گوگل جمنای در فاصله کوتاهی از یک تجربه گفت‌وگومحور هوش مصنوعی به لایه‌ای هوشمند در سراسر اکوسیستم گوگل تبدیل شده است؛ سیستمی که اکنون جست‌وجو، ابزارهای بهره‌وری، دستگاه‌های اندرویدی و جریان‌های کاری روزمره کاربران را به یکدیگر متصل می‌کند.

به گزارش توسعه برند؛ جمنای گوگل از اواخر سال ۲۰۲۵ تحولی سریع را پشت سر گذاشته است. این سرویس که ابتدا بیشتر به‌عنوان یک ابزار گفت‌وگومحور هوش مصنوعی شناخته می‌شد، اکنون در حال تبدیل شدن به لایه‌ای هوشمند در محصولات و خدمات مختلف گوگل است.

سرعت انتشار به‌روزرسانی‌های Gemini قابل توجه بوده، اما آنچه اهمیت بیشتری دارد، اثر تجمعی این تغییرات است. جمنای امروز کمتر شبیه یک چت‌بات مستقل و بیشتر شبیه لایه‌ای از هوش مصنوعی عمل می‌کند که جست‌وجو، ابزارهای بهره‌وری و تجربه‌های موبایلی را به هم متصل می‌سازد.

این تغییر را می‌توان در سراسر اکوسیستم گوگل مشاهده کرد. جمنای اکنون می‌تواند مستقیماً در محیط خود وظایفی مانند تولید سند، ساخت ارائه، پشتیبانی از جلسه‌ها و مدیریت جریان‌های کاری را انجام دهد؛ قابلیتی که در پی به‌روزرسانی‌های جدید و ادغام عمیق‌تر با ابزارهای Workspace توسعه یافته است.

یکی از به‌روزرسانی‌های اخیر، این تغییر را در سطحی کاربردی نشان می‌دهد. Gemini اکنون از مکالمه‌های ادامه‌دار و طبیعی‌تر پشتیبانی می‌کند و می‌تواند در طول چندین پیام، زمینه گفت‌وگو را حفظ کند؛ بنابراین کاربر مجبور نیست اطلاعات قبلی را بارها تکرار کند. این قابلیت بر پایه تلاش‌های قبلی گوگل برای ایجاد حافظه و آگاهی میان‌برنامه‌ای، به‌ویژه در Google Workspace، شکل گرفته است؛ جایی که Gemini می‌تواند تعاملات گذشته را بازیابی و برای انجام وظایف جاری از آن‌ها استفاده کند.

گوگل همچنین شیوه تعامل کاربران با Gemini را در دستگاه‌های مختلف بازطراحی کرده است. بهبود تجربه‌های صوتی و رابط کاربری باعث شده گفت‌وگوها روان‌تر و کمتر شبیه تعاملات دستوری باشند. این تغییر در محیط‌هایی مانند خانه هوشمند و تلفن همراه اهمیت بیشتری دارد؛ زیرا در چنین محیط‌هایی، سرعت و طبیعی‌بودن تعامل نقش مهمی ایفا می‌کند.

حفظ پیوستگی میان گفت‌وگوها، شیوه استفاده از Gemini را تغییر می‌دهد. کاربران دیگر فقط فرمان‌های جداگانه صادر نمی‌کنند، بلکه می‌توانند ایده‌های خود را توسعه دهند، خروجی‌ها را اصلاح کنند و وظایف را بدون گسست ادامه دهند.

این قابلیت‌ها بر تغییرات عمیق‌تری بنا شده‌اند که از پایان سال ۲۰۲۵ به‌تدریج در حال انتشار بوده‌اند. مدل‌های جدیدتر Gemini استدلال قوی‌تر، قابلیت‌های چندوجهی گسترده‌تر و ادغام عمیق‌تری با Search و Android ارائه می‌کنند.

تازه‌ترین تغییرات Google Gemini در اوت ۲۰۲۶

گوگل طی چند ماه گذشته Gemini را فراتر از بهبودهای تدریجی توسعه داده و تمرکز خود را بر نحوه استفاده از این سیستم در جریان‌های کاری واقعی قرار داده است. این تغییرات حوزه‌هایی مانند بهره‌وری، شخصی‌سازی و هوش مصنوعی روی دستگاه را دربر می‌گیرد و تصویر روشن‌تری از مسیر تکامل عملی Gemini ارائه می‌دهد.

یکی از تغییرات قابل مشاهده، تبدیل Gemini به ابزاری برای مدیریت بهره‌وری است. گوگل قابلیت‌هایی را معرفی کرده که به کاربران اجازه می‌دهد کارهای خود را بهتر سازمان‌دهی کنند. از جمله این قابلیت‌ها می‌توان به ساخت پروژه‌های اختصاصی برای دسته‌بندی مکالمات و دسترسی به جریان‌های کاری شبیه دفترچه یادداشت در نسخه وب، بدون نیاز به اشتراک، اشاره کرد.

این رویکرد بخشی از تلاش گسترده‌تر گوگل برای تبدیل Gemini به ابزاری مناسب برای وظایف طولانی‌مدت است؛ به‌ویژه در شرایطی که کاربران با مکالمات طولانی، ورودی‌های پیچیده و پروژه‌های چندمرحله‌ای سروکار دارند.

هم‌زمان، گوگل در حال ارائه روش‌هایی برای سازگارتر کردن Gemini با نیازهای فردی کاربران است. قابلیت‌هایی مانند «مهارت‌های قابل استفاده مجدد» در Chrome به کاربران اجازه می‌دهد دستورهای مشخص خود را ذخیره و دوباره استفاده کنند. در حوزه تولید تصویر نیز قابلیت‌های جدید به Gemini امکان می‌دهند با استفاده از کتابخانه عکس کاربر، خروجی‌هایی نزدیک‌تر به سلیقه شخصی او تولید کنند.

این تغییرات نشان می‌دهند Gemini دیگر فقط به درخواست‌های کاربر پاسخ نمی‌دهد، بلکه به‌تدریج تحت تأثیر شیوه استفاده، ترجیحات و الگوهای کاری هر فرد شکل می‌گیرد.

از ماه آوریل، گوگل مدل‌های جدید و قابلیت‌های عامل‌محور بیشتری نیز معرفی کرده است. Gemini ۳.۵ Flash در ماه مه عرضه شد و پس از آن Gemini ۳.۶ Flash در ژوئیه در دسترس قرار گرفت. Gemini Omni نیز قابلیت تولید و ویرایش ویدئو به‌صورت گفت‌وگومحور را به اپلیکیشن Gemini اضافه کرده است.

گوگل همچنین Gemini Spark را معرفی کرده است؛ قابلیتی اولیه برای یک عامل شخصی که می‌تواند در پس‌زمینه کار کند. Daily Brief نیز با استفاده از اطلاعات متصل به Gmail، Calendar و Tasks، به سازمان‌دهی برنامه روزانه کاربر کمک می‌کند. البته دسترسی به این قابلیت‌ها به نوع اشتراک، منطقه جغرافیایی و وضعیت عرضه عمومی بستگی دارد.

بخشی از مهم‌ترین تغییرات در سطح سیستم‌عامل و سخت‌افزار رخ می‌دهد. گوگل همچنان در حال گسترش مدل‌های Nano برای اجرای Gemini روی دستگاه‌هاست. قابلیت Gemini Intelligence نیز ویژگی‌های پیش‌دستانه بیشتری را به اندروید اضافه می‌کند.

این قابلیت ابتدا به‌صورت مرحله‌ای روی مدل‌های جدیدتر گوشی‌های Samsung Galaxy و Google Pixel عرضه می‌شود و قرار است در ادامه سال ۲۰۲۶ به ساعت‌های هوشمند، خودروها، عینک‌ها و لپ‌تاپ‌ها نیز راه پیدا کند.

در کنار این موارد، بازطراحی رابط Gemini Live تعامل لحظه‌ای با سیستم را، به‌ویژه روی تلفن همراه، آسان‌تر کرده است. این تغییرات نشان می‌دهند تمرکز گوگل فقط بر این نیست که Gemini «چه کاری» می‌تواند انجام دهد، بلکه این پرسش نیز اهمیت دارد که این قابلیت‌ها «کجا و چگونه» مورد استفاده قرار می‌گیرند.

گوگل همچنین در حال بررسی کاربردهای حساس‌تری مانند پشتیبانی از سلامت روان است. این قابلیت‌ها هنوز در مراحل ابتدایی قرار دارند و به‌عنوان ابزارهای کمکی، نه جایگزین راهکارهای تخصصی، معرفی شده‌اند. این رویکرد با الگوی کلی گوگل در عرضه محتاطانه قابلیت‌های Gemini در حوزه‌هایی که به اعتماد بیشتری نیاز دارند، هماهنگ است.

Google Gemini چیست؟

گوگل جمنای، پلتفرم هوش مصنوعی مولد گوگل است که بر پایه خانواده‌ای از مدل‌ها ساخته شده و می‌تواند متن، تصویر، صدا، ویدئو و کد را در یک سیستم واحد پردازش و تولید کند.

در هسته Gemini، یک مدل هوش مصنوعی چندوجهی قرار دارد. چندوجهی بودن یعنی سیستم می‌تواند انواع مختلف ورودی مانند پرسش متنی، تصویر یا صدا را هم‌زمان تفسیر کند، نه اینکه هرکدام را به‌صورت جداگانه بررسی کند. این قابلیت باعث می‌شود Gemini درک دقیق‌تری از زمینه داشته باشد و در موقعیت‌های پیچیده، پاسخ‌هایی مرتبط‌تر و ساختاریافته‌تر ارائه دهد.

Gemini همچنین نشان‌دهنده تغییر رویکرد گوگل نسبت به محصولات هوش مصنوعی است. ابزارهای قدیمی‌تری مانند Google Assistant بر فرمان‌ها و اقدامات از پیش تعریف‌شده متکی بودند، درحالی‌که Gemini برای پاسخ‌گویی به پرسش‌های باز، تولید محتوا و پشتیبانی از وظایف چندمرحله‌ای طراحی شده است.

در این مدل، سیستم فقط به درخواست پاسخ نمی‌دهد، بلکه تلاش می‌کند منظور کاربر را درک کند و پاسخی بسازد که در طول تعامل قابل اصلاح و تکمیل باشد.

پلتفرم Gemini بخشی از پروژه‌های قبلی هوش مصنوعی گوگل را نیز در خود ادغام کرده است. Bard با برند Gemini جایگزین شد و Duet AI نیز به بخشی از ادغام Gemini با Workspace تبدیل شد. امروزه Gemini هم به مدل زیربنایی هوش مصنوعی و هم به دستیار قابل استفاده برای کاربران اشاره دارد؛ دستیار و مدلی که از طریق مرورگر، دستگاه‌های موبایل و محصولات مختلف گوگل در دسترس است.

مدل‌های جدیدتر Gemini قابلیت‌های این سیستم را گسترش داده‌اند. نسخه‌های تازه در استدلال ساختاریافته عملکرد بهتری دارند و می‌توانند پرسش‌های پیچیده‌تر را پردازش کنند و پاسخ‌هایی دقیق‌تر و هدفمندتر ارائه دهند. این پیشرفت در تحلیل، پژوهش و حل مسئله‌های چندمرحله‌ای بیشتر دیده می‌شود.

تفاوت Gemini با Google Assistant چیست؟

Google Assistant و Google Gemini بر پایه دو رویکرد متفاوت به هوش مصنوعی ساخته شده‌اند و همین تفاوت، شیوه استفاده از آن‌ها را تعیین می‌کند.

Google Assistant یک دستیار صوتی وظیفه‌محور بود. این ابزار برای اجرای فرمان‌های مشخص و انجام اقداماتی مانند تنظیم یادآور، کنترل دستگاه‌های خانه هوشمند یا پاسخ‌گویی به پرسش‌های ساده طراحی شده بود. پاسخ‌های Assistant معمولاً به محرک‌ها و فرمان‌های تعریف‌شده وابسته بودند. همین موضوع باعث می‌شد برای وظایف روزمره سریع و قابل اعتماد باشد، اما در پردازش درخواست‌های باز و پیچیده محدودیت داشته باشد.

Gemini در مقابل، بر مدل‌های زبانی بزرگ و تولید پویا استوار است. این سیستم به‌جای تکیه بر فرمان‌های ثابت، می‌تواند منظور کاربر را تفسیر کند، انواع ورودی را پردازش کند و پاسخی انعطاف‌پذیر ارائه دهد.

به همین دلیل Gemini می‌تواند وظایفی مانند نگارش، خلاصه‌سازی، تحلیل اطلاعات و پشتیبانی از جریان‌های کاری چندمرحله‌ای را انجام دهد.

تفاوت اصلی میان این دو سیستم در نحوه مدیریت زمینه آشکار می‌شود. Assistant معمولاً هر درخواست را یک فرمان جداگانه در نظر می‌گیرد، اما Gemini می‌تواند زمینه تعاملات قبلی را حفظ کند. کاربر می‌تواند پرسش خود را اصلاح کند، خروجی قبلی را تغییر دهد و گفت‌وگو را بر اساس پاسخ‌های پیشین ادامه دهد.

گوگل اکنون در حال جایگزین کردن Google Assistant در بیشتر دستگاه‌های موبایل پشتیبانی‌شده است و هم‌زمان Gemini را به خودروها، ساعت‌ها، اسپیکرها و نمایشگرهای Google Home گسترش می‌دهد. در گوشی‌های سازگار، Gemini Intelligence می‌تواند میان اپلیکیشن‌ها وظایف مختلفی را خودکار کند و اقدامات سطح سیستم را انجام دهد. بااین‌حال، دسترسی به این قابلیت‌ها به دستگاه، زبان، منطقه و مرحله عرضه بستگی دارد.

Gemini چه کارهایی می‌تواند انجام دهد؟

قابلیت‌های Gemini همچنان در حال گسترش است، اما عملکرد واقعی آن به محیطی که در آن استفاده می‌شود نیز بستگی دارد. این سیستم می‌تواند محتوا تولید کند، اطلاعات را تحلیل کند و در انجام وظایف پیچیده راهنمایی ارائه دهد، اما هنوز نمی‌تواند مستقیماً در جهان فیزیکی اقدام کند.

گوگل در حال بررسی این امکان از طریق پروژه‌های رباتیک خود است؛ پروژه‌هایی که در آن‌ها سیستم‌های مشابه Gemini در محیط‌های واقعی آزمایش می‌شوند.

در استفاده روزمره، میزان موفقیت Gemini تا حد زیادی به نحوه تعامل کاربر با آن بستگی دارد. از آنجا که این سیستم برای تولید پاسخ به ورودی کاربر متکی است، کیفیت و وضوح دستورها می‌تواند تأثیر زیادی بر نتیجه داشته باشد. یادگیری شیوه طرح پرسش و اصلاح دستورها، بخش مهمی از استفاده مؤثر از Gemini است.

تولید ویدئو

نقش Gemini در تولید ویدئو از مرحله ایده‌پردازی و برنامه‌ریزی فراتر رفته است. این سیستم می‌تواند یک ایده خام را به فیلمنامه‌ای ساختاریافته تبدیل کند، پیشنهادهایی برای تقسیم‌بندی صحنه‌ها ارائه دهد و جریان روایت را سازمان‌دهی کند.

کاربران همچنین می‌توانند از طریق Gemini Advanced ویدئوهای کوتاه تولید کنند. Gemini Omni نیز امکان تولید، بازترکیب و ویرایش گفت‌وگومحور ویدئو را با استفاده ترکیبی از متن، تصویر و ویدئوی موجود فراهم می‌کند.

این ابزار می‌تواند پس‌زمینه را تغییر دهد، حرکت دوربین اعمال کند و عناصر مختلف ویدئو را با استفاده از دستورهای بعدی اصلاح کند. دسترسی به این قابلیت‌ها به طرح اشتراک و منطقه جغرافیایی بستگی دارد.

نقطه قوت Gemini در تولید ویدئو، امکان اصلاح و تکرار است. تولید ویدئو معمولاً فرایندی خطی نیست. فیلمنامه‌ها بازنویسی می‌شوند، ترتیب سکانس‌ها تغییر می‌کند و ایده‌ها در طول پروژه تکامل می‌یابند.

Gemini می‌تواند با حفظ زمینه پیش‌نویس‌ها و بازخوردهای قبلی، به کاربر اجازه دهد پروژه را بدون شروع دوباره ادامه دهد. به همین دلیل، این سیستم بیش از آنکه فقط یک ابزار تولیدکننده باشد، می‌تواند نقش یک همکار خلاق را ایفا کند.

پردازش اطلاعات

پردازش اطلاعات همچنان یکی از قوی‌ترین قابلیت‌های Gemini است، اما خروجی مدل‌های جدیدتر نسبت به گذشته ساختاریافته‌تر شده است. Gemini اکنون در انجام وظایفی که به ترکیب و تحلیل اطلاعات نیاز دارند، عملکرد بهتری دارد.

برای مثال، هنگام مقایسه چند محصول، بررسی یک موضوع از دیدگاه‌های مختلف یا توضیح یک مفهوم پیچیده، Gemini می‌تواند پاسخ خود را بر اساس ساختار مسئله تنظیم کند. این قابلیت نتیجه پیشرفت در توانایی‌های استدلالی مدل است؛ توانایی‌هایی که به آن اجازه می‌دهند چندین متغیر را در یک پاسخ مدیریت کند.

تفاوت شاید ظریف به نظر برسد، اما اهمیت زیادی دارد. نسخه‌های قدیمی‌تر ابزارهای هوش مصنوعی گاهی پاسخ‌هایی از نظر فنی درست اما فاقد عمق یا ساختار ارائه می‌کردند. مدل‌های جدیدتر Gemini در ارائه اطلاعاتی که دنبال کردن و به‌کارگیری آن آسان‌تر است، عملکرد بهتری دارند.

تولید تصویر

قابلیت تولید تصویر در Gemini انعطاف‌پذیرتر و تعاملی‌تر شده است. کاربر به‌جای آنکه با یک دستور واحد به خروجی نهایی برسد، می‌تواند تصویر را در قالب گفت‌وگو اصلاح کند و عناصری مانند سبک، ترکیب‌بندی و لحن بصری را تغییر دهد.

این رویکرد، تولید تصویر را از یک فرایند یک‌مرحله‌ای به بخشی از یک جریان کاری گسترده‌تر تبدیل می‌کند؛ جریانی که در آن ایده‌ها به‌تدریج توسعه می‌یابند. برای طراحان و تولیدکنندگان محتوا، این قابلیت به‌ویژه زمانی ارزشمند است که رسیدن به نتیجه مطلوب نیازمند چندین مرحله اصلاح باشد.

پژوهش

پژوهش یکی از حوزه‌هایی است که بهبود استدلال و حفظ زمینه در Gemini بیشترین اثر را بر آن گذاشته است. این سیستم می‌تواند وظایفی را انجام دهد که شامل گردآوری اطلاعات، سازمان‌دهی داده‌ها و اصلاح تدریجی خروجی در چند مرحله هستند.

قابلیت‌های جدیدتر به Gemini اجازه می‌دهند موضوعات را از طریق تحلیل ساختاریافته و چندمرحله‌ای بررسی کند؛ رویکردی که با جایگاه‌یابی ابزارهای پژوهشی عمیق گوگل در Gemini هم‌خوان است.

پژوهش درباره موضوعات پیچیده می‌تواند با یک جست‌وجوی طبیعی و گفت‌وگومحور آغاز شود. گوگل در ماه ژوئیه نام NotebookLM را به Gemini Notebook تغییر داد. این سرویس همچنان یک محصول پژوهشی مستقل است، اما دفترچه‌ها می‌توانند با اپلیکیشن Gemini همگام شوند و گوگل قصد دارد ادغام آن‌ها با Search را عمیق‌تر کند.

نسخه‌های جدیدتر Gemini همچنین می‌توانند برای تحلیل داده‌های مبتنی بر منابع، کد اجرا کنند. البته برخی قابلیت‌های پیشرفته فقط در اختیار مشترکان بعضی طرح‌ها و کاربران Workspace قرار دارند.

این ویژگی‌ها Gemini را برای پروژه‌هایی مناسب می‌کنند که به عمق و تداوم نیاز دارند، نه صرفاً پاسخ‌های سریع. کاربر می‌تواند با یک موضوع کلی شروع کند، از طریق پرسش‌های بعدی دامنه آن را محدود کند و در نهایت خروجی را به ساختاری منظم تبدیل کند؛ بدون آنکه ارتباط میان مراحل مختلف از بین برود.

Gemini Live

Gemini Live شکل طبیعی‌تری از تعامل صوتی را ارائه می‌دهد. کاربران می‌توانند مستقیماً با سیستم صحبت کنند، هنگام پاسخ دادن آن را متوقف کنند و مکالمه را در لحظه هدایت کنند. نتیجه، تجربه‌ای شبیه گفت‌وگوست، نه مجموعه‌ای از فرمان‌های جداگانه.

گوگل Gemini Live را به شکل مستقیم‌تری در رابط اصلی Gemini ادغام کرده است. کاربران می‌توانند در یک مکالمه، میان تایپ کردن و صحبت کردن جابه‌جا شوند. رفتار میکروفون نیز بازطراحی شده تا کاربر بتواند ایده‌های طولانی‌تری را بدون قطع شدن بیان کند.

اهمیت این قابلیت در دسترس‌پذیری و سهولت استفاده است. روی دستگاه‌های موبایل، تعامل صوتی در بسیاری از موقعیت‌ها سریع‌تر از تایپ کردن است؛ به‌ویژه هنگام پرسیدن یک سؤال فوری یا ادامه دادن یک وظیفه در حال انجام.

قابلیت‌های چندوجهی و ادغام با اکوسیستم گوگل

یکی از ویژگی‌های اصلی Gemini، توانایی پردازش چند نوع ورودی در یک تعامل واحد است. این سیستم می‌تواند متن، تصویر، صدا و ویدئو را هم‌زمان بررسی کند و به کاربر اجازه دهد بدون جابه‌جایی میان ابزارهای مختلف، انواع اطلاعات را کنار هم قرار دهد.

این قابلیت زمانی اهمیت بیشتری پیدا می‌کند که با اکوسیستم گوگل ترکیب شود. در Search، Gemini امکان پرسش‌های پیوسته و بررسی عمیق‌تر موضوعات را فراهم می‌کند. در Workspace نیز می‌تواند در اسناد و ایمیل‌ها به کاربر کمک کند و از زمینه موجود برای ارائه پاسخ‌های مرتبط‌تر استفاده کند.

حرکت Gemini به سمت هوش مصنوعی عامل‌محور

یکی از تغییرات مهم در مسیر توسعه Gemini، حرکت آن به سمت پشتیبانی از وظایفی است که در طول زمان ادامه پیدا می‌کنند. به‌جای پاسخ دادن به درخواست‌های منفرد، سیستم در حال تبدیل شدن به ابزاری است که می‌تواند از جریان‌های کاری شامل برنامه‌ریزی، اجرا و اصلاح پشتیبانی کند.

این رویکرد معمولاً با عنوان «هوش مصنوعی عامل‌محور» شناخته می‌شود. در عمل، یعنی سیستم می‌تواند در پروژه‌های پژوهشی، تولید محتوا یا حل مسئله‌هایی که به چند مرحله نیاز دارند، مشارکت کند.

Gemini Spark این تغییر را ملموس‌تر می‌کند. این عامل ابری می‌تواند پس از بستن لپ‌تاپ یا قفل کردن تلفن، به کار خود ادامه دهد، وظایف تکرارشونده را انجام دهد، به اپلیکیشن‌های گوگل و سرویس‌های ثالث متصل شود و جریان‌های کاری طولانی‌تر را تحت هدایت کاربر تکمیل کند.

گوگل بعداً ادغام‌هایی با سرویس‌هایی مانند Tasks، Keep، Canva و Dropbox اضافه کرد. این سیستم همچنین می‌تواند با اجازه کاربر از نشست‌های واردشده در Chrome استفاده کند.

Daily Brief رویکرد محدودتری دارد. این قابلیت پس از فعال شدن، سرویس‌هایی مانند Gmail و Calendar را در پس‌زمینه بررسی می‌کند و هر صبح خلاصه‌ای شخصی‌سازی‌شده از پیام‌های فوری، رویدادهای پیش‌رو و اقدام‌های پیشنهادی ارائه می‌دهد.

هوش مصنوعی شخصی و آگاهی از زمینه

شخصی‌سازی به بخش مهمی از عملکرد Gemini تبدیل شده است. این سیستم با ادغام با سرویس‌های گوگل می‌تواند از اسناد، ایمیل‌ها و تعاملات قبلی برای ارائه پاسخ‌هایی مرتبط‌تر استفاده کند.

سیستمی که زمینه را درک می‌کند، می‌تواند پیشنهادهایی متناسب‌تر با نیازهای فردی ارائه دهد و میزان اطلاعاتی را که کاربر باید هر بار وارد کند، کاهش دهد. در مقابل، این رویکرد پرسش‌هایی درباره نحوه استفاده و مدیریت داده‌ها ایجاد می‌کند. به همین دلیل، کنترل‌های کاربر و شفافیت در مدیریت اطلاعات اهمیت بیشتری پیدا می‌کنند.

رابط‌های مولد و تغییر شیوه ارائه نتایج

Gemini در حال تغییر نحوه ارائه اطلاعات نیز هست. به‌جای نمایش بلوک‌های ثابت متن، این سیستم می‌تواند خروجی‌هایی ساختاریافته تولید کند که قابلیت تعامل و اصلاح دارند.

این خروجی‌ها ممکن است شامل خلاصه‌های سازمان‌یافته، پاسخ‌های چندبخشی یا قالب‌هایی باشند که مستقیماً قابل ویرایش هستند. هدف این است که اطلاعات فقط خوانده نشوند، بلکه کاربر بتواند با آن‌ها کار کند.

بازطراحی Neural Expressive گوگل این ایده را آشکارتر کرده است. Gemini اکنون می‌تواند پاسخ‌ها را با عناصری مانند تصویر، جدول زمانی تعاملی، ویدئوی روایت‌شده و گرافیک‌های پویا ارائه دهد، نه اینکه همه نتایج را به شکل متن معمولی نمایش دهد. این طراحی در نسخه‌های وب، اندروید و iOS عرضه شده است.

Gemini در Google Search

ادغام Gemini با Search شیوه تعامل کاربران با اطلاعات آنلاین را تغییر می‌دهد. کاربران به‌جای دریافت فهرستی از لینک‌ها، می‌توانند با پرسش‌های بعدی موضوع را دنبال کنند و در همان نشست، جست‌وجوی خود را دقیق‌تر سازند.

در این مدل، اطلاعات فقط بازیابی نمی‌شوند، بلکه از طریق گفت‌وگو شکل می‌گیرند. این تغییر بخشی از تحول گسترده‌تر موتورهای جست‌وجوست؛ جایی که هوش مصنوعی نقش فعال‌تری در هدایت کاربر میان اطلاعات ایفا می‌کند.

گوگل در ماه مه، حالت AI Mode در Search را به Gemini ۳.۵ Flash ارتقا داد. این مدل برای پشتیبانی از فرایندهای استدلالی طولانی‌تر، وظایف عامل‌محور و رابط‌های پویاتر طراحی شده است.

Gemini فراتر از کاربران عادی

گوگل در حال گسترش Gemini به محیط‌های سازمانی نیز هست؛ جایی که توانایی آن در مدیریت جریان‌های کاری و ادغام با ابزارهای موجود، ارزش بیشتری پیدا می‌کند.

کسب‌وکارها می‌توانند از Gemini برای خودکارسازی وظایف، مدیریت اسناد و پشتیبانی از فرایندهای داخلی استفاده کنند. این توسعه نشان می‌دهد Gemini فقط یک محصول مصرفی نیست، بلکه به‌عنوان پلتفرمی در حال جای‌گیری است که می‌تواند از کاربران فردی تا سازمان‌های بزرگ را پوشش دهد.

عملکرد و زیرساخت

قابلیت‌های Gemini بر زیرساخت‌های گوگل، از جمله سخت‌افزارهای اختصاصی طراحی‌شده برای پردازش‌های هوش مصنوعی، متکی هستند. این سیستم‌ها امکان پردازش ورودی‌های بزرگ و پیچیده را فراهم می‌کنند و به Gemini اجازه می‌دهند در وظایف مختلف عملکرد خود را حفظ کند.

بهبود بهره‌وری و مقیاس‌پذیری، برای عملکرد Gemini اهمیت زیادی دارد. این پیشرفت‌ها به سیستم اجازه می‌دهند پاسخ‌های سریع‌تر ارائه کند، ورودی‌های چندوجهی را پردازش کند و از استدلال پیشرفته‌تر پشتیبانی کند؛ بدون آنکه تجربه کاربری بیش از حد پیچیده شود.

Gemini روی چه دستگاه‌هایی قابل استفاده است؟

Gemini روی مجموعه‌ای از دستگاه‌ها، از تلفن‌های همراه تا لپ‌تاپ‌ها و رایانه‌های رومیزی، در دسترس است. کاربران رایانه می‌توانند از طریق هر مرورگر مدرن به وب‌سایت Gemini دسترسی پیدا کنند. گوگل همچنین یک اپلیکیشن بومی برای مک‌های سازگار با macOS Sequoia یا نسخه‌های جدیدتر ارائه می‌دهد.

در دستگاه‌های موبایل، Gemini از طریق اپلیکیشن اندروید و همچنین روی iPhone و iPad قابل استفاده است. اپلیکیشن اندروید به Android ۹ یا نسخه‌های جدیدتر و حداقل ۲ گیگابایت رم نیاز دارد. نسخه iOS نیز به iOS ۱۶ یا نسخه‌های جدیدتر نیازمند است.

کاربران اندروید می‌توانند Google Assistant را با Gemini جایگزین کنند و از Gemini به‌عنوان دستیار اصلی تلفن همراه استفاده کنند. بااین‌حال، قابلیت‌ها بسته به دستگاه، حساب کاربری، زبان و موقعیت جغرافیایی متفاوت است و برخی ویژگی‌های سطح سیستم فقط روی سخت‌افزارهای جدیدتر ارائه می‌شوند.

Gemini با دستگاه‌های Samsung نیز سازگار است و می‌تواند برای دریافت اطلاعات مورد نیاز از اپلیکیشن‌های بومی سامسونگ استفاده کند. گوگل این سیستم را به ساعت‌های هوشمند، خودروها، اسپیکرها و نمایشگرهای سازگار نیز گسترش داده است؛ هرچند قابلیت‌های موجود در هر پلتفرم یکسان نیستند.

استفاده از Gemini چقدر هزینه دارد؟

قابلیت‌های پایه Gemini با داشتن حساب گوگل به‌صورت رایگان قابل استفاده هستند. طرح رایگان شامل دسترسی به Gemini ۳.۶ Flash، دسترسی محدود به Gemini ۳.۱ Pro، تولید و ویرایش تصویر، Deep Research، Gemini Live، Canvas و Gems است. البته برای استفاده از این قابلیت‌ها محدودیت‌هایی وجود دارد.

طرح Google AI Plus در آمریکا ماهانه ۴.۹۹ دلار هزینه دارد. این طرح دو برابر سطح استفاده نسخه رایگان را ارائه می‌دهد و به قابلیت‌هایی مانند تولید ویدئو و Daily Brief، فضای ابری ۴۰۰ گیگابایتی و Gemini در برخی اپلیکیشن‌های گوگل دسترسی می‌دهد.

Google AI Pro ماهانه ۱۹.۹۹ دلار قیمت دارد و محدودیت استفاده از Gemini را به چهار برابر نسخه رایگان افزایش می‌دهد. دسترسی بیشتر به مدل‌های پیشرفته‌تر گوگل، هزار اعتبار Google Flow، استفاده از Gemini در Gmail، Docs و Vids و همچنین ۵ ترابایت فضای ابری از دیگر مزایای این طرح است.

Google AI Ultra اکنون با قیمت پایه ۹۹.۹۹ دلار در ماه عرضه می‌شود و پنج برابر محدودیت استفاده طرح Pro را ارائه می‌دهد. گزینه ۱۹۹.۹۹ دلاری نیز این محدودیت‌ها را به ۲۰ برابر سطح طرح Pro افزایش می‌دهد.

Ultra بالاترین سطح دسترسی به مدل‌های Gemini و قابلیت‌های عامل‌محور، اعتبار بیشتر برای Google Flow، حداقل ۲۰ ترابایت فضای ذخیره‌سازی و دسترسی زودهنگام به قابلیت‌هایی مانند Gemini Spark و Deep Think را در مناطق پشتیبانی‌شده فراهم می‌کند.

این قیمت‌ها مربوط به آمریکا هستند و هزینه، مزایا و سطح دسترسی طرح‌ها در کشورهای مختلف متفاوت است.

چگونه تنظیمات Gemini را تغییر دهیم؟

روش تغییر تنظیمات Gemini به دستگاهی بستگی دارد که از طریق آن به این سرویس دسترسی پیدا می‌کنید.

در اپلیکیشن موبایل Gemini، منو را باز کنید، روی تصویر پروفایل یا حرف اول نام خود بزنید و گزینه Settings را انتخاب کنید. در این بخش می‌توانید تنظیماتی مانند صدا، زبان، اعلان‌ها، اپلیکیشن‌های متصل، شخصی‌سازی و دسترسی از صفحه قفل را تغییر دهید.

در وب‌سایت Gemini نیز منو را باز کرده و گزینه Settings & help را انتخاب کنید. برخی کنترل‌ها، از جمله تنظیمات اپلیکیشن‌های متصل و فعالیت‌های حساب، ممکن است در بخش‌های جداگانه قرار گرفته باشند.

در اندروید می‌توانید تعیین کنید Gemini به‌عنوان دستیار اصلی دستگاه عمل کند یا خیر. برای این کار، اپلیکیشن Gemini را باز کنید، وارد منو شوید، روی تصویر پروفایل یا حرف اول نام خود بزنید و گزینه جابه‌جایی میان Gemini و Google Assistant را انتخاب کنید؛ البته این گزینه در همه دستگاه‌ها در دسترس نیست.

Gemini بهتر است یا Siri؟

Gemini همچنان دستیار هوش مصنوعی مولد توانمندتر و گسترده‌تری است، اما مقایسه آن با Siri در سال ۲۰۲۶ دیگر مانند گذشته یک‌طرفه نیست.

Siri به‌طور سنتی بر کنترل دستگاه و اجرای اقدامات از پیش تعریف‌شده تمرکز داشت، درحالی‌که Gemini برای پاسخ‌گویی به پرسش‌های باز، تولید محتوا، پردازش رسانه‌های مختلف، انجام پژوهش و پشتیبانی از وظایف چندمرحله‌ای ساخته شده است.

اپل در ژوئن ۲۰۲۶ از Siri AI رونمایی کرد. این نسخه قابلیت‌های گفت‌وگومحور، درک زمینه شخصی و امکان اجرای اقدامات میان اپلیکیشن‌ها را ارائه می‌دهد. اپل پیش‌تر نیز روی ساخت دستیار شخصی‌تری کار می‌کرد که بتواند از اطلاعاتی مانند ایمیل‌ها استفاده کند، اما عرضه گسترده این ارتقا به تعویق افتاده بود.

قابلیت‌های جدید Siri AI فعلاً در مرحله آزمایش توسعه‌دهندگان قرار دارند و نسخه بتای عمومی آن قرار است در ادامه سال ۲۰۲۶، ابتدا به زبان انگلیسی و روی دستگاه‌های سازگار عرضه شود.

بنابراین Gemini همچنان برای کاربرانی که همین امروز به قابلیت‌های گسترده هوش مصنوعی نیاز دارند، گزینه قدرتمندتری است. کاربران iPhone نیز می‌توانند تا زمان عرضه نسخه جدید Siri، اپلیکیشن Gemini را دانلود و استفاده کنند. البته فاصله میان دو سیستم ممکن است پس از عرضه گسترده Siri AI کاهش یابد و عملکرد واقعی آن در استفاده روزمره اهمیت بیشتری از وعده‌های اولیه اپل خواهد داشت.

Gemini یا ChatGPT، کدام را انتخاب کنیم؟

Google Gemini و ChatGPT در ظاهر مسائل مشابهی را حل می‌کنند، اما اولویت‌های متفاوتی دارند و این تفاوت در استفاده روزمره آشکار می‌شود.

بزرگ‌ترین مزیت Gemini، ادغام عمیق آن با اکوسیستم گوگل است. این سیستم در Search، Gmail، Docs، Android و دیگر محصولات گوگل حضور دارد و می‌تواند زمینه را از چند منبع دریافت کرده و در یک تعامل به کار بگیرد.

برای کاربرانی که از سرویس‌های گوگل استفاده می‌کنند، این موضوع تجربه‌ای یکپارچه ایجاد می‌کند. وظایفی مانند خلاصه‌سازی ایمیل‌ها، کار با اسناد یا اصلاح پرسش‌های جست‌وجو، زمانی روان‌تر انجام می‌شوند که هوش مصنوعی از ابتدا در همان محیط حضور داشته باشد.

ChatGPT به یک اکوسیستم واحد وابسته نیست و همین موضوع انعطاف بیشتری در پلتفرم‌ها و کاربردهای مختلف به آن می‌دهد. این سرویس همچنان ابزاری قدرتمند برای نویسندگی، برنامه‌نویسی، پژوهش، تولید تصویر و حل مسئله است و می‌تواند به سرویس‌های خارجی نیز متصل شود.

در زمینه حفظ زمینه نیز تفاوت‌ها کمتر از گذشته است. Gemini می‌تواند مستقیماً از سرویس‌های متصل گوگل استفاده کند. ChatGPT نیز از طریق حافظه و قابلیت پروژه‌ها می‌تواند زمینه گفت‌وگوها را حفظ کند و در صورت تمایل کاربر، این قابلیت قابل کنترل یا غیرفعال‌سازی است.

در استفاده چندوجهی، هر دو پلتفرم از تصویر، صدا، فایل و قالب‌های مختلف پشتیبانی می‌کنند. تفاوت اصلی در این است که Gemini قابلیت‌های چندوجهی را عمیق‌تر در اکوسیستم گوگل ادغام کرده، درحالی‌که ChatGPT بیشتر تعاملات را در رابط خود و سرویس‌های متصل مدیریت می‌کند.

در عمل، Gemini برای کاربرانی مناسب‌تر است که می‌خواهند هوش مصنوعی مستقیماً در محصولات گوگل و دستگاه‌های اندرویدی آن‌ها کار کند. ChatGPT گزینه‌ای عمومی‌تر و منعطف‌تر برای کسانی است که به پلتفرمی مستقل‌تر و کاربردهای متنوع‌تر نیاز دارند.

Gemini یا Microsoft Copilot؟

Microsoft Copilot از زاویه‌ای متفاوت وارد رقابت می‌شود و تمرکز اصلی آن بر کاربران اکوسیستم مایکروسافت است.

Copilot در ابزارهایی مانند Word، Excel، PowerPoint، Outlook و Teams ادغام شده و برای جریان‌های کاری سازمانی و ساختاریافته عملکرد ویژه‌ای دارد. این سرویس بر اسناد، جدول‌های داده، جلسه‌ها و همکاری تیمی تمرکز می‌کند. مایکروسافت همچنین قابلیت‌های عامل‌محور را به Copilot اضافه کرده است تا بتواند درون اپلیکیشن‌های بهره‌وری، اقدام‌های چندمرحله‌ای انجام دهد.

رویکرد Gemini از نظر هدف مشابه است، اما دامنه گسترده‌تری دارد. این سرویس میان Search، Android و Workspace حرکت می‌کند و هم کاربران عادی و هم سازمان‌ها را هدف قرار می‌دهد.

تفاوت اصلی میان این دو، بیشتر به محیط استفاده مربوط می‌شود تا توانایی خام. Copilot در مجموعه ابزارهای Microsoft ۳۶۵ طبیعی‌تر عمل می‌کند، درحالی‌که Gemini برای فعالیت در پلتفرم‌های گوگل طراحی شده است. بنابراین انتخاب میان آن‌ها به اکوسیستمی بستگی دارد که کاربر یا سازمان از پیش در آن سرمایه‌گذاری کرده است.

کدام هوش مصنوعی واقعاً بهتر است؟

پاسخ واحدی برای این پرسش وجود ندارد، زیرا هر سیستم برای نوع متفاوتی از استفاده بهینه شده است.

Gemini در ادغام با سرویس‌های گوگل، آگاهی از زمینه و پشتیبانی از جریان‌های کاری میان Search، Workspace و Android عملکرد برجسته‌ای دارد. مسیر توسعه آن به سمت سیستمی است که در کارهای روزمره کاربر حضور داشته باشد، نه اینکه به‌عنوان ابزاری جداگانه مورد استفاده قرار گیرد.

ChatGPT همچنان یکی از منعطف‌ترین ابزارهای عمومی هوش مصنوعی است؛ به‌ویژه برای نویسندگی، کدنویسی، پژوهش، تولید رسانه و وظایفی که به ترکیبی گسترده از سرویس‌های خارجی نیاز دارند. حافظه و سیستم اتصال آن به ابزارهای بیرونی نیز باعث شده برای کارهای طولانی‌مدت مناسب‌تر از نسل‌های ابتدایی باشد.

Copilot در محیط‌های ساختاریافته Microsoft ۳۶۵ برتری دارد؛ محیط‌هایی که در آن‌ها دسترسی به اسناد سازمانی، ایمیل‌ها، جلسه‌ها و ابزارهای بهره‌وری اهمیت زیادی دارد.

Siri AI برای رقابت مستقیم‌تر با دستیارهای مولد در حال توسعه است، اما قابلیت‌های جدید آن هنوز در مرحله آزمایش قرار دارند و به اندازه Gemini در دسترس نیستند. مزیت اصلی Siri احتمالاً همچنان ادغام عمیق با سخت‌افزار و اپلیکیشن‌های اپل خواهد بود.

پرسش مهم‌تر این نیست که کدام هوش مصنوعی در همه زمینه‌ها بهتر است، بلکه این است که کدام ابزار با شیوه کار، دستگاه‌ها، سرویس‌ها و جریان‌های کاری شما سازگاری بیشتری دارد.

روایت برند

گوگل در حال بازتعریف Gemini از یک محصول مستقل به بخشی از زیرساخت تجربه کاربر است. این برند نمی‌خواهد فقط در پاسخ به یک پرسش ظاهر شود، بلکه می‌کوشد در جست‌وجو، ایمیل، تقویم، اسناد، تلفن همراه، خودرو و حتی دستگاه‌های پوشیدنی حضور داشته باشد.

روایت اصلی Gemini، «هوش مصنوعی در بطن زندگی روزمره» است؛ نه یک ابزار جداگانه، بلکه لایه‌ای که میان خدمات مختلف گوگل پیوند ایجاد می‌کند.

این جایگاه‌یابی به گوگل کمک می‌کند مزیت رقابتی خود را نه فقط در مدل زبانی، بلکه در حجم داده، گستردگی اکوسیستم، دسترسی به دستگاه‌ها و ارتباط میان سرویس‌ها تعریف کند. در مقابل، همین ادغام گسترده، مسئله اعتماد، حریم خصوصی و کنترل کاربر را به یکی از مهم‌ترین چالش‌های برند تبدیل خواهد کرد.

جمنای در سال ۲۰۲۶ دیگر صرفاً رقیبی برای ChatGPT یا Copilot نیست. این سرویس بخشی از رقابت بزرگ‌تر بر سر آینده تعامل کاربران با موتورهای جست‌وجو، سیستم‌عامل‌ها، ابزارهای بهره‌وری و دستگاه‌های هوشمند است.

گوگل تلاش می‌کند Gemini را از یک پاسخ‌دهنده به یک همراه دیجیتال تبدیل کند؛ همراهی که زمینه را حفظ می‌کند، در پس‌زمینه فعالیت دارد، اطلاعات شخصی را تحلیل می‌کند و در زمان مناسب پیشنهاد ارائه می‌دهد.

بااین‌حال، موفقیت نهایی Gemini به تعداد قابلیت‌ها وابسته نخواهد بود. اعتماد کاربران، شفافیت در استفاده از داده‌ها، کیفیت اجرای وظایف و توانایی کاهش اصطکاک در زندگی روزمره، معیارهای اصلی موفقیت این برند خواهند بود.