गूगल ने लॉन्च किया नया जेमिनी 3.8 फ्लैश, कोडिंग में अब तक सबसे तेज

Google ने बेहतर रीज़निंग और कोडिंग क्षमताओं के साथ Gemini 3.8 Flash लॉन्च किया

Google ने Gemini 3.8 Flash और Gemini 3.8 Flash Cyber रिलीज़ किया है, जो कंपनी के नवीनतम आर्टिफिशियल इंटेलिजेंस मॉडल हैं। कंपनी का कहना है कि ये अगली पीढ़ी की इंटेलिजेंस देते हैं जो एजेंटिक वर्कफ़्लो और साइबर सिक्योरिटी एप्लीकेशन के लिए बनाए गए हैं। यह लॉन्च सिर्फ छह हफ्ते में तीसरी Flash रिलीज़ है, तीन हफ्ते पहले आए Gemini 3.7 Flash मॉडल के बाद।

बेहतर रीज़निंग और कोडिंग क्षमताएं

Gemini 3.8 Google का अब तक का सबसे बेहतर रीज़निंग और कोडिंग मॉडल है, जो अपने पुराने वर्ज़न 3.7 जितनी ही स्पीड और कम कीमत पर मिलता है। नई रिलीज़ में दो वैरिएंट हैं जो अलग-अलग डिप्लॉयमेंट एनवायरमेंट के लिए तैयार किए गए हैं, हालांकि दोनों एक ही फाउंडेशनल इंटेलिजेंस से चलते हैं। इन मॉडल्स को लॉन्ग-रनिंग एजेंटिक लूप्स से और तेज़ किया गया है जो टेक्नोलॉजी को बार-बार जांचने और बेहतर बनाने के लिए डिज़ाइन किए गए हैं।

इस साझा कोर में कोडिंग और रीज़निंग में बड़ा सुधार कई नई चीज़ों से आया है, जिसमें साइबर सिक्योरिटी जैसे मुश्किल डोमेन में सख्त ट्रेनिंग शामिल है। Google के मुताबिक, 3.8 Flash, 3.7 Flash के मुकाबले काफी बेहतर है और अक्सर महंगे फ्रंटियर मॉडल्स की परफॉर्मेंस के करीब पहुंच जाता है।

DeepSWE v1.1 पर, जो लॉन्ग-हॉरिजन सॉफ्टवेयर इंजीनियरिंग के लिए एक बेंचमार्क है, 3.8 Flash ज्यादातर बड़े फ्रंटियर मॉडल्स से बेहतर है और जटिल इंजीनियरिंग प्रॉब्लम्स को शुरू से आखिर तक खुद ही हल कर लेता है, वो भी सिर्फ एक छोटी सी कीमत पर। मॉडल में वो भरोसेमंदता भी है जो खास नॉलेज डोमेन में अहम एंटरप्राइज़ ऑटोनॉमी के लिए ज़रूरी है।

प्रोफेशनल फील्ड्स में परफॉर्मेंस

क्वांटिटेटिव और प्रोफेशनल फील्ड्स में जहां एडवांस एनालिसिस और रिपोर्टिंग चाहिए, 3.8 Flash, 3.7 Flash और दूसरे फ्रंटियर मॉडल्स दोनों से बेहतर है। इसमें Vals Finance Agent V2 और Harvey's Legal Agent Benchmark जैसे बेंचमार्क शामिल हैं। मॉडल HLE-Verified पर 54.9 फीसदी स्कोर हासिल करता है, जो STEM, ह्यूमैनिटीज़ और प्रोफेशनल फील्ड्स में मल्टी-स्टेप रीज़निंग संभालने की इसकी क्षमता दिखाता है।

परफॉर्मेंस में यह बढ़ोतरी एक मुख्य डिज़ाइन चॉइस से आती है: 3.8 Flash ज्यादा मेहनत करता है। जटिल टास्क पर यह ज्यादा मेहनत दिखाता है, एक्स्ट्रा रीज़निंग स्टेप लेता है और टूल्स को बार-बार कॉल करता है। कई बार मॉडल परफॉर्मेंस को मैक्सिमाइज़ करने के लिए ज्यादा टोकन इस्तेमाल कर सकता है, खासकर हाई एफर्ट लेवल पर। जिन एप्लीकेशन में कंप्यूट एफिशिएंसी मुख्य बाधा है, वहां डेवलपर्स टोकन ओवरहेड कम करने के लिए लोअर एफर्ट लेवल का इस्तेमाल कर सकते हैं या Gemini 3.7 Flash पर भरोसा करना जारी रख सकते हैं, जो एफिशिएंसी-फर्स्ट वर्कलोड के लिए पूरी तरह सपोर्टेड है।

साइबर सिक्योरिटी में बड़ी कामयाबी

Gemini 3.8 Flash Cyber, जो Fairwind Program के ज़रिए भरोसेमंद डिफेंडर्स के एक सेट को उपलब्ध है, वो देता है जिसे Google आज के जटिल साइबर सिक्योरिटी परिदृश्य में निर्णायक फायदा बताता है, Flash स्पीड और कीमत के साथ जो जल्दी इटरेशन को मुमकिन बनाती है। CyberGym पर, जो कमजोरियां ढूंढने के लिए स्टैंडर्ड इंडस्ट्री बेंचमार्क है, Gemini 3.8 Flash Cyber ऑटोनॉमस वल्नरेबिलिटी डिस्कवरी में फ्रंटियर-लेवल परफॉर्मेंस दिखाता है, 3.5 Flash Cyber और काफी बड़े फ्रंटियर मॉडल्स दोनों से आगे निकल जाता है।

CyberGym में C/C++ कोडबेस जैसी चीज़ों से परे असल दुनिया की डिफेंसिव ज़रूरतों को बेहतर तरीके से पकड़ने के लिए, Google ने Gemini 3.8 Flash Cyber का एक व्यापक इंटर्नल बेंचमार्क के खिलाफ मूल्यांकन किया जिसमें मॉडल को 20 प्रोग्रामिंग लैंग्वेजेस में फैले जटिल कोडबेस में कई तरह की कमजोरियां ढूंढनी होती हैं। मॉडल पुराने मॉडल्स के मुकाबले शानदार छलांग दिखाता है और 70 फीसदी से ज्यादा की सफलता दर हासिल करता है।

Gemini 3.8 Flash Cyber के साथ, Google ने खासतौर पर डिफेंडर्स को एक्सपर्ट क्षमताएं देने पर फोकस किया जो उन्हें अटैकर्स पर फायदा दें, शुरू से ही वल्नरेबिलिटी फिक्सिंग में निवेश किया और एक्सप्लॉइटेशन जैसी ऑफेंसिव क्षमताओं से ज्यादा इसे प्राथमिकता दी। CWE-Bench पर, जो Collinear द्वारा चलाया जाने वाला पैचिंग क्षमताओं के लिए एक चैलेंजिंग एक्सटर्नल बेंचमार्क है, Gemini 3.8 Flash Cyber पैरेटो फ्रंटियर पर है: 47.2 फीसदी का pass@1 है जबकि एक अग्रणी फ्रंटियर मॉडल का 47.8 फीसदी है, फिर भी काफी कम कीमत पर मिलता है।

Google पहले से ही अपने खुद के ऑपरेशन में कोड को सुरक्षित रखने के लिए Gemini 3.8 Flash Cyber का इस्तेमाल कर रहा है। 3.8 Flash, Chemical, Biological, Radiological, और Nuclear (CBRN) और साइबर ऑफेंस के डोमेन में दुरुपयोग के खिलाफ सुरक्षा के साथ आता है, जबकि फायदेमंद यूज़ केसेस को मुमकिन बनाता है, Google के Frontier Safety Framework के मुताबिक। 3.8 Flash Cyber साइबर सिक्योरिटी के लिए ज्यादा परमिसिव मिटिगेशन सेट के साथ आता है, और इसलिए यह सिर्फ भरोसेमंद डिफेंडर्स के लिए उपलब्ध है जिन्हें साइबर क्षमताओं का ज्यादा व्यापक सेट चाहिए।

Gemini 3.8 मॉडल्स ने Gray Swan द्वारा मापी गई प्रॉम्प्ट इंजेक्शन रोबस्टनेस में भी बड़ी छलांग लगाई है, जो Gemini मॉडल यूज़र्स को प्रॉम्प्ट-इंजेक्शन से जुड़े खतरनाक हमलों से बचाता है।