‏Gemini 3.8 Flash از ۳۰٪ به ۸۱٪ پرید

Gemini 3.8 Flash تازه‌ترین مدل کوچیک و سریع گوگل تو خانوادهٔ Gemini‌ه و تو یه بنچمارک مستقل به اسم Kingbench 3 نمرهٔ ۶۵ از ۸۰ یعنی ۸۱.۲۵٪ گرفته. این بنچمارک هشت سؤال داره: از کدنویسی فرانت‌اند و کار سه‌بعدی و ساخت SVG گرفته تا ریاضی و یه تسک کامل agentic (یعنی مدل خودش چند مرحله کار رو تا آخر ببره). نسخهٔ قبلی، Gemini 3.5 Flash، توی همین آزمون فقط ۳۰٪ گرفته بود.

این عدد یعنی یه مدل ردهٔ flash، که معمولاً ارزون‌ترین و سریع‌ترین ردهٔ هر خانواده‌ست نه توانمندترینش، رفته تو پنج تای اول جدول: هم‌رده با Qwen 3.8 Max، کمی پایین‌تر از Kimi K5 با ۸۲.۵٪ و بالاتر از Claude Opus 4.8 با ۸۰٪. جهش بیشتر از ۵۱ واحدی بین دو نسل، برای رده‌ای که معمولاً سر سرعت و قیمت بهینه می‌شه، غیرعادیه.

تو جزئیات تست‌ها، بازی تیر و کمان نمرهٔ کامل ۱۰ گرفت با هدف‌گیری درست و لیدربورد سالم، کیف لنز سه‌بعدی با Three.js نمرهٔ ۹ و نقاشی SVG پاندا نمرهٔ ۸. سؤال سخت ریاضی رو هم دقیق جواب داد و تسک agentic رو کامل برد جلو: دیتاست ساخت، یه مدل Gemma 2B رو محلی fine-tune کرد و نتیجه رو با یه رابط وب سرو کرد. در عوض میز تاشو ۵ از ۱۰ شد و ساعت مچی سه‌بعدی ۶ از ۱۰.

مهم‌ترین ایراد عملی یه عادت بده: مدل به‌جای ویرایش چندتا خط، کل فایل رو دوباره می‌نویسه. تو یه کدبیس واقعی یعنی باید هر diff رو با دقت بخونی که یه چیز بی‌ربط بی‌سروصدا عوض یا حذف نشده باشه. به گفتهٔ نویسنده این رفتار تو نسخه‌های قبلی Gemini این‌قدر پررنگ نبود، پس کامیت‌های کوچیک و مرور واقعی diff اینجا بیشتر به کار میاد.

نویسنده می‌گه برای امتحان کردنش لازم نیست پول API بدی. Antigravity یه پلن رایگان نسبتاً دست‌ودل‌بازه که برای کارهای تحقیقاتی و کدنویسی سبک جواب می‌ده. Verdant هم که یه فضای کاری agentic روی دسکتاپ و افزونهٔ VS Code‌ه، حالا این مدل رو داره و به کاربر جدید اعتبار آزمایشی رایگان بدون کارت می‌ده؛ حالت plan و ایجنت‌های بازبینی‌اش هم دقیقاً همون چک‌پوینتیه که جلوی بازنویسی کور فایل‌ها رو می‌گیره.

نکات کلیدی:

• نمرهٔ ۸۱.۲۵٪ (۶۵ از ۸۰) در Kingbench 3، در برابر ۳۰٪ برای Gemini 3.5 Flash
• بالاتر از Claude Opus 4.8 با ۸۰٪ و هم‌رده با Qwen 3.8 Max
• نمرهٔ کامل ۱۰ در تست بازی تیر و کمان، ۵ از ۱۰ در انیمیشن میز تاشو
• عادت بازنویسی کل فایل به‌جای ویرایش هدفمند، مرور diff رو الزامی می‌کنه
• دسترسی رایگان از طریق پلن رایگان Antigravity و اعتبار آزمایشی Verdant بدون کارت