مصنوعی ذہانت کے بلند داؤ والے میدان میں، رفتار کی تبدیلیاں آنکھ جھپکتے میں ہو سکتی ہیں۔ ایک وقت کے لیے، ایسا لگتا تھا کہ Google، اس شعبے میں اپنی بنیادی شراکتوں کے باوجود، شاید کنارے سے دیکھ رہا تھا جب OpenAI جیسے حریف عوامی تخیل پر قبضہ کر رہے تھے۔ تاہم، حالیہ ہفتوں میں ٹیک دیو کی جانب سے رفتار میں واضح تبدیلی دیکھی گئی ہے۔ ریلیزز کا ایک سلسلہ – اوپن ویٹ ماڈلز اور امیج جنریشن ٹولز سے لے کر مفت AI کوڈنگ اسسٹنٹ اور اس کی Gemini ایپلیکیشن میں اضافہ تک – ایک سرکردہ پوزیشن دوبارہ حاصل کرنے کی پرعزم کوشش کا اشارہ دیتا ہے۔ اس حالیہ اضافے کا اختتام Gemini 2.5 Pro کے افتتاح کے ساتھ ہوا، جو Google کے پریمیئر لارج لینگویج ماڈل (LLM) کا تازہ ترین تکرار ہے، ایک ایسا اقدام جو مسابقتی منظر نامے کو نئی شکل دینے کے لیے ڈیزائن کیا گیا ہے۔
Gemini 2.5 Pro کا یہ تعارف بلاشبہ Google کو شدید LLM دوڑ میں واپس لاتا ہے۔ مطلق ‘بہترین’ ماڈل کا تعین تیزی سے موضوعی ہوتا جا رہا ہے، جو اکثر صارف کی ترجیح اور مخصوص ایپلیکیشن کی ضروریات پر منحصر ہوتا ہے – قطعی بینچ مارک بالادستی کا دور زیادہ باریک بینی سے کیے گئے جائزوں کی طرف بڑھتا دکھائی دیتا ہے۔ اگرچہ Gemini 2.5 Pro اپنی خصوصیات اور ممکنہ سمجھوتوں سے خالی نہیں ہے، Google کی بے مثال تقسیم کی صلاحیتیں اور مضبوط ڈویلپر انفراسٹرکچر اس کے اثرات کو بڑھانے اور جاری AI دشمنی میں اس کی پوزیشن کو مضبوط کرنے کے لیے ایک زبردست پلیٹ فارم فراہم کرتے ہیں۔ یہ لانچ صرف ایک نئے ماڈل کے بارے میں نہیں ہے؛ یہ اہم اسٹریٹجک اثاثوں کی حمایت یافتہ ارادے کا بیان ہے۔
مدمقابل کی تعریف: Gemini 2.5 Pro کو کیا چیز منفرد بناتی ہے؟
Google، Gemini 2.5 Pro کو نمایاں طور پر ایک reasoning model کے طور پر پیش کرتا ہے۔ یہ محض ایک معنوی امتیاز نہیں ہے۔ ان ماڈلز کے برعکس جو کسی پرامپٹ سے زیادہ براہ راست جوابات پیدا کر سکتے ہیں، ایک reasoning model، جیسا کہ Google بیان کرتا ہے، پہلے ‘سوچنے’ کی ایک شکل میں مشغول ہوتا ہے۔ یہ اندرونی ‘سوچ’ ٹوکنز پیدا کرتا ہے، مؤثر طریقے سے حتمی آؤٹ پٹ بنانے سے پہلے مسئلے کا ایک منظم منصوبہ یا تجزیہ تخلیق کرتا ہے۔ اس منظم نقطہ نظر کا مقصد پیچیدہ کاموں پر کارکردگی کو بہتر بنانا ہے جن کے لیے کثیر مرحلہ تجزیہ، منطقی کٹوتی، یا تخلیقی مسئلہ حل کرنے کی ضرورت ہوتی ہے۔ یہ Gemini 2.5 Pro کو تصوراتی طور پر دیگر جدید ماڈلز کے ساتھ ہم آہنگ کرتا ہے جو نفیس علمی کاموں پر مرکوز ہیں، جیسے OpenAI کے حالیہ ‘o’ ویریئنٹس، DeepSeek کا R1، یا xAI کا Grok 3 Reasoning۔
دلچسپ بات یہ ہے کہ Google نے، کم از کم ابتدائی طور پر، صرف اس ‘Pro’ ورژن کو موروثی استدلالی صلاحیتوں کے ساتھ جاری کیا ہے۔ اس کے ساتھ متوازی، غیر استدلالی ویریئنٹ کا اعلان نہیں کیا گیا ہے۔ یہ فیصلہ کچھ دلچسپ سوالات اٹھاتا ہے۔ استدلالی مراحل کو شامل کرنا موروثی طور پر کمپیوٹیشنل اوور ہیڈ (inference costs) کو بڑھاتا ہے اور تاخیر (latency) متعارف کرا سکتا ہے، ممکنہ طور پر ماڈل کے جوابی وقت کو سست کر سکتا ہے – خاص طور پر اہم ‘time to first token’ جو انٹرایکٹو ایپلی کیشنز میں صارف کے تجربے کو نمایاں طور پر متاثر کرتا ہے۔ خصوصی طور پر استدلال پر مبنی ماڈل کا انتخاب یہ بتاتا ہے کہ Google شاید اس فلیگ شپ ٹائر پر رفتار اور لاگت کی کارکردگی کو بہتر بنانے کے بجائے پیچیدہ کاموں کے لیے زیادہ سے زیادہ صلاحیت اور درستگی کو ترجیح دے رہا ہے، شاید اعلیٰ کارکردگی کے لیے ایک واضح بینچ مارک قائم کرنے کا ارادہ رکھتا ہے۔
Gemini 2.5 Pro کو تربیت دینے کے لیے استعمال ہونے والے مخصوص فن تعمیر یا وسیع ڈیٹا سیٹس کے بارے میں شفافیت محدود ہے، جو اس انتہائی مسابقتی میدان میں ایک عام خصوصیت ہے۔ Google کی سرکاری مواصلات میں ‘نمایاں طور پر بہتر بیس ماڈل کو بہتر پوسٹ ٹریننگ کے ساتھ ملا کر کارکردگی کی ایک نئی سطح’ حاصل کرنے کا ذکر ہے۔ یہ ایک کثیر جہتی بہتری کی حکمت عملی کی طرف اشارہ کرتا ہے۔ اگرچہ تفصیلات کم ہیں، اعلان میں chain-of-thought (CoT) پرامپٹنگ اور reinforcement learning (RL) جیسی تکنیکوں کے ساتھ پہلے کے تجربات کا حوالہ دیا گیا ہے، خاص طور پر Gemini 2.0 Flash Thinking کے سلسلے میں، جو ایک پہلے کا استدلال پر مبنی ماڈل تھا۔ لہذا، یہ قابل فہم ہے کہ Gemini 2.5 Pro، Gemini 2.0 Pro فن تعمیر کا ارتقاء ہے، جسے نفیس پوسٹ ٹریننگ طریقوں کے ذریعے نمایاں طور پر بہتر کیا گیا ہے، ممکنہ طور پر پیچیدہ استدلال اور ہدایات پر عمل کرنے کے لیے ٹیون کردہ جدید RL تکنیکوں سمیت۔
پچھلے رول آؤٹس سے ایک اور انحراف ‘Pro’ ماڈل کے ڈیبیو سے پہلے چھوٹے، تیز ‘Flash’ ورژن کی عدم موجودگی ہے۔ یہ مزید تجویز کر سکتا ہے کہ Gemini 2.5 Pro بنیادی طور پر Gemini 2.0 Pro کی بنیاد پر بنایا گیا ہے، لیکن اس نے وسیع اضافی تربیتی مراحل سے گزرا ہے جو خاص طور پر اس کی استدلالی صلاحیت اور مجموعی ذہانت کو بڑھانے پر مرکوز ہیں، بجائے اس کے کہ یہ ایک مکمل طور پر نیا فن تعمیر ہو جس کے لیے شروع سے الگ الگ چھوٹے ورژن کی ضرورت ہو۔
ملین-ٹوکن ایڈوانٹیج: سیاق و سباق میں ایک نیا محاذ
شاید Gemini 2.5 Pro کی سب سے زیادہ سرخی بنانے والی خصوصیت اس کی غیر معمولی ایک ملین ٹوکن کانٹیکسٹ ونڈو ہے۔ یہ خصوصیت ایک اہم پیش رفت کی نمائندگی کرتی ہے اور ماڈل کو ان کاموں کے لیے منفرد طور پر پوزیشن دیتی ہے جن میں وسیع مقدار میں معلومات شامل ہوتی ہیں۔ اس کو تناظر میں رکھنے کے لیے، ایک کانٹیکسٹ ونڈو اس معلومات کی مقدار (متن، کوڈ، ممکنہ طور پر مستقبل میں دیگر موڈیلیٹیز) کی وضاحت کرتی ہے جس پر ماڈل جواب پیدا کرتے وقت بیک وقت غور کر سکتا ہے۔ بہت سے دوسرے سرکردہ استدلالی ماڈلز فی الحال تقریباً 64,000 سے 200,000 ٹوکنز تک کی کانٹیکسٹ ونڈوز کے ساتھ کام کرتے ہیں۔ Gemini 2.5 Pro کی ایک ملین ٹوکنز تک ہینڈل کرنے کی صلاحیت بالکل نئے امکانات کھولتی ہے۔
عملی لحاظ سے اس کا کیا مطلب ہے؟
- دستاویز کا تجزیہ: یہ ممکنہ طور پر سینکڑوں صفحات پر مشتمل متن پر بیک وقت کارروائی اور استدلال کر سکتا ہے۔ تصور کریں کہ اسے پوری کتاب، ایک طویل تحقیقی مقالہ، وسیع قانونی دریافت دستاویزات، یا پیچیدہ تکنیکی دستورالعمل فیڈ کریں اور باریک بینی سے سوالات پوچھیں جن کے لیے پورے کارپس سے معلومات کو ترکیب کرنے کی ضرورت ہوتی ہے۔
- کوڈ بیس کی تفہیم: سافٹ ویئر ڈویلپمنٹ کے لیے، یہ وسیع کانٹیکسٹ ونڈو ماڈل کو ہزاروں یا دسیوں ہزار لائنوں پر مشتمل وسیع کوڈ بیسز کا تجزیہ کرنے، سمجھنے اور یہاں تک کہ ڈیبگ کرنے کی اجازت دے سکتی ہے، ممکنہ طور پر پیچیدہ انحصارات کی نشاندہی کر سکتی ہے یا متعدد فائلوں میں ری فیکٹرنگ کے مواقع تجویز کر سکتی ہے۔
- ملٹی میڈیا تفہیم: اگرچہ بنیادی طور پر متن کے لحاظ سے بات کی جاتی ہے، مستقبل کے تکرار یا ایپلی کیشنز اس صلاحیت کو طویل ویڈیو یا آڈیو فائلوں (ٹرانسکرپٹس یا دیگر ذرائع سے ٹوکنز کے طور پر نمائندگی) کا تجزیہ کرنے کے لیے استعمال کر سکتی ہیں، جس سے گھنٹوں کے مواد پر خلاصے، تجزیہ، یا سوال جواب ممکن ہو سکتے ہیں۔
- مالیاتی تجزیہ: طویل سہ ماہی رپورٹس، پراسپیکٹس، یا مارکیٹ تجزیہ دستاویزات کو مکمل طور پر پروسیس کرنا ممکن ہو جاتا ہے، جس سے گہری بصیرت اور رجحان کی شناخت ممکن ہوتی ہے۔
اتنے بڑے کانٹیکسٹ ونڈوز کو مؤثر طریقے سے ہینڈل کرنا ایک اہم تکنیکی چیلنج ہے، جسے اکثر ‘needle in a haystack’ مسئلہ کہا جاتا ہے – ڈیٹا کے وسیع سمندر میں متعلقہ معلومات تلاش کرنا۔ Google کی اس صلاحیت کو پیش کرنے کی اہلیت ماڈل فن تعمیر اور توجہ کے میکانزم میں کافی ترقی کی تجویز کرتی ہے، جس سے Gemini 2.5 Pro فراہم کردہ سیاق و سباق کو مؤثر طریقے سے استعمال کر سکتا ہے بغیر کارکردگی کے ممنوعہ طور پر گرنے یا ان پٹ میں گہرائی میں دفن اہم تفصیلات سے باخبر رہنے کے۔ یہ طویل سیاق و سباق کی صلاحیت Google کی طرف سے ایک اہم شعبے کے طور پر نمایاں کی گئی ہے جہاں Gemini 2.5 Pro خاص طور پر بہترین کارکردگی کا مظاہرہ کرتا ہے۔
طاقت کا اندازہ: کارکردگی کے بینچ مارکس اور آزادانہ توثیق
صلاحیت کے دعووں کو ثابت کرنے کی ضرورت ہے، اور Google نے بینچ مارک ڈیٹا فراہم کیا ہے جو Gemini 2.5 Pro کو دیگر جدید ترین ماڈلز کے مقابلے میں مسابقتی طور پر پوزیشن دیتا ہے۔ بینچ مارکس مختلف علمی ڈومینز میں معیاری ٹیسٹ فراہم کرتے ہیں:
- استدلال اور عمومی علم: کارکردگی کا حوالہ Humanity’s Last Exam (HHEM) جیسے بینچ مارکس پر دیا گیا ہے، جو متنوع مضامین میں وسیع تفہیم اور استدلال کی جانچ کرتا ہے۔
- سائنس استدلال: GPQA بینچ مارک خاص طور پر گریجویٹ سطح کی سائنسی استدلالی صلاحیتوں کو نشانہ بناتا ہے۔
- ریاضی: AIME (American Invitational Mathematics Examination) کے مسائل پر کارکردگی ریاضی کے مسائل حل کرنے کی مہارت کی نشاندہی کرتی ہے۔
- ملٹی موڈل مسئلہ حل کرنا: MMMU (Massive Multi-discipline Multimodal Understanding) بینچ مارک مختلف ڈیٹا اقسام، جیسے متن اور تصاویر، میں استدلال کرنے کی صلاحیت کی جانچ کرتا ہے۔
- کوڈنگ: مہارت کی پیمائش SWE-Bench (Software Engineering Benchmark) اور Aider Polyglot جیسے بینچ مارکس کا استعمال کرتے ہوئے کی جاتی ہے، جو مختلف پروگرامنگ زبانوں میں کوڈ کو سمجھنے، لکھنے اور ڈیبگ کرنے کی ماڈل کی صلاحیت کا اندازہ لگاتے ہیں۔
Google کے داخلی تجربات کے مطابق، Gemini 2.5 Pro ان میں سے بہت سے معیاری جائزوں پر دیگر سرکردہ ماڈلز کے ساتھ یا ان کے قریب ترین کارکردگی کا مظاہرہ کرتا ہے، جو اس کی استعداد کو ظاہر کرتا ہے۔ اہم بات یہ ہے کہ Google خاص طور پر طویل سیاق و سباق کے استدلالی کاموں میں اعلیٰ کارکردگی پر زور دیتا ہے، جیسا کہ MRCR (Multi-document Reading Comprehension) جیسے بینچ مارکس سے ماپا جاتا ہے، جو براہ راست اس کے ایک ملین ٹوکن ایڈوانٹیج کا فائدہ اٹھاتا ہے۔
اندرونی جانچ کے علاوہ، Gemini 2.5 Pro نے آزاد جائزہ نگاروں اور پلیٹ فارمز سے بھی مثبت توجہ حاصل کی ہے:
- LMArena: یہ پلیٹ فارم اندھے موازنے کرتا ہے جہاں صارف ایک ہی پرامپٹ کے لیے مختلف گمنام ماڈلز کے جوابات کا جائزہ لیتے ہیں۔ Gemini 2.5 Pro مبینہ طور پر سرفہرست مقام حاصل کر چکا ہے، جو حقیقی دنیا، موضوعی صارف ترجیحی ٹیسٹوں میں مضبوط کارکردگی کی نشاندہی کرتا ہے۔
- Scale AI’s SEAL Leaderboard: یہ لیڈر بورڈ مختلف بینچ مارکس پر آزادانہ جائزے فراہم کرتا ہے، اور Gemini 2.5 Pro نے مبینہ طور پر اعلی اسکور حاصل کیے ہیں، جو تیسرے فریق کی تشخیص کے ذریعے اس کی صلاحیتوں کی مزید توثیق کرتا ہے۔
قائم شدہ بینچ مارکس پر مضبوط کارکردگی کا یہ امتزاج، خاص طور پر طویل سیاق و سباق کے کاموں میں اس کی قیادت، اور آزادانہ جائزوں سے مثبت اشارے، ایک انتہائی قابل اور ہمہ جہت AI ماڈل کی تصویر پیش کرتے ہیں۔
عملی تجربہ: رسائی اور دستیابی
Google بتدریج Gemini 2.5 Pro کو متعارف کرا رہا ہے۔ فی الحال، یہ Google AI Studio کے ذریعے preview mode میں دستیاب ہے۔ یہ ڈویلپرز اور شوقین افراد کو ماڈل کے ساتھ تجربہ کرنے کا موقع فراہم کرتا ہے، اگرچہ استعمال کی حدود کے ساتھ، عام طور پر مفت۔
سب سے جدید صلاحیتوں کے خواہاں صارفین کے لیے، Gemini 2.5 Pro کو Gemini Advanced سبسکرپشن ٹائر میں بھی ضم کیا جا رہا ہے۔ یہ بامعاوضہ سروس (فی الحال تقریباً $20 ماہانہ) Google کے اعلیٰ ماڈلز اور خصوصیات تک ترجیحی رسائی فراہم کرتی ہے۔
مزید برآں، Google اپنے Vertex AI پلیٹ فارم کے ذریعے Gemini 2.5 Pro کو دستیاب کرنے کا ارادہ رکھتا ہے۔ یہ ان انٹرپرائز صارفین اور ڈویلپرز کے لیے اہم ہے جو ماڈل کی طاقت کو اپنی ایپلی کیشنز اور ورک فلوز میں بڑے پیمانے پر ضم کرنا چاہتے ہیں، Google Cloud کے انفراسٹرکچر اور MLOps ٹولز کا فائدہ اٹھاتے ہوئے۔ Vertex AI پر دستیابی Google کے اس ارادے کا اشارہ دیتی ہے کہ Gemini 2.5 Pro کو نہ صرف صارف پر مبنی خصوصیت کے طور پر بلکہ اس کی انٹرپرائز AI پیشکشوں کے بنیادی جزو کے طور پر پوزیشن دی جائے۔
بڑی تصویر: Google کی اسٹریٹجک کیلکولس میں Gemini 2.5 Pro
Gemini 2.5 Pro کا لانچ، Google کے دیگر حالیہ AI اقدامات کے ساتھ، AI منظر نامے میں کمپنی کی پوزیشن کا از سر نو جائزہ لینے پر اکساتا ہے۔ ان لوگوں کے لیے جنہوں نے سوچا تھا کہ Google نے OpenAI اور Anthropic کو غالب زمین سونپ دی ہے، یہ پیشرفت Google کی AI میں گہری جڑوں اور وسائل کی ایک طاقتور یاد دہانی کے طور پر کام کرتی ہے۔ یہ یاد رکھنے کے قابل ہے کہ Transformer architecture، جدید LLMs جیسے GPT اور خود Gemini کی بنیاد، Google میں تحقیق سے شروع ہوئی تھی۔ مزید برآں، Google DeepMind دنیا میں AI ریسرچ ٹیلنٹ اور انجینئرنگ مہارت کے سب سے زیادہ قابل ذکر مراکز میں سے ایک ہے۔ Gemini 2.5 Pro ظاہر کرتا ہے کہ Google نے نہ صرف رفتار برقرار رکھی ہے بلکہ وہ جدید ترین AI کی حدود کو فعال طور پر آگے بڑھا رہا ہے۔
تاہم، جدید ترین ٹیکنالوجی کا مالک ہونا مساوات کا صرف ایک حصہ ہے۔ بڑا، زیادہ پیچیدہ سوال Google کی مجموعی AI حکمت عملی کے گرد گھومتا ہے۔ سطح پر، Gemini ایپ فعال طور پر OpenAI کے ChatGPT سے ملتی جلتی نظر آتی ہے۔ اگرچہ ایپ خود ایک پالش شدہ صارف کا تجربہ اور مفید خصوصیات پیش کرتی ہے، ChatGPT سے براہ راست مقابلہ کرنا چیلنجز پیش کرتا ہے۔ OpenAI کو اہم برانڈ پہچان اور ایک بہت بڑا، قائم شدہ صارف بیس حاصل ہے جو مبینہ طور پر ہفتہ وار لاکھوں فعال صارفین پر مشتمل ہے۔ مزید برآں، ایک اسٹینڈ اسٹون AI چیٹ ایپلیکیشن ممکنہ طور پر Google کی بنیادی آمدنی کے سلسلے: Search اشتہارات کو نقصان پہنچاتی ہے۔ اگر صارف روایتی تلاش کے بجائے جوابات کے لیے تیزی سے بات چیت کرنے والی AI کی طرف رجوع کرتے ہیں، تو یہ Google کے طویل عرصے سے قائم کاروباری ماڈل میں خلل ڈال سکتا ہے۔ جب تک Google ایک ایسا تجربہ پیش نہیں کر سکتا جو حریفوں سے کئی گنا بہتر ہو اور ممکنہ طور پر مارکیٹ شیئر حاصل کرنے کے لیے اسے بھاری سبسڈی دے، چیٹ انٹرفیس کے میدان میں OpenAI سے براہ راست مقابلہ کرنا ایک مشکل جنگ لگتا ہے۔
Google کے لیے زیادہ مجبور اسٹریٹجک موقع ممکنہ طور پر انضمام میں ہے۔ یہ وہ جگہ ہے جہاں Google کا ایکو سسٹم ممکنہ طور پر ناقابل تسخیر فائدہ فراہم کرتا ہے۔ تصور کریں کہ Gemini 2.5 Pro، اپنی وسیع کانٹیکسٹ ونڈو کے ساتھ، گہرائی سے بُنا ہوا ہے:
- Google Workspace: Gmail میں طویل ای میل تھریڈز کا خلاصہ کرنا، Sheets میں ڈیٹا سے رپورٹس تیار کرنا، متعلقہ فائلوں کے مکمل سیاق و سباق کے ساتھ Docs میں دستاویزات کا مسودہ تیار کرنا، میٹنگ ٹرانسکرپٹ تجزیہ میں مدد کرنا۔
- Google Search: سادہ جوابات سے آگے بڑھ کر گہرائی سے ترکیب شدہ، ذاتی نوعیت کے نتائج فراہم کرنا جو متعدد ذرائع سے حاصل کیے گئے ہیں، شاید انتہائی متعلقہ جوابات کے لیے صارف کا ڈیٹا (اجازت کے ساتھ) بھی شامل کرنا۔
- Android: ایک حقیقی معنوں میں سیاق و سباق سے آگاہ موبائل اسسٹنٹ بنانا جو مختلف ایپس میں صارف کی سرگرمیوں کو سمجھنے کے قابل ہو۔
- دیگر Google پروڈکٹس: Maps, Photos, YouTube، اور مزید میں صلاحیتوں کو بڑھانا۔
اپنی خدمات سے متعلقہ ڈیٹا پوائنٹس کو Gemini 2.5 Pro کی وسیع کانٹیکسٹ ونڈو میں فیڈ کرنے کی صلاحیت کے ساتھ، Google پیداواریت اور معلومات تک رسائی کی نئی تعریف کر سکتا ہے، AI انضمام میں غیر متنازعہ رہنما بن سکتا ہے۔
مزید برآں، Google کے مضبوط ڈویلپر ٹولز اور انفراسٹرکچر ایک اور اہم اسٹریٹجک ویکٹر پیش کرتے ہیں۔ صارف دوست AI Studio جیسے پلیٹ فارمز ڈویلپرز کو LLMs پر تجربہ کرنے اور تعمیر کرنے کے لیے ایک ہموار آن ریمپ فراہم کرتے ہیں۔ Vertex AI تعیناتی اور انتظام کے لیے انٹرپرائز گریڈ ٹولز پیش کرتا ہے۔ Gemini 2.5 Pro جیسے طاقتور ماڈلز کو قابل رسائی اور ضم کرنے میں آسان بنا کر، Google خود کو AI سے چلنے والی ایپلی کیشنز کی اگلی نسل بنانے والے ڈویلپرز کے لیے ترجیحی پلیٹ فارم کے طور پر پوزیشن دے سکتا ہے۔ قیمتوں کا تعین کرنے کی حکمت عملی یہاں اہم ہوگی۔ اگرچہ Gemini 2.0 Flash نے پہلے ہی مسابقتی API قیمتوں کی پیشکش کی تھی، زیادہ طاقتور Gemini 2.5 Pro کے لیے لاگت کا ڈھانچہ GPT-4 ویریئنٹس اور Anthropic کے Claude ماڈلز جیسے حریفوں کے مقابلے میں اس کی کشش کا تعین کرے گا تاکہ ڈویلپرز اور کاروباروں کے درمیان بڑے استدلالی ماڈلز (LRMs) کی ابھرتی ہوئی مارکیٹ پر قبضہ کیا جا سکے۔ Google ایک کثیر جہتی کھیل کھیلتا دکھائی دیتا ہے، اپنی تکنیکی صلاحیت، وسیع ایکو سسٹم، اور ڈویلپر تعلقات کا فائدہ اٹھاتے ہوئے ابھرتے ہوئے AI انقلاب میں ایک غالب کردار ادا کرنے کے لیے۔