با ارائه بینش در مورد فرآیند تحلیلی هوش مصنوعی، خلاصه های فکری به درک و رفع اشکال در سیستم های هوش مصنوعی کمک می کنند و کارایی و طراحی سیستم را بهبود می بخشند.

با یک قالب ساختاریافته‌تر و ساده‌تر در فرآیند فکری مدل، توسعه‌دهندگان و کاربران تعامل با مدل‌های Gemini را آسان‌تر برای درک و عیب‌یابی خواهند کرد.

بودجه فکری

گوگل 2.5 Flash را با بودجه های فکری راه اندازی کرد تا به توسعه دهندگان کنترل بیشتری بر هزینه ها با ایجاد تعادل بین تأخیر و کیفیت بدهد. این قابلیت اکنون به 2.5 Pro گسترش یافته است و گزینه های تنظیم دقیق بیشتری را در اختیار شما قرار می دهد. توسعه دهندگان با کنترل توکن های مورد استفاده و بهینه سازی منابع می توانند به تعادل مناسب بین هزینه محاسباتی و اثربخشی راه حل دست یابند و اجرای هوش مصنوعی را هم اقتصادی و هم کارآمد می کند.

این امکان کنترل کامل بر تعداد توکن هایی را فراهم می کند که یک مدل برای فکر کردن قبل از پاسخ دادن استفاده می کند یا حتی قابلیت های تفکر آن را خاموش می کند.

Gemini 2.5 Pro با بودجه در هفته های آینده برای استفاده تولیدی پایدار همراه با مدل عمومی در دسترس خواهد بود.

پشتیبانی از ابزارهای MCP

گوگل پشتیبانی بومی SDK را برای تعاریف Model Context Protocol (MCP) در Gemini API برای ادغام آسان تر با ابزارهای متن باز اضافه کرده است. روش‌های استقرار مختلف، مانند سرورهای MCP و ابزارهای میزبانی شده، برای آسان‌تر کردن ساخت برنامه‌های کاربردی عامل‌گرا برای کاربران، مورد بررسی قرار می‌گیرند. این امر محیط توسعه هوش مصنوعی را از طریق طیف وسیع تری از گزینه ها برای ادغام ابزار و همکاری در پروژه ها بهبود می بخشد.

نوآوری مداوم کلیدی در تعهد مستمر برای بهبود مدل ها و تجربه توسعه دهنده است و آنها را کارآمدتر، با کارایی بالاتر و پاسخگوتر به بازخورد توسعه دهنده می کند. سرمایه گذاری مضاعف بر وسعت و عمق تحقیقات بنیادی برای پیشبرد مرزهای قابلیت های Gemini. موارد بیشتری در آینده وجود دارد.

پیشرفت در ایمنی بیشتر (عنوان 2)

در مدل‌های توسعه‌یافته‌ی Gemini، ایمنی و قابل‌اعتماد بودن نقش کلیدی دارند. گوگل همواره متعهد به امنیت کاربران است و در این راستا، به‌روزرسانی‌های جدیدی را در این زمینه به مرحله اجرا درآورده است.

بهبود امنیت در برابر حملات غیرمستقیم (عنوان 3)

یکی از مخاطرات مهم در مدل‌های زبان بزرگ، امکان تزریق داده‌های مخرب از طریق حملات غیرمستقیم است. در این نوع حملات، هکرها سعی می‌کنند دستورالعمل‌های مخرب را در داده‌هایی که مدل از منابع خارجی مانند وب‌سایت‌ها یا پایگاه‌های داده دریافت می‌کند، پنهان کنند. مدل Gemini 2.5، با استفاده از تکنیک‌های پیشرفته، قادر است این حملات را شناسایی و خنثی کند. به لطف این بهبودات، میزان حفاظت در برابر حملات تزریق دستورات غیرمستقیم در tool use به میزان قابل توجهی افزایش یافته است و Gemini 2.5 را به امن‌ترین مدل گوگل در نوع خود تبدیل کرده است.

ارتقاء تشخیص تهدیدات (عنوان 3)

علاوه بر مقابله با حملات تزریق غیرمستقیم، Gemini 2.5 توانایی تشخیص تهدیدات امنیتی در سایر سطوح را نیز ارتقاء داده است. این مدل با استفاده از الگوریتم‌های پیشرفته یادگیری ماشین، قادر است الگوهای رفتاری مشکوک را شناسایی و از اجرای کد‌های مخرب جلوگیری کند. این ویژگی به ویژه در محیط‌هایی که مدل به داده‌های حساس دسترسی دارد، اهمیت بسزایی دارد.

آزمایش‌های امنیتی گسترده (عنوان 3)

گوگل قبل از ارائه هر به‌روزرسانی جدید، آزمایش‌های امنیتی گسترده‌ای را بر روی مدل‌های Gemini انجام می‌دهد. این آزمایش‌ها شامل شبیه‌سازی انواع مختلف حملات و بررسی واکنش مدل در برابر آن‌ها است. نتایج این آزمایش‌ها به توسعه‌دهندگان کمک می‌کند تا نقاط ضعف مدل را شناسایی و قبل از انتشار عمومی، آن‌ها را برطرف کنند.

بهبود تجربه‌ی توسعه‌دهندگان: ابزارها و قابلیت‌های جدید (عنوان 2)

گوگل به منظور تسهیل توسعه و استفاده از مدل‌های Gemini، ابزارها و قابلیت‌های جدیدی را برای توسعه‌دهندگان ارائه کرده است. این ابزارها به توسعه‌دهندگان کمک می‌کنند تا به‌راحتی برنامه‌های کاربردی هوشمند ایجاد کنند، عملکرد مدل‌ها را بهبود بخشند و هزینه‌های محاسباتی را کاهش دهند.

خلاصه‌های فکری (Thought Summaries) (عنوان 3)

یکی از ویژگی‌های جدید Gemini 2.5، ارائه خلاصه‌های فکری در Gemini API و Vertex AI است. این خلاصه‌ها به توسعه‌دهندگان این امکان را می‌دهند تا فرآیند تفکر و استدلال مدل را درک کنند. خلاصه‌های فکری شامل سازماندهی افکار خام مدل در یک قالب واضح با سرفصل‌ها، جزئیات کلیدی و اطلاعات مربوط به اقدامات مدل (مانند زمان استفاده از ابزارها) است. با استفاده از این خلاصه‌ها، توسعه‌دهندگان می‌توانند عملکرد مدل را بهتر درک کرده و در صورت بروز خطا، به‌سرعت آن را رفع کنند.

بودجه‌های فکری (Thinking Budgets) (عنوان 3)

گوگل با ارائه بودجه‌های فکری در Gemini 2.5، به توسعه‌دهندگان کنترل بیشتری بر هزینه‌های محاسباتی داده است. این ویژگی به توسعه‌دهندگان اجازه می‌دهد تا با تنظیم میزان توکن‌های مورد استفاده مدل برای فرآیند تفکر، تعادلی بین تأخیر و کیفیت پاسخ ایجاد کنند. توسعه‌دهندگان می‌توانند تعیین کنند که مدل قبل از پاسخ دادن چه مقدار توکن استفاده کند یا حتی قابلیت تفکر آن را به‌طور کامل غیرفعال کنند.

پشتیبانی از ابزارهای MCP (عنوان 3)

برای تسهیل ادغام مدل Gemini با ابزارهای متن‌باز، گوگل پشتیبانی بومی SDK از تعاریف Model Context Protocol (MCP) را در Gemini API اضافه کرده است. این امر به توسعه‌دهندگان این امکان را می‌دهد تا به آسانی برنامه‌های کاربردی عامل‌گرا بسازند و از طیف گسترده‌تری از ابزارها در پروژه‌های خود استفاده کنند.

قابلیت‌های پیشرفته‌ی مکالمه (عنوان 2)

خروجی صوتی بومی (Native Audio Output) (عنوان 3)

Gemini 2.5 به کاربران و توسعه‌دهندگان امکان می‌دهد تا یک تجربه مکالمه صوتی طبیعی داشته باشند. با استفاده از خروجی صوتی بومی، مدل می‌تواند پاسخ‌هایی تولید کند که لحن و آهنگ صدای انسانی را تقلید می‌کنند. علاوه بر این، Live API به توسعه‌دهندگان اجازه می‌دهد تا ویژگی‌هایی مانند تشخیص احساسات در صدای کاربر و پاسخ متناسب با آن را به برنامه‌های خود اضافه کنند. این امر باعث می‌شود تا تعامل با مدل‌های Gemini طبیعی‌تر و جذاب‌تر باشد.

تعاملات آگاهانه (Affective Dialogue) (عنوان 3)

یکی دیگر از ویژگی‌های پیشرفته Gemini 2.5، قابلیت تعاملات آگاهانه است. در این حالت، مدل قادر است احساسات موجود در صدای کاربر را تشخیص داده و به آن‌ها واکنش نشان دهد. این ویژگی به مدل اجازه می‌دهد تا پاسخ‌هایی تولید کند که با احساسات کاربر هماهنگ هستند و تجربه کاربری بهتری را ارائه می‌دهند.

متن به گفتار (Text-to-Speech) (عنوان 3)

قابلیت تبدیل متن به گفتار در Gemini 2.5 بهبود یافته است و اکنون از چندین گوینده و زبان پشتیبانی می‌کند. این ویژگی به توسعه‌دهندگان اجازه می‌دهد تا برنامه‌هایی ایجاد کنند که قادر به تولید صداهایی با لحن‌ها و سبک‌های مختلف هستند. به عنوان مثال، می‌توان برنامه‌ای ساخت که یک داستان را با صدای یک راوی مرد و زن بازگو کند.

هوش آموزش‌محور: LearnLM (عنوان 2)

آموزش و یادگیری با Gemini 2.5 (عنوان 3)

Gemini 2.5 با ادغام LearnLM که یک خانواده از مدل‌های توسعه‌یافته با همکاری کارشناسان آموزشی است، به مدل پیشرو برای یادگیری تبدیل شده است. در مقایسه‌های مستقیم که آموزش و اثربخشی آن را ارزیابی می‌کنند، مربیان و کارشناسان Gemini 2.5 Pro را نسبت به سایر مدل‌ها در مجموعه‌ای متنوع از سناریوها ترجیح دادند. این مدل همچنین از مدل‌های برتر در هر پنج اصل علم یادگیری که برای ساخت سیستم‌های هوش مصنوعی برای یادگیری استفاده می‌شوند، پیشی گرفت.

اصول علم یادگیری (عنوان 3)

LearnLM بر اساس پنج اصل اساسی علم یادگیری طراحی شده است:

• یادگیری فعال: تشویق دانش‌آموزان به شرکت فعال در فرآیند یادگیری.
• یادگیری معنادار: ارتباط دادن مطالب جدید با دانش قبلی دانش‌آموزان.
• یادگیری اجتماعی: ترویج یادگیری از طریق همکاری و تعامل با دیگران.
• یادگیری مشهود: ارائه بازخورد مناسب به دانش‌آموزان.
• یادگیری هدفمند: کمک به دانش‌آموزان در تعیین اهداف یادگیری و پیگیری پیشرفت خود.

این نکات باعث شده تا Gemini 2.5 به یک ابزار آموزشی قدرتمند بدل شود.

توانایی‌های تفکر عمیق (Deep Think Capabilities) (عنوان 2)

حالت تفکر عمیق در Gemini 2.5 Pro (عنوان 3)

Gemini 2.5 Pro به یک حالت استدلال پیشرفته به نام Deep Think (تفکر عمیق)، مجهز شده است که با استفاده از تکنیک‌های تحقیقاتی پیشرفته، مدل را قادر میسازد تا قبل از تدوین پاسخ، فرضیه‌های متعددی را ارزیابی کند. این رویکرد، تضمین می‌کند که مدل قبل از هرگونه فعالیت، همه جوانب موضوع را بررسی کرده باشد و بر اساس آن پاسخی دقیق و اثربخش تدوین کند.

دستیابی به نتایج ممتاز (عنوان 3)

Deep Think با به‌کارگیری توانایی‌های ویژه و رویکردهای نوآورانه خود موفق شده تا در آزمون‌های بزرگ ریاضی و مهندسی نمره‌های بسیار خوبی را کسب کند. برای مثال، عملکرد این مدل در USAMO (المپیاد ریاضی ایالات متحده آمریکا) و LiveCodeBench (آزمون ارزیابی کدنویسی) بسیار عالی بوده است که این امر بر توانایی‌های منحصر به فرد این مدل در حل مسائل مختلف صحه می‌گذارد.

در دسترس بودن

دسترسی گسترده به مدل Flash (عنوان 3)

مدل 2.5 Flash علاوه بر در دسترس بودن در Google AI Studio و Vertex AI، در اپلیکیشن Gemini نیز قابل استفاده است که به کاربران اجازه می‌دهد در هر زمان و مکانی به آن دسترسی داشته باشند. با این قابلیت، استفاده از امکانات هوش مصنوعی بسیار ساده‌تر و قابل دسترس‌تر از همیشه شده است.

جدول زمانی انتشار نسخه Pro (عنوان 3)

نسخه Pro مدل Gemini 2.5 پس از گذراندن مراحل ارزیابی و آزمایش‌های بیشتر، در اختیار عموم قرار خواهد گرفت.