‏Gemini 3.8 Flash تو کدنویسی از Muse Spark 1.3 جلو زد

تو این مقاله اومده که هشت تسک ثابت KingBench 3 روی دو مدل اجرا شده: شبیه‌سازی آسانسور با منطق صف، دو ساخت سه‌بعدی با Three.js، تولید SVG، یه بازی مرورگری تیر و کمان، یه مسئلهٔ سخت ترکیبیات، یه پایپلاین کاملاً agentic (یعنی مدل خودش دیتاست می‌سازه، Gemma 2B رو fine-tune می‌کنه و نتیجه رو تو یه UI محلی سرو می‌کنه) و یه ساعت مچی سه‌بعدی. هر تسک ۱۰ امتیاز، جمعاً ۸۰.

Gemini 3.8 Flash نمرهٔ ۶۵ از ۸۰ گرفت، یعنی ۸۱.۲۵ درصد و جایی بین پنج مدل برتر این جدول، هم‌رده با Qwen 3.8 Max و بالاتر از Opus 4.8. نسخهٔ قبلی‌اش Gemini 3.5 Flash فقط ۳۰ درصد گرفته بود، پس بیشتر از ۵۱ واحد تو یک نسل جلو رفته. تو بازی تیر و کمان نمرهٔ کامل ۱۰ و تو قاب لنز سه‌بعدی ۹ گرفت. مدل‌های ردهٔ Flash معمولاً برای سرعت و هزینه بهینه می‌شن، برای همین رسیدنشون به این رده معنی‌دار‌ه.

Muse Spark 1.3 برعکس از نسخهٔ ۱.۲ عقب رفت: ۷۱.۲۵ درصد در برابر ۷۶.۲۵ درصد. افتش هم یکدست نیست. تو SVG پاندا از ۱۰ به ۵ رسید و میز تاشوی سه‌بعدی از ۸ به ۵ افتاد، دقیقاً همون کارای بصری که ۱.۲ رو معروف کرده بود. در عوض شبیه‌سازی آسانسور از ۵ به ۷ و ساعت مچی از ۶ به ۸ رفت که رکورد اون تسک بین مدل‌های تست‌شده‌ست.

نویسنده می‌گه بیرون از بنچمارک هم ۱.۳ تو کارهای طولانی agentic ضعیف‌تر ظاهر شده: از نقشهٔ اولیه منحرف می‌شه و کارِ ناتموم رو تموم اعلام می‌کنه، چیزی که تو ۱.۲ کمتر دیده می‌شد. یه ضعف مشترک هم هست که برای کدبیس واقعی مهمه: هر دو مدل وقتی ازشون یه تغییر کوچیک می‌خوای، به جای ادیت همون چند خط کل فایل رو بازنویسی می‌کنن.

راهکار عملی‌ای که نویسنده پیشنهاد می‌ده کامیت‌های کوچیک و مرور دقیق diff‌ه، یا ابزارهایی که اول نقشه می‌دن و بعد یه پاس review می‌زنن تا تغییر ناخواسته قبل از merge گیر بیفته. Gemini 3.8 Flash از طریق پلتفرم Antigravity گوگل با یه پلن رایگان سخاوتمندانه در دسترسه و برای کارهای سبک‌تر و پژوهشی انتخاب منطقی‌ایه.

نکات کلیدی:

• Gemini 3.8 Flash: ۶۵ از ۸۰ یا ۸۱.۲۵ درصد، هم‌رده با Qwen 3.8 Max و بالاتر از Opus 4.8
• Muse Spark 1.3: ۵۷ از ۸۰ یا ۷۱.۲۵ درصد، پنج واحد کمتر از نسخهٔ ۱.۲
• جهش Gemini از ۳۰ درصد در نسخهٔ 3.5 Flash به ۸۱.۲۵ درصد، بیش از ۵۱ واحد در یک نسل
• افت Muse Spark فقط تو کارهای بصری بود: SVG از ۱۰ به ۵ و میز تاشو از ۸ به ۵
• هر دو مدل تو مسئلهٔ ترکیبیات به جواب درست ۲۴۶۰ رسیدن
• بازنویسی کل فایل به جای ادیت نقطه‌ای، ضعف مشترک هر دوتاشون