تسريب Google Gemini 3.5(Snow Bunny): كل ما تحتاج إلى معرفته

تُجري Google بهدوء اختبارًا لنسخة داخلية جديدة من عائلة Gemini — يُشار إليها على نحو متباين باسم “Gemini 3.5” وبالاسم الرمزي الداخلي المثير “Snow Bunny.” ويحمل هذا الاسم الرمزي "Snow Bunny" نقطة تحقق داخلية يُقال إنها حطّمت المعايير القائمة، مُظهرة قدرة غير مسبوقة على توليد تطبيقات برمجية كاملة — حتى 3,000 سطر من الشيفرة الوظيفية — من طلب واحد.

وفيما يسعى وادي السيليكون للتحقق من البيانات، تُشير تقارير مبكرة إلى أن Google حققت اختراقًا في أسلوب الاستدلال "System 2"، ما يتيح لـ Gemini 3.5 التوقّف، والتفكير، وتصميم أنظمة معقدة بمهارة تتجاوز القادة الحاليين مثل GPT-5.2 وClaude Opus 4.5.

ما هو Gemini 3.5 "Snow Bunny"؟

يبدو أن Gemini 3.5، المُشار إليه داخليًا بالاسم الرمزي "Snow Bunny"، هو رد Google المباشر على جمود قدرات الاستدلال لدى النماذج الذي لوحظ في أواخر 2025. وعلى خلاف سابقاته التي ركّزت بشدة على الفهم متعدد الوسائط وحجم نافذة السياق، يُمثل Gemini 3.5 تحولًا نموذجيًا نحو آفاق معرفية ممتدة وهندسة برمجية ذاتية.

بنية "Snow Bunny"

يشير لقب "Snow Bunny" بحسب التقارير إلى نقطة تحقق محددة عالية الأداء للنموذج تخضع حاليًا لاختبارات A/B على منصّتي Vertex AI وAI Studio من Google. وتُلمّح التسريبات إلى أن هذا ليس مجرد تحديث "Pro" أو "Ultra" بل ترقية معمارية جوهرية تدمج قدرات "Deep Think".

إصدارات نموذجية متخصصة

تفيد التسريبات بأن "Snow Bunny" قد يكون عائلة من نماذج متخصصة وليس نموذجًا أحاديًا. وقد حُدِّد إصداران محددان في الوثائق المسرَّبة:

• Fierce Falcon: إصدار مُحسَّن لسرعة الحوسبة الخام والاستدلال المنطقي، موجَّه على الأرجح إلى البرمجة التنافسية والتحليل السريع للبيانات.
• Ghost Falcon: محرّك إبداعي مُصمَّم لـ "vibe coding"، يتعامل مع تصميم UI/UX وتوليد SVG وتوليف الصوت والمؤثرات البصرية بدقة عالية.

استدلال System 2: وضع "Deep Think"

الميزة المُحدِّدة لـ Gemini 3.5 هي محرّك الاستدلال المُشار إليه بـ "System 2". واستلهامًا من علم النفس الإدراكي البشري، يسمح هذا النظام للنموذج بأن "يتوقّف" قبل الرد على الاستفسارات المعقدة. وبدلًا من توقع الرمز التالي مباشرة، ينخرط النموذج في سلسلة تفكير مخفية، يقيم خلالها مسارات تنفيذ متعددة للشفرة أو ألغاز المنطق. ويُقال إن هذا التبديل "Deep Think" قد دفع درجات المعايير إلى آفاق غير مسبوقة.

---

من كشف الخبر؟

تم الكشف عن وجود Gemini 3.5 عبر سلسلة من التسريبات المنسّقة على منصة التواصل الاجتماعي X (المعروف سابقًا باسم تويتر) والمدونات التقنية في أواخر يناير 2026.

• المصدر الأساسي: جاءت الضربة الأولى من المدوّن التقني والمطلع Pankaj Kumar، الذي شارك لقطات شاشة وسجلات لعمل نموذج "Snow Bunny". واشتملت منشوراته على قدرة النموذج على "one-shot" مهام هندسية معقدة.
• التحقق من المعايير: مستخدم يُعرف باسم "Leo"، وهو القائم على معيار التفكير الجانبي Hieroglyph، دعم التسريبات. نشر نتائج تُظهر إصدارًا من "Snow Bunny" يحقق معدل نجاح 80-88% في مهام التفكير الجانبي — وهو اختبار تُعاني فيه معظم النماذج، بما فيها GPT-5.2، لتجاوز 55%.
• التأكيد التقني: زادت المصداقية مع ظهور متغيرات "gemini-for-google-3.5" في شيفرة الواجهة الخلفية لخدمات واجهة برمجة تطبيقات Google، ما يُشير إلى أن البنية التحتية لإطلاق عام أصبحت جاهزة بالفعل.

ما الذي يميّز 3.5 عن 3.0 / 3 Flash؟

استنادًا إلى تقارير التسريب، فإن الفروق الأساسية هي:

• توليف شيفرة على نطاق واسع وعلى مستوى الأنظمة: القدرة على الحفاظ على الحالة العالمية والهندسة عبر آلاف الأسطر (وليس مجرد توليد دوال معزولة).
• توليد موحّد للمخرجات متعددة الوسائط: الجلسة نفسها تُنتج الشيفرة والرسومات المتجهية والصوت الأصلي ضمن سير عمل واحد متماسك.
• عناصر تحكم دقيقة في الاستدلال: مفاتيح تجريبية (مثل “Deep Think” / “System2”) لموازنة زمن التأخير مقابل بحث داخلي أعمق بأسلوب سلسلة التفكير.

تبدو هذه تحسينات هندسية تدريجية أكثر من كونها بنية مختلفة جذريًا، لكن إن ثبتت صحتها على نطاق واسع فقد تُغيّر طريقة نمذجة الفرق وشحن المخرجات المنتجية.

كيف تقارن الميزات والأداء؟

تعكس المقاييس المسرَّبة صورة لنموذج أكثر قدرة وسرعة بكثير من نظرائه.

معجزة كتابة 3,000 سطر من الشيفرة

أكثر الادعاءات انتشارًا في التسريب هي قدرة Gemini 3.5 على توليد 3,000 سطرًا من الشيفرة القابلة للتنفيذ من طلب عالي المستوى واحد. المثال المحدد الذي أُشير إليه تضمّن طلب المستخدم من النموذج بناء محاكي Nintendo Game Boy.

في سير عمل قياسي مع GPT-4 أو Gemini 1.5، كانت هذه المهمة ستتطلب عشرات الطلبات: تفكيك بنية CPU، تعريف خريطة الذاكرة، معالجة عرض الرسوميات، وتصحيح الأخطاء بشكل تكراري. ويُقال إن Gemini 3.5 "Snow Bunny" أخرج قاعدة الشيفرة كاملة — بما في ذلك مجموعة تعليمات CPU، ومحاكاة GPU، ومعالجة الذاكرة — في تدفق واحد مستمر، ولم يتطلب الأمر سوى إصلاحات يدوية طفيفة لتمهيد ROMs حقيقية.

معايير الأداء: Gemini 3.5 مقابل GPT-5.2 مقابل Claude Opus 4.5

تُعد سرعة 218 رمزًا في الثانية مثيرة للقلق على نحو خاص للمنافسين.

إن تشغيل نموذج بهذا العمق في الاستدلال بهذه السرعة العالية يوحي بتحسينات هائلة في بنية TPU v6 لدى Google أو باختراق في معمارية النماذج المتناثرة.

مثال على الشيفرة: قدرة "One‑Shot"

لتوضيح تعقيد ما تتضمنه "3,000 سطر من الشيفرة"، ضع في الاعتبار أن النموذج لا يكتب مجرد برنامج بسيط. إنه يُصمّم نظامًا.

أدناه مقتطف تصوري لكيف قد يُهيكل Gemini 3.5 وحدة إدارة الذاكرة (MMU) الخاصة بمحاكي Game Boy المُسرَّب في مرور واحد.

ملاحظة: التالي مقتطف تمثيلي لنوع المنطق منخفض المستوى الذي يُولّده "Snow Bunny" ذاتيًا.

python

class GameBoyMMU:
    def __init__(self, bios_path):
        self.bios = self.load_bios(bios_path)
        self.rom = bytearray(0x8000)  # 32k Cartridge
        self.vram = bytearray(0x2000) # 8k Video RAM
        self.wram = bytearray(0x2000) # 8k Working RAM
        self.zram = bytearray(0x80)   # Zero-page RAM
        self.in_bios = True

    def load_bios(self, path):
        try:
            with open(path, 'rb') as f:
                return bytearray(f.read())
        except FileNotFoundError:
            return bytearray(256)

    def read_byte(self, address):
        # BIOS Mapping
        if self.in_bios and address < 0x0100:
            return self.bios[address]
        elif address == 0x0100:
            self.in_bios = False
        
        # Memory Map Routing
        if 0x0000 <= address < 0x8000:
            return self.rom[address]
        elif 0x8000 <= address < 0xA000:
            return self.vram[address - 0x8000]
        elif 0xC000 <= address < 0xE000:
            return self.wram[address - 0xC000]
        elif 0xFF80 <= address < 0xFFFF:
            return self.zram[address - 0xFF80]
        # ... (Extended handling for I/O registers, Interrupts, Echo RAM)
        return 0xFF

    def write_byte(self, address, value):
        # VRAM Write (Block during rendering modes if necessary)
        if 0x8000 <= address < 0xA000:
            self.vram[address - 0x8000] = value
        # DMA Transfer Trigger
        elif address == 0xFF46:
            self.dma_transfer(value)
        # ... (Complex logic for banking, timer controls, audio registers)
        
    def dma_transfer(self, source_high):
        # Direct Memory Access implementation simulating 160ms cycle
        source_addr = source_high << 8
        for i in range(0xA0):
            byte = self.read_byte(source_addr + i)
            self.write_byte(0xFE00 + i, byte) # Write to OAM

في تفاعل نموذجي، قد يطلب المستخدم ببساطة: "أنشئ محاكيًا متكامل الوظائف لـ Game Boy بلغة Python يتعامل مع تحميل BIOS ورسم خريطة الذاكرة وتعليمات CPU الأساسية." ثم يُولّد Gemini 3.5 الفئة أعلاه، إلى جانب فئة CPU وPPU (وحدة معالجة البكسل)، والحلقة التنفيذية الرئيسية، مع الحفاظ على الاتساق عبر آلاف الأسطر.

متى سيتم إصداره؟

على الرغم من أن Google لم تؤكد رسميًا موعد الإصدار، فإن تلاقي التسريبات يُشير إلى أن الإعلان بات وشيكًا.

• الجدول الزمني: تبدو متغيّرات الاختبار الداخلية ونقطة التحقق "Snow Bunny" في مراحل تحقق متقدمة. وتشير التكهنات إلى احتمال طرح مفاجئ "shadow drop" أو كشف كبير في فبراير 2026، ربما لاستباق إصدارات المنافسين.
• الحالة الحالية: النموذج في بيتا خاصة حاليًا، متاح فقط لمختبرين موثوقين مختارين وشركاء المؤسسات عبر Vertex AI.

---

ما تفاصيل التسعير والتكلفة؟

لا يزال التسعير واحدًا من أكثر جوانب استراتيجية Gemini جرأة. تُشير الشائعات إلى أن Google تنوي خفض الأسعار بشكل كبير، مستفيدة من تكاملها الرأسي بين العتاد (TPUs) والبرمجيات.

• Gemini 3.5 Flash: تُشير الأسعار المسرَّبة إلى نحو $0.50 لكل مليون رمز إدخال. وهذا أقل بنحو 70% مقارنة بالنماذج "الذكية" المماثلة لدى المنافسين.
• Gemini 3.5 Pro/Ultra: من المتوقع أن يكون التسعير تنافسيًا، مع احتمال تقديم نموذج اشتراك متدرّج لقدرات "Deep Think".
• رسوم إضافية لـ Deep Think: هناك تكهنات بأن وضع الاستدلال "System 2" قد يُكلّف أكثر لكل رمز بسبب الوقت الحاسوبي المُضاف الذي يتطلبه "تفكير" النموذج قبل توليد الإجابة.

الخلاصة

إن صحّت تسريبات "Snow Bunny"، فإن Google Gemini 3.5 ليس مجرد تحديث تدريجي؛ بل إعلان قوي عن الهيمنة. عبر حل مشكلة "الترميز الكسول" وتمكين توليد شيفرة ضخمة ومتسقة، قد تكون Google على وشك تحويل المطوّرين من كتّاب شيفرة إلى مهندسي أنظمة. وبينما نترقّب الكلمة الرسمية، شيء واحد واضح: سباق التسلّح في الذكاء الاصطناعي قد تسارع للتو إلى سرعات فرط‑صوتية.

يمكن للمطورين الوصول إلى Gemini 3 Flash وGemini 3 Pro CometAPI، وآخر النماذج المُدرجة هي وفقًا لتاريخ نشر المقال. للبدء، استكشف قدرات النموذج في Playground وراجع دليل API للحصول على تعليمات مفصّلة. قبل الوصول، يُرجى التأكد من تسجيل الدخول إلى CometAPI والحصول على مفتاح API. تُقدّم CometAPI سعرًا أقل بكثير من السعر الرسمي لمساعدتك على الدمج.

هل أنت جاهز؟→ سجّل في Gemini 3 اليوم !

إذا أردت المزيد من النصائح والأدلة والأخبار حول الذكاء الاصطناعي، تابعنا على VK، وX، وDiscord!