این مدل‌ها که شامل Gemini ۳.۶ Flash، Gemini ۳.۵ Flash Light و Gemini ۳.۵/Cyber می‌شوند، هر یک برای رفع نیازهای تخصصی طراحی شده‌اند؛ از تحلیل داده‌های پیچیده مالی گرفته تا تقویت امنیت سایبری.
بارزترین ویژگی Gemini ۳.۶ Flash، کاهش چشمگیر ۱۷ درصدی مصرف توکن در مقایسه با مدل Gemini ۳.۵ Flash است. این پیشرفت نه تنها باعث صرفه‌جویی در منابع پردازشی می‌شود، بلکه هزینه‌های عملیاتی را نیز به میزان قابل توجهی پایین می‌آورد و کارایی را در پردازش‌های سنگین به اوج می‌رساند. گوگل توضیح داده که این مدل برای وظایفی مانند مهاجرت کد، تحلیل داده‌های اقتصادی و پردازش‌های چندوجهی (Multimodal) بهینه شده است. به همین دلیل، Gemini ۳.۶ Flash گزینه‌ای ایده‌آل برای سازمان‌هایی است که به دنبال تعادل میان قدرت پردازش بالا و کاهش هزینه‌های جاری هستند.
Gemini ۳.۵ Flash Light؛ تعادل سرعت و هزینه
در کنار مدل اصلی، گوگل از Gemini ۳.۵ Flash Light نیز رونمایی کرده است. این مدل با هدف ایجاد تعادل مناسب بین سرعت، کیفیت و هزینه‌های اجرایی توسعه یافته و برای استفاده در کارهای روزمره سازمانی، مانند پردازش اسناد حجیم، گردش‌کارهای مبتنی بر عامل‌های هوش مصنوعی (Agentic Workflows) و سیستم‌هایی با حجم پردازش بالا، ایده‌آل است. به گفته شرکت سازنده، Gemini ۳.۵ Flash Light قابلیت مدیریت حجم گسترده‌ای از داده‌ها و انجام جست‌وجوهای پیچیده را با عملکردی پایدار و قابل اعتماد دارد و در عین حال به کاهش هزینه‌های عملیاتی کمک می‌کند.
Gemini ۳.۵/Cyber؛ سپر امنیتی در دنیای دیجیتال
گوگل همچنین مدل Gemini ۳.۵/Cyber را معرفی کرده که به طور خاص برای مقابله با تهدیدات حوزه امنیت سایبری طراحی شده است. این مدل با تکیه بر قابلیت‌های پیشرفته هوش مصنوعی خود، امکان شناسایی آسیب‌پذیری‌ها، کاهش خطرات امنیتی، محافظت از اطلاعات حساس و ارتقای امنیت زیرساخت‌های دیجیتال را فراهم می‌آورد. گوگل تاکید کرده که این مدل پاسخی به پیچیدگی‌های فزاینده و روزافزون تهدیدات سایبری است.
کاهش مصرف توکن؛ رمز مشترک نسل نوین Gemini
گوگل اعلام کرده که یکی از اهداف محوری در توسعه تمامی مدل‌های جدید Gemini، بهینه‌سازی مصرف توکن بوده است. این بهینه‌سازی سبب می‌شود تا مدل‌ها با منابع پردازشی کمتر، خروجی‌های هوشمندانه‌تری ارائه دهند و در نتیجه، هزینه‌های اجرای پروژه‌های مبتنی بر هوش مصنوعی به شکل قابل توجهی کاهش یابد. این ویژگی در توسعه گردش‌کارهای مبتنی بر عامل‌های هوش مصنوعی، ساخت نرم‌افزارهای چندوجهی و پروژه‌های بزرگ مقیاس، اهمیت حیاتی دارد.
Gemini ۴ در افق دید
در پایان، گوگل خبر از ادامه روند توسعه Gemini ۴ داد. این مدل آتی قرار است با بهره‌گیری از رویکردهای پیشرفته‌تر در پیش‌آموزش (Pre-training) و افزایش مقیاس‌پذیری، هوش مصنوعی را به سطحی بی‌سابقه ارتقا دهد. به گفته گوگل، نسل بعدی Gemini برای کاربرد در حوزه‌هایی نظیر رباتیک، توسعه نرم‌افزارهای چندوجهی، اکوسیستم عامل‌های هوش مصنوعی، سیستم‌های با تأخیر کم، تحلیل داده‌های مالی و امنیت سایبری طراحی خواهد شد و پتانسیل گسترش کاربردهای هوش مصنوعی را در صنایع گوناگون بیش از پیش خواهد داشت.
