Google Gemini 3.5(Snow Bunny) Tertiris: Segala yang perlu anda ketahui

Google secara senyap sedang menguji iterasi dalaman baharu bagi keluarga Gemini — dilaporkan pelbagai sebagai “Gemini 3.5” dan dengan nama kod dalaman yang menarik “Snow Bunny.” Bernama kod "Snow Bunny," titik semak dalaman ini dilaporkan telah memecahkan penanda aras sedia ada, menunjukkan keupayaan yang belum pernah dicapai untuk menjana keseluruhan aplikasi perisian—sehingga 3,000 baris kod berfungsi—dalam satu prompt.

Ketika Silicon Valley berkejaran untuk mengesahkan data tersebut, laporan awal mencadangkan bahawa Google telah mencapai satu terobosan dalam penaakulan "System 2", membolehkan Gemini 3.5 berhenti, berfikir, dan mereka bentuk sistem kompleks dengan kecekapan yang mengatasi peneraju semasa seperti GPT-5.2 dan Claude Opus 4.5.

Apakah Gemini 3.5 "Snow Bunny"?

Gemini 3.5, yang dirujuk secara dalaman dengan nama kod "Snow Bunny," kelihatan menjadi jawapan terus Google terhadap kemandekan keupayaan penaakulan model yang diperhatikan pada akhir 2025. Tidak seperti pendahulunya, yang banyak menumpukan pada kefahaman multimodal dan saiz tetingkap konteks, Gemini 3.5 mewakili peralihan paradigma ke arah ufuk kognitif yang diperluas dan seni bina perisian autonomi.

Seni Bina "Snow Bunny"

Gelaran "Snow Bunny" dikatakan merujuk kepada titik semak model khusus berprestasi tinggi yang kini menjalani ujian A/B di platform Vertex AI dan AI Studio Google. Kebocoran itu mencadangkan bahawa ini bukan sekadar penyegaran "Pro" atau "Ultra" tetapi peningkatan seni bina asas yang mengintegrasikan keupayaan "Deep Think".

Varian Model Khusus

Kebocoran menunjukkan bahawa "Snow Bunny" mungkin sebuah keluarga model khusus, bukannya monolit tunggal. Dua varian khusus telah dikenal pasti dalam dokumentasi yang bocor:

• Fierce Falcon: Varian yang dioptimumkan untuk kelajuan pengiraan mentah dan deduksi logik, berkemungkinan disasarkan kepada pengaturcaraan kompetitif dan analisis data pantas.
• Ghost Falcon: Kuasa kreatif yang direka untuk "vibe coding," mengendalikan reka bentuk UI/UX, penjanaan SVG, sintesis audio, dan kesan visual dengan ketepatan tinggi.

Penaakulan System 2: Mod "Deep Think"

Ciri penentu Gemini 3.5 ialah enjin "System 2" yang dikhabarkan. Berinspirasikan psikologi kognitif manusia, sistem ini membolehkan model "berhenti" sebelum memberi respons kepada pertanyaan kompleks. Daripada meramal token seterusnya serta-merta, model ini terlibat dalam proses rantaian pemikiran tersembunyi, menilai pelbagai laluan pelaksanaan untuk kod atau teka-teki logik. Togol "Deep Think" ini dilaporkan telah melonjakkan skor penanda arasnya ke wilayah yang belum diterokai.

---

Siapa Mendedahkan Berita Ini?

Kewujudan Gemini 3.5 didedahkan melalui siri kebocoran yang diselaraskan di platform media sosial X (dahulunya Twitter) dan blog teknikal pada akhir Januari 2026.

• Sumber Utama: Pendedahan besar awal datang daripada blogger teknologi dan orang dalam Pankaj Kumar, yang berkongsi tangkapan skrin dan log model "Snow Bunny" beraksi. Siarannya memperincikan keupayaan model untuk melakukan tugas kejuruteraan kompleks secara "one-shot".
• Pengesahan Penanda Aras: Seorang pengguna dikenali sebagai "Leo," yang menyelenggara penanda aras penaakulan lateral Hieroglyph, mengesahkan kebocoran tersebut. Dia menyiarkan keputusan menunjukkan varian "Snow Bunny" mencapai kadar kejayaan 80-88% dalam tugasan pemikiran lateral—ujian yang kebanyakan model, termasuk GPT-5.2, sukar melepasi 55%.
• Pengesahan Teknikal: Kredibiliti lanjut ditambah apabila pemboleh ubah "gemini-for-google-3.5" muncul dalam kod backend perkhidmatan API Google, menunjukkan bahawa infrastruktur untuk pelancaran awam sudah tersedia.

Apa yang membezakan 3.5 daripada 3.0 / 3 Flash?

Berdasarkan laporan kebocoran, pembeza utama ialah:

• Sintesis kod berskala besar pada aras sistem: keupayaan mengekalkan keadaan global dan seni bina merentasi ribuan baris (bukan sekadar penjanaan fungsi terasing).
• Penjanaan artifak multimodal bersepadu: sesi yang sama menghasilkan kod, grafik vektor, dan audio asli dalam satu aliran kerja yang koheren.
• Kawalan penaakulan berbutir halus: togol eksperimen (cth., “Deep Think” / “System2”) untuk menukar kependaman dengan carian gaya rantaian pemikiran yang lebih mendalam secara dalaman.

Ini kedengaran seperti kemajuan kejuruteraan iteratif dan bukannya seni bina yang benar-benar berbeza, tetapi jika disahkan pada skala besar ia akan mengubah cara pasukan membuat prototaip dan menghantar artifak produk.

Bagaimana Ciri dan Prestasinya Dibandingkan?

Metrik yang bocor menggambarkan model yang jauh lebih berkeupayaan dan pantas daripada pesaingnya. 

Keajaiban Pengekodan 3,000 Baris

Dakwaan paling tular daripada kebocoran ialah keupayaan Gemini 3.5 untuk menjana 3,000 baris kod boleh laksana daripada satu prompt peringkat tinggi. Contoh khusus yang disebut melibatkan pengguna meminta model membina sebuah emulator Nintendo Game Boy.

Dalam aliran kerja standard dengan GPT-4 atau Gemini 1.5, tugas ini memerlukan berpuluh-puluh prompt: menghuraikan seni bina CPU, mentakrifkan peta memori, mengendalikan render grafik, dan menyahpepijat secara berulang. Gemini 3.5 "Snow Bunny" dilaporkan mengeluarkan keseluruhan pangkalan kod—termasuk set arahan CPU, emulasi GPU, dan pengendalian memori—dalam satu aliran berterusan, hanya memerlukan pembetulan manual kecil untuk but ROM sebenar.

Penanda Aras Prestasi: Gemini 3.5 vs GPT-5.2 vs Claude Opus 4.5

Kelajuan 218 tokens per second amat membimbangkan pesaing. 

 Bagi model dengan kedalaman penaakulan seperti ini untuk berjalan pada kelajuan setinggi itu membayangkan pengoptimuman besar-besaran pada infrastruktur TPU v6 Google atau terobosan dalam seni bina model jarang.

Contoh Kod: Keupayaan "One-Shot"

Untuk menggambarkan kerumitan apa yang dimaksudkan dengan "3,000 baris kod", perlu difahami bahawa model ini bukan sekadar menulis skrip ringkas. Ia mereka bentuk sebuah sistem. 

 Di bawah ialah petikan konseptual tentang bagaimana Gemini 3.5 mungkin menyusun Unit Pengurusan Memori (MMU) bagi emulator Game Boy yang bocor dalam satu lintasan.

Nota: Berikut ialah petikan representatif jenis logik aras rendah yang dihasilkan "Snow Bunny" secara autonomi.

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

Dalam interaksi biasa, pengguna hanya akan memberikan prompt: "Cipta emulator Game Boy berfungsi penuh dalam Python yang mengendalikan pemuatan BIOS, pemetaan memori, dan opcode CPU asas." Gemini 3.5 kemudian menjana kelas di atas, bersama kelas CPU, PPU (Pixel Processing Unit), dan gelung pelaksanaan utama, mengekalkan kekohesifan merentasi ribuan baris.

Bilakah Ia Akan Dilancarkan?

Walaupun Google belum secara rasmi mengesahkan tarikh pelancaran, pertemuan pelbagai kebocoran mencadangkan pengumuman bakal berlaku tidak lama lagi. 

• Garis masa: Pemboleh ubah ujian dalaman dan titik semak "Snow Bunny" kelihatan berada pada fasa pengesahan peringkat akhir. Spekulasi menunjukkan kemungkinan "shadow drop" atau pendedahan besar pada Februari 2026, berkemungkinan untuk mendahului pelancaran pesaing.
• Status Semasa: Model ini kini dalam beta peribadi, hanya boleh diakses oleh penguji dipercayai terpilih dan rakan kongsi perusahaan melalui Vertex AI.

---

Apakah Butiran Harga dan Kos?

Harga kekal sebagai salah satu aspek paling agresif dalam strategi Gemini. Khabar angin menunjukkan bahawa Google berhasrat untuk menawarkan harga lebih rendah daripada pasaran dengan ketara, memanfaatkan integrasi menegak perkakasan (TPU) dan perisian.

• Gemini 3.5 Flash: Harga yang bocor menunjukkan kira-kira $0.50 per 1 million input tokens. Ini kira-kira 70% lebih murah daripada model "pandai" setanding daripada pesaing.
• Gemini 3.5 Pro/Ultra: Harga dijangka kompetitif, berpotensi memperkenalkan model langganan berperingkat untuk keupayaan "Deep Think".
• Caj Tambahan Deep Think: Terdapat spekulasi bahawa mod penaakulan "System 2" mungkin menelan kos lebih tinggi per token kerana masa pengiraan tambahan yang diperlukan untuk model "berfikir" sebelum menjana jawapan.

Kesimpulan

Jika kebocoran "Snow Bunny" benar, Google Gemini 3.5 bukan sekadar kemas kini inkremental; ia adalah pernyataan dominasi yang tegas. Dengan menyelesaikan masalah "lazy coding" dan membolehkan penjanaan kod yang besar dan koheren, Google mungkin berada di ambang mengubah pembangun daripada penulis kod kepada arkitek sistem. Sambil kita menantikan ucaptama rasmi, satu perkara jelas: perlumbaan senjata AI baru sahaja dipacu ke kelajuan hipersonik.

Pembangun boleh mengakses Gemini 3 Flash dan Gemini 3 Pro CometAPI, model terkini yang disenaraikan adalah setakat tarikh penerbitan artikel. Untuk bermula, terokai keupayaan model dalam Playground dan rujuk panduan API untuk arahan terperinci. Sebelum mengakses, pastikan anda telah log masuk ke CometAPI dan memperoleh kunci API. CometAPI menawarkan harga jauh lebih rendah daripada harga rasmi untuk membantu anda melakukan integrasi.

Sedia untuk bermula?→ Daftar untuk Gemini 3 hari ini !

Jika anda mahu mengetahui lebih banyak tip, panduan dan berita tentang AI ikuti kami di VK, X dan Discord!