গুগল ২ সেপ্টেম্বর জেমিনি ৩.৮ ফ্ল্যাশ এবং ওয়েব ডিফেন্সের জন্য ৩.৮ ফ্ল্যাশ সাইবার প্রকাশ করেছে। ৩.৭ ফ্ল্যাশ চালুর পর মাত্র তিন সপ্তাহের মধ্যে এটি ষষ্ঠ সপ্তাহের মধ্যে ফ্ল্যাশ সিরিজের তৃতীয় আপডেট। গুগল ৩.৮-কে বর্তমানের সবচেয়ে শক্তিশালী রিজনিং এবং কোডিং ফ্ল্যাশ মডেল হিসাবে পজিশন করেছে; সাধারণ সংস্করণটি এখন Gemini API, Google AI Studio, Android Studio, Gemini Enterprise এবং কিছু কনজিউমার পণ্যে উপলব্ধ। সাইবার সংস্করণটি শুধুমাত্র নতুন Fairwind Program-এর মাধ্যমে বিশ্বস্ত সরকারি প্রতিষ্ঠান, কী-ইনফ্রাস্ট্রাকচার অপারেটর এবং সফটওয়্যার মেইনটেনারদের জন্য প্রাথমিকভাবে উপলব্ধ। উভয়েরই ভিত্তির বুদ্ধিমত্তা একই, কিন্তু ডিপ্লয়মেন্ট অনুমতি এবং সিকিউরিটি প্রোটেকশন ভিন্ন।
সাধারণ 3.8 Flash-এর প্রবেশ মূল্য এখনও প্রতি মিলিয়ন ইনপুট টোকেনের জন্য 0.75 ডলার এবং আউটপুটের জন্য 3.75 ডলার, যা 3.7-এর সাথে একই। তবে এই মূল্যটি কেবলমাত্র 2026 সালের 31 ডিসেম্বর পর্যন্ত প্রযোজ্য; 2027 সালের 1 জানুয়ারি থেকে, অফিসিয়ালভাবে ঘোষিত মূল্য বৃদ্ধি পেয়ে ইনপুটের জন্য 1.50 ডলার এবং আউটপুটের জন্য 7.50 ডলার হবে। যা সহজেই উপেক্ষা করা হয়, তা হলো, মডেলটি জটিল কাজের জন্য বেশি যুক্তিসহকারে পদক্ষেপ নেয় এবং বারবার টুলগুলি কল করে, Google-এর সতর্কবাণী হলো যে উচ্চ প্রয়াস লেভেলের কারণে বেশি টোকেন খরচ হতে পারে। একক মূল্যের বৃদ্ধি না হওয়াই অবশ্যই কোনো কাজের মোট বিলের পরিমাণ অপরিবর্তিত থাকবে, এমনটা নয়।
ফ্ল্যাশ দীর্ঘ টাস্কের জন্য প্রতিদ্বন্দ্বিতা শুরু করেছে, শুধু গতি নয়, সম্পন্নতার হারও গুরুত্বপূর্ণ
গুগল দ্বারা উপস্থাপিত প্রমাণগুলি দীর্ঘ সময়কালের কোডিং, পেশাদার বিশ্লেষণ এবং একাধিক ধাপের যুক্তিকে কভার করে। 3.8 Flash, DeepSWE v1.1 দীর্ঘ সময়কালের সফটওয়্যার ইঞ্জিনিয়ারিং মূল্যায়নে অধিকাংশ বড় অগ্রণী মডেলকে ছাড়িয়ে গিয়েছে; HLE-Verified-এ 54.9% পেয়েছে। কোম্পানিটি আর্থিক এজেন্ট এবং আইনি এজেন্ট বেঞ্চমার্কও উল্লেখ করে, যা দেখায় যে Flash-কে কম ল্যাটেন্সির প্রশ্ন-উত্তর মডেল থেকে স্থায়ীভাবে পরিকল্পনা করতে, টুলগুলি কল করতে এবং সম্পূর্ণ ফলাফল প্রদান করতে পারে এমন একটি কাজের মডেলের দিকে নিয়ে যাওয়ার চেষ্টা করছে। হার্ডওয়্যার ডিসাসেম্বলির ভিজুয়ালাইজেশন, একটি সিঙ্গেল-প্রমপ্ট-জেনারেটেড DOS-ভিত্তিক ম্যাপ, 3D গেমসহ ডেমোগুলি তাৎপর্যপূর্ণভাবে বোঝায় যে মডেলটি শুধুমাত্র কোড স্নিপেটসই আউটপুট দেয়না, বরং এটি চক্রের মধ্যেই ফলাফলগুলির পরীক্ষা-নিরীক্ষা এবং সংশোধন করতে পারে।
কিন্তু বেসলাইন স্কোরকে সরাসরি কোম্পানির উৎপাদনশীলতায় রূপান্তরিত করা যায় না। দীর্ঘ টাস্কের সফলতার হার প্রায়শই কোড রিপোজিটরির আকার, ডিপেন্ডেন্সি পরিবেশ, টেস্টিং কোয়ালিটি, টুলসের অ্যাক্সেস এবং রিট্রাই বাজেটের উপর নির্ভর করে। 3.8 “আরও কঠোর” স্ট্র্যাটেজি সম্পন্নতার হার বাড়ালেও এটি একecution সময় এবং Token ব্যবহার বাড়ায়। ডেভেলপমেন্ট টিমকে একবারের কলের দাম, একটি টাস্কের মোট Token, টুল কলের সংখ্যা, সফলতার আগের রিট্রাইয়ের সংখ্যা এবং ম্যানুয়ালি পুনরায় কাজের সময় রেকর্ড করতে হবে, যাতে জানা যায় আপগ্রেডটি প্রকৃতপক্ষে কম খরচে হচ্ছে। ল্যাটেন্সি বা বাজেট-প্রাধান্যযুক্ত ওয়ার্কলোডের জন্য, Google-এর পরামর্শ হলো, প্রচেষ্টা লেভেলটি কমিয়ে দিন, 3.7 Flash-এই ব্যবহার চালিয়ে যান; পুরনোভারশনগুলি নতুন পণ্যের প্রকাশের সঙ্গেই立即প্রত্যাহার করা হয়নি।
সাধারণ সংস্করণটি ডেভেলপার এবং প্রতিষ্ঠানগুলির জন্য উন্মুক্ত হয়েছে, এবং Google AI Pro এবং Ultra ব্যবহারকারীরা Gemini অ্যাপ, সার্চ AI মোড এবং Gemini in Sheets-এও এটি ব্যবহার করতে পারেন। বিভিন্ন প্রবেশদ্বারের ফাংশন, কোটা এবং অঞ্চলগত উন্মোচনের পরিধি ভিন্ন হতে পারে, তাই “মডেলটি প্রকাশিত হয়েছে” বলা উচিত নয় যে সমস্ত ব্যবহারকারী এবং সমস্ত পণ্যেই সম্পূর্ণ একই ক্ষমতা পাওয়া গেছে। বিশেষ করে, স্বায়ত্তশাসিত টুলগুলির সাথে কাজের প্রবাহগুলির জন্য, অ্যাপটি কি মডেলকে সংশ্লিষ্ট টুল, অধিকার এবং পুনরুদ্ধারযোগ্য কার্যকরী পরিবেশ প্রদান করছে, তার উপর নির্ভর করেই এটি চালু হয়।
সাইবার সংস্করণটি আরও শক্তিশালী এবং আরও সংকীর্ণ, 47.2% স্বয়ংক্রিয়ভাবে মেরামতের প্রতিশ্রুতি নয়
জেমিনি 3.8 ফ্ল্যাশ সাইবার ভালোর আবিষ্কার এবং প্যাচ উত্পাদনের উপর ফোকাস করে। গুগল বলেছে, এটি 20টি প্রোগ্রামিং ভাষা কভার করে এমন অভ্যন্তরীণ ভালো আবিষ্কার মূল্যায়নে 70% এর বেশি সফলতা অর্জন করেছে; বাহ্যিক CWE-Bench প্যাচ মূল্যায়নে, pass@1 47.2%, যা একটি শীর্ষস্থানীয় অগ্রগামী মডেলের 47.8% এর কাছাকাছি, কিন্তু খরচ কম। Chrome সিকিউরিটি টিমের অভ্যন্তরীণ ব্যবহারের ফলাফল দেখায়, 3.8 ফ্ল্যাশ সাইবার দ্বারা উত্পাদিত সঠিক ভালো প্যাচের সংখ্যা সেরা বড় বাণিজ্যিক মডেলের 2.6 গুণ। Wiz-ও তাদের অভ্যন্তরীণ পেনিট্রেশন টেস্টিং বেঞ্চমার্কে 7.5 থেকে 9.7 পয়েন্টের মধ্যে রিকলের বৃদ্ধি এবং 2.3 থেকে 5.2 গুণ কম খরচের প্রতিবেদন করেছে।
এই সংখ্যাগুলির প্রতিনিধিত্বকারী মান এবং সীমাবদ্ধতা রয়েছে। অভ্যন্তরীণ বেঞ্চমার্কের নমুনা, প্রম্পট এবং মানব নির্ণয়ের পদ্ধতি ঘোষণায় সম্পূর্ণভাবে উল্লেখ করা হয়নি; 47.2% pass@1 এর অর্থ একবারের জেনারেশন দিয়েই অর্ধেকেরও বেশি প্রশ্ন সঠিকভাবে মেরামত করা যায়না। Google “ব্যবহার”-এর চেয়ে “মেরামত”-কে অগ্রাধিকার দিয়েছে এবং সাধারণ 3.8-এর জন্য রাসায়নিক, জৈবিক, বিকিরণ, পারমাণবিক এবং সাইবার দুর্ব্যবহারের প্রতিরোধ যোগ করেছে। Cyber সংস্করণটি পেশাদার প্রতিরোধের প্রয়োজনীয়তা পূরণের জন্য আরও ঢিলেঢালা সাইবার নিরাপত্তা সীমাবদ্ধতা ব্যবহার করে, তাই এটি সম্পূর্ণভাবে প্রকাশিত হয়নি, শুধুমাত্র Fairwind প্রোগ্রামের বিশ্বস্ত প্রতিরোধকদেরকেই প্রদান করা হয়।
এই প্রকাশে বাস্তবিক পরিবর্তিত হয়েছে Flash সিরিজের ট্রেড-অফ: এটি এখন শুধুমাত্র কম দাম এবং গতির উপর নির্ভর করে ব্যাচ রিকোয়েস্টকে আকর্ষণ করে না, বরং জটিল টাস্ক সম্পন্নের হারের জন্য দীর্ঘতর ইনফারেন্স সাইকেল ব্যবহার করে। যদি কোনো প্রতিষ্ঠান 3.7-কে 3.8-এ সরাসরি প্রতিস্থাপন করে, তবে সবচেয়ে সাধারণ ভুলটি হবে মিলিয়ন টোকেন মূল্যের তুলনা করা। আরও নিরাপদ পদ্ধতি হলো বাস্তবিক টাস্কগুলিকে স্তরবদ্ধভাবে পরীক্ষা করা: সহজ রিকোয়েস্টগুলির জন্য প্রচেষ্টার মাত্রা সীমিত রাখুন, দীর্ঘ টাস্কগুলির জন্য বেশি সাইকেল অনুমতি দিন, এবং নিরাপত্তা-সংক্রান্ত টাস্কগুলির জন্য মানব-অনুমোদন এবং আইসোলেটেড পরিবেশ বজায় রাখুন। 3.8 Flash-এর উপলব্ধতা এখনই শুরু হয়েছে, Cyber-ও সীমিত পরিকল্পনায় প্রবেশ করেছে; এটি কি কমপক্ষে মোটখরচে বেশি উৎপাদনমূলক টাস্কসমূহকে সম্পন্ন করতে পারবে, তা প্রতিটি দলেরই n-টু-n-এর (end-to-end) ডেটা দিয়েই উত্তরটি দিতে হবে।