Google Gemini 3.5(Snow Bunny) لیک: وہ سب کچھ جو آپ کو جاننا چاہیے

Google خاموشی سے اپنی Gemini فیملی کی ایک نئی داخلی تکرار کی آزمائش کر رہا ہے — جسے مختلف رپورٹوں میں “Gemini 3.5” اور دلچسپ داخلی کوڈنام “Snow Bunny.” کہا گیا ہے۔ کوڈنام "Snow Bunny," کے ساتھ، یہ داخلی چیک پوائنٹ مبینہ طور پر موجودہ بینچ مارکس کو توڑ چکا ہے اور ایک ہی پرامپٹ میں مکمل سافٹ ویئر ایپلی کیشنز—3,000 لائنوں تک فعال کوڈ—جنریٹ کرنے کی بے مثال صلاحیت دکھا رہا ہے۔

جبکہ سلیکون ویلی ڈیٹا کی تصدیق کے لیے کوشاں ہے، ابتدائی رپورٹیں اشارہ کرتی ہیں کہ Google نے "System 2" استدلال میں پیش رفت حاصل کر لی ہے، جس سے Gemini 3.5 رک کر سوچنے اور پیچیدہ نظاموں کی ساخت وضع کرنے کے قابل ہو جاتا ہے—ایسی مہارت کے ساتھ جو موجودہ رہنماؤں جیسے GPT-5.2 اور Claude Opus 4.5 کو پیچھے چھوڑ دیتی ہے۔

Gemini 3.5 "Snow Bunny" کیا ہے؟

Gemini 3.5، جسے اندرونی طور پر کوڈنام "Snow Bunny" سے پکارا جاتا ہے، 2025 کے اواخر میں ماڈل کی استدلالی صلاحیتوں کی جمودی کیفیت کے لیے Google کا براہِ راست جواب دکھائی دیتا ہے۔ اپنے پیش رو ماڈلز کے برعکس، جو ملٹی موڈل سمجھ بوجھ اور کانٹیکسٹ ونڈو کے سائز پر زیادہ زور دیتے تھے، Gemini 3.5 توسیع شدہ ادراکی افق اور خودمختار سافٹ ویئر آرکیٹیکچر کی سمت ایک پیراڈائم شفٹ کی نمائندگی کرتا ہے۔

"Snow Bunny" آرکیٹیکچر

"Snow Bunny" کا نام مبینہ طور پر ماڈل کے ایک مخصوص، ہائی پرفارمنس چیک پوائنٹ کی طرف اشارہ کرتا ہے جو اس وقت Google's Vertex AI اور AI Studio پلیٹ فارمز پر A/B ٹیسٹنگ سے گزر رہا ہے۔ لیک سے اشارہ ملتا ہے کہ یہ صرف "Pro" یا "Ultra" کی تازہ کاری نہیں بلکہ "Deep Think" صلاحیتوں کو ضم کرنے والی ایک بنیادی معماری اپ گریڈ ہے۔

مخصوص ماڈل ویریئنٹس

لیک سے ظاہر ہوتا ہے کہ "Snow Bunny" ایک واحد ماڈل کے بجائے تخصص یافتہ ماڈلز کا خاندان ہو سکتا ہے۔ لیک شدہ دستاویزات میں دو مخصوص ویریئنٹس شناخت کیے گئے ہیں:

• Fierce Falcon: خام کمپیوٹیشنل رفتار اور منطقی استنتاج کے لیے موزوں بنایا گیا ویریئنٹ، غالباً مسابقتی پروگرامنگ اور تیز رفتار ڈیٹا اینالیسس کو ہدف بناتا ہے۔
• Ghost Falcon: تخلیقی طاقت سے بھرپور ویریئنٹ جو "وائب کوڈنگ" کے لیے ڈیزائن کیا گیا ہے، UI/UX ڈیزائن، SVG جنریشن، آڈیو سنتھیسِس اور ویژول ایفیکٹس کو اعلیٰ وفاداری کے ساتھ سنبھالتا ہے۔

System 2 استدلال: "Deep Think" موڈ

Gemini 3.5 کی نمایاں خصوصیت اس کا مبینہ "System 2" ریزننگ انجن ہے۔ انسانی ادراکی نفسیات سے اخذ کردہ، یہ نظام ماڈل کو پیچیدہ سوالات کے جواب سے پہلے "وقفہ" لینے دیتا ہے۔ اگلا ٹوکن فوراً پیش گوئی کرنے کے بجائے، ماڈل پوشیدہ chain-of-thought عمل میں مشغول ہوتا ہے اور کوڈ یا منطقی پہیلیوں کے لیے متعدد نفاذی راستوں کا جائزہ لیتا ہے۔ یہی "Deep Think" ٹوگل مبینہ طور پر اس کے بینچ مارک اسکورز کو انجانے علاقوں تک لے گیا ہے۔

---

خبر کس نے توڑی؟

Gemini 3.5 کی موجودگی ایک سلسلہ وار مربوط لیکس کے ذریعے سوشل میڈیا پلیٹ فارم X (سابقہ Twitter) اور تکنیکی بلاگز پر جنوری 2026 کے اواخر میں سامنے آئی۔

• Primary Source: ابتدائی بڑا انکشاف ٹیک بلاگر اور اِن سائیڈر Pankaj Kumar کی جانب سے آیا، جنہوں نے "Snow Bunny" ماڈل کی کارکردگی کے اسکرین شاٹس اور لاگز شیئر کیے۔ ان کی پوسٹس میں ماڈل کی پیچیدہ انجینئرنگ ٹاسکس کو "ون شاٹ" مکمل کرنے کی صلاحیت کی تفصیل دی گئی۔
• Benchmark Validation: "Leo" کے نام سے معروف ایک صارف، جو Hieroglyph پہلو دار استدلال بینچ مارک کی دیکھ بھال کرتا ہے، نے لیکس کی تصدیق کی۔ اس نے نتائج شائع کیے جن میں "Snow Bunny" ویریئنٹ نے پہلو دار استدلال کے کاموں میں 80-88% کامیابی دکھائی—ایک ایسا ٹیسٹ جہاں زیادہ تر ماڈلز، بشمول GPT-5.2، 55% سے آگے بڑھنے میں مشکل محسوس کرتے ہیں۔
• Technical Confirmation: مزید ساکھ اس بات سے ملی کہ Google's API سروسز کے بیک اینڈ کوڈ میں 'gemini-for-google-3.5' ویریئیبلز نمودار ہوتے دیکھے گئے، جس سے یہ اشارہ ملا کہ عوامی لانچ کے لیے انفراسٹرکچر پہلے ہی موجود ہے۔

3.5 کو 3.0 / 3 Flash سے کیا ممیز کرے گا؟

لیک رپورٹنگ کی بنیاد پر، بنیادی امتیازات یہ ہیں:

• وسیع پیمانے پر، سسٹمز-لیول کوڈ سنتھیسِس: ہزاروں لائنوں میں عالمی اسٹیٹ اور آرکیٹیکچر برقرار رکھنے کی صلاحیت (صرف الگ تھلگ فنکشن جنریشن نہیں).
• متحد ملٹی موڈل آرٹیفیکٹ جنریشن: ایک ہی سیشن میں کوڈ، ویکٹر گرافکس اور نیٹو آڈیو کو ایک مربوط ورک فلو میں پیدا کرنا۔
• باریک بین استدلالی کنٹرولز: تجرباتی ٹوگلز (مثلاً “Deep Think” / “System2”) جن کے ذریعے اندرونی طور پر مزید گہرے chain-of-thought طرزِ تلاش کے لیے لیٹنسی کا تبادلہ کیا جا سکے۔

یہ ایک بالکل مختلف آرکیٹیکچر کے بجائے تکراری انجینئرنگ پیش رفتیں محسوس ہوتی ہیں، لیکن اگر بڑے پیمانے پر درست ثابت ہوئیں تو یہ اس بات کو بدل سکتی ہیں کہ ٹیمیں پروڈکٹ آرٹیفیکٹس کو کیسے پروٹو ٹائپ کرتی اور شپ کرتی ہیں۔

فیچرز اور کارکردگی کا موازنہ کیسے بنتا ہے؟

لیک شدہ میٹرکس ایک ایسے ماڈل کی تصویر پیش کرتے ہیں جو اپنے ہم عصروں کے مقابلے میں نمایاں طور پر زیادہ قابل اور تیز ہے۔

3,000 لائن کوڈنگ کا معجزہ

لیک سے سب سے زیادہ وائرل دعویٰ یہ ہے کہ Gemini 3.5 ایک واحد، ہائی لیول پرامپٹ سے 3,000 لائنوں کا اجرا پذیر کوڈ جنریٹ کرنے کی صلاحیت رکھتا ہے۔ جس مخصوص مثال کا حوالہ دیا گیا، اس میں ایک صارف نے ماڈل سے Nintendo Game Boy emulator بنانے کو کہا تھا۔

GPT-4 یا Gemini 1.5 کے ساتھ ایک معیاری ورک فلو میں یہ کام درجنوں پرامپٹس مانگتا ہے: CPU آرکیٹیکچر کو توڑ کر سمجھنا، میموری میپ کی تعریف کرنا، گرافکس رینڈرنگ سنبھالنا، اور بتدریج ڈیبگ کرنا۔ Gemini 3.5 "Snow Bunny" نے مبینہ طور پر پورا کوڈ بیس—جس میں CPU انسٹرکشن سیٹ، GPU ایمولیشن اور میموری ہینڈلنگ شامل ہیں—ایک مسلسل اسٹریم میں آؤٹ پٹ کیا، اور حقیقی ROMs کو بوٹ کرنے کے لیے صرف معمولی دستی ترمیم درکار ہوئی۔

کارکردگی بینچ مارکس: Gemini 3.5 بمقابلہ GPT-5.2 بمقابلہ Claude Opus 4.5

218 tokens per second کی رفتار خاص طور پر مقابلین کے لیے تشویش ناک ہے۔

ایسی استدلالی گہرائی رکھنے والے ماڈل کا اتنی بلند رفتاری سے چلنا Google's TPU v6 انفراسٹرکچر میں بڑے پیمانے کی آپٹیمائزیشن یا sparse ماڈل آرکیٹیکچر میں کسی پیش رفت کی نشاندہی کرتا ہے۔

کوڈ مثال: "ون شاٹ" صلاحیت

"3,000 لائنوں کے کوڈ" کی پیچیدگی کو واضح کرنے کے لیے یہ ذہن میں رکھیں کہ ماڈل صرف کوئی سادہ اسکرپٹ نہیں لکھ رہا۔ یہ ایک نظام کی آرکیٹیکچر بنا رہا ہے۔

ذیل میں ایک تصوری اسنیپٹ ہے کہ Gemini 3.5 ایک ہی پاس میں لیک شدہ Game Boy emulator کے Memory Management Unit (MMU) کو کیسے ساخت دے سکتا ہے۔

نوٹ: ذیل میں وہ نمائندہ اقتباس ہے جس نوعیت کی لو لیول لاجک "Snow Bunny" خودکار طور پر جنریٹ کرتا ہے۔

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

ایک معمول کی بات چیت میں، صارف بس یوں پرامپٹ دے گا: "Python میں ایک مکمل فعال Game Boy emulator بنائیں جو BIOS لوڈنگ، میموری میپنگ اور بنیادی CPU اوپ کوڈز کو سنبھالے." Gemini 3.5 پھر اوپر دیا گیا کلاس، ساتھ ہی CPU کلاس، PPU (Pixel Processing Unit)، اور مین ایگزیکیوشن لوپ جنریٹ کر دیتا ہے، اور ہزاروں لائنوں میں ہم آہنگی برقرار رکھتا ہے۔

یہ کب جاری ہوگا؟

اگرچہ Google نے باضابطہ ریلیز ڈیٹ کی تصدیق نہیں کی، لیکن لیکس کا اتصال اس امر کی طرف اشارہ کرتا ہے کہ اعلان قریب ہے۔

• Timeline: داخلی ٹیسٹنگ ویریئیبلز اور "Snow Bunny" چیک پوائنٹ آخری مرحلے کی ویلیڈیشن میں نظر آتے ہیں۔ قیاس آرائیاں ممکنہ "شیڈو ڈراپ" یا فروری 2026 میں بڑے اعلان کی طرف اشارہ کرتی ہیں، ممکنہ طور پر حریفوں کی ریلیز سے پہلے۔
• Current Status: ماڈل اس وقت پرائیویٹ بیٹا میں ہے، اور صرف چنیدہ قابلِ اعتماد ٹیسٹرز اور انٹرپرائز پارٹنرز کے لیے Vertex AI کے ذریعے قابلِ رسائی ہے۔

---

قیمت اور لاگت کی تفصیلات کیا ہیں؟

قیمت گذاری Gemini حکمتِ عملی کے سب سے جارحانہ پہلوؤں میں سے ایک ہے۔ افواہیں بتاتی ہیں کہ Google ہارڈویئر (TPUs) اور سافٹ ویئر کی عمودی انضمامیت سے فائدہ اٹھاتے ہوئے مارکیٹ کو نمایاں طور پر کم قیمتوں سے زیر کرنے کا ارادہ رکھتا ہے۔

• Gemini 3.5 Flash: لیک شدہ قیمتوں کے مطابق تقریباً $0.50 فی 1 million ان پٹ ٹوکنز۔ یہ حریفوں کے قابلِ تقابل "سمارٹ" ماڈلز کے مقابلے میں لگ بھگ 70% کم ہے۔
• Gemini 3.5 Pro/Ultra: قیمتیں مسابقتی ہونے کی توقع ہے، اور ممکنہ طور پر "Deep Think" صلاحیتوں کے لیے درجہ وار سبسکرپشن ماڈل متعارف کرایا جا سکتا ہے۔
• Deep Think Surcharge: قیاس کیا جا رہا ہے کہ "System 2" ریزننگ موڈ میں فی ٹوکن لاگت زیادہ ہو سکتی ہے، کیونکہ جواب جنریٹ کرنے سے پہلے ماڈل کو "سوچنے" کے لیے مزید کمپیوٹ وقت درکار ہوتا ہے۔

نتیجہ

اگر "Snow Bunny" کے لیکس درست ثابت ہوتے ہیں، تو Google Gemini 3.5 محض ایک بتدریج اپ ڈیٹ نہیں؛ یہ غلبے کا ایک مضبوط اعلان ہے۔ "Lazy coding" مسئلے کو حل کر کے اور وسیع، ہم آہنگ کوڈ جنریشن کو ممکن بنا کر، Google شاید ڈیولپرز کو کوڈ لکھنے والوں سے سسٹم آرکیٹیکٹس میں تبدیل کرنے کے دہانے پر ہے۔ جب تک ہم سرکاری کی نوٹ خطاب کا انتظار کرتے ہیں، ایک بات واضح ہے: AI کی ہتھیاروں کی دوڑ ابھی ہائپر سونک رفتار تک تیز ہو گئی ہے۔

ڈیولپرز Gemini 3 Flash اور Gemini 3 Pro کو CometAPI کے ذریعے ایکسیس کر سکتے ہیں؛ درج شدہ تازہ ترین ماڈلز اس مضمون کی اشاعت کی تاریخ تک ہیں۔ شروع کرنے کے لیے، Playground میں ماڈل کی صلاحیتیں دریافت کریں اور تفصیلی ہدایات کے لیے API guide سے رجوع کریں۔ رسائی سے پہلے، براہِ کرم یقینی بنائیں کہ آپ نے CometAPI میں لاگ اِن کیا ہوا ہے اور API key حاصل کر لی ہے۔ CometAPI انضمام میں مدد کے لیے سرکاری قیمت کے مقابلے میں کہیں کم قیمت پیش کرتا ہے۔

تیار ہیں؟→ آج ہی Gemini 3 کے لیے سائن اپ کریں !

اگر آپ AI سے متعلق مزید ٹپس، رہنما اور خبریں جاننا چاہتے ہیں تو ہمیں VK، X اور Discord پر فالو کریں!