‫معرفی قابلیت Agentic Vision در Gemini 3 Flash

قابلیت جدیدی به نام Agentic Vision در مدل Gemini 3 Flash معرفی شده است که استدلال بصری را با اجرای کد ترکیب می‌کند. این ترکیب به مدل اجازه می‌دهد تا پاسخ‌ها را بر اساس شواهد بصری مستند کند. این قابلیت به طور خاص برای بهبود دقت و قابلیت اطمینان پاسخ‌های مدل‌های زبانی طراحی شده است. با ترکیب توانایی‌های بصری و کدنویسی، Gemini 3 Flash می‌تواند اطلاعات را به طور دقیق‌تری تجزیه و تحلیل کرده و پاسخ‌هایی ارائه دهد که مستقیماً با داده‌های بصری مرتبط هستند. Rohan Doshi، مدیر محصول در Google DeepMind، در این مورد توضیح داده است که Agentic Vision یک گام مهم در جهت توسعه مدل‌های هوش مصنوعی است که می‌توانند به طور موثرتری با دنیای واقعی تعامل داشته باشند. این قابلیت می‌تواند در طیف گسترده‌ای از کاربردها، از جمله رباتیک، خودروهای خودران و سیستم‌های تشخیص تصویر، مورد استفاده قرار گیرد. این پیشرفت نشان‌دهنده تلاش‌های مداوم گوگل در زمینه هوش مصنوعی و یادگیری ماشین است. Gemini 3 Flash با Agentic Vision، پتانسیل ارائه راهکارهای نوآورانه و قدرتمند برای حل مسائل پیچیده را دارد و می‌تواند به توسعه‌دهندگان در ساخت برنامه‌های هوشمندتر و کارآمدتر کمک کند. این قابلیت جدید، با ترکیب استدلال بصری و اجرای کد، یک رویکرد جدید در زمینه هوش مصنوعی ارائه می‌دهد که می‌تواند منجر به پیشرفت‌های قابل توجهی در زمینه‌های مختلف شود. انتظار می‌رود که Agentic Vision در آینده نزدیک در دسترس توسعه‌دهندگان قرار گیرد و امکان ساخت برنامه‌های کاربردی جدید و هیجان‌انگیز را فراهم کند.