گوگل به‌تازگی فرآیند عرضه پشتیبانی از مدل Gemini 4 Argon را در Antigravity، ابزار کدنویسی مبتنی بر هوش مصنوعی خود، آغاز کرده است. این مدل که اواخر سپتامبر معرفی شد و در روزهای ابتدایی همین هفته به‌صورت گسترده در اختیار کاربران قرار گرفته بود، اکنون در بستر آنتی‌گراویتی نیز قابل استفاده است.
آنتی‌گراویتی چیست و Argon چه جایگاهی در آن دارد؟
آنتی‌گراویتی (Antigravity) به تعبیر گوگل یک پلتفرم توسعه عاملی (Agentic Development Platform) است که با بهره‌گیری از هوش مصنوعی و عامل‌های هوشمند (Agents)، فرآیند کدنویسی و ساخت اپلیکیشن‌ها را تسهیل می‌کند. گوگل پیش‌تر در همین هفته اعلام کرده بود که Argon در آنتی‌گراویتی در دسترس خواهد بود و اکنون این قابلیت به‌طور فعال برای مشترکان AI Pro و AI Ultra در حال عرضه است.
سهمیه هفتگی اختصاصی برای Argon
گوگل در پیامی در شبکه اجتماعی ایکس (Twitter/X) اعلام کرد که یک «سهمیه هفتگی جداگانه و اختصاصی برای Argon» (Separate Weekly-Only Argon Quota) علاوه بر سهمیه موجود مدل Gemini 3.8 Flash در نظر گرفته شده است؛ به این معنا که کاربران می‌توانند بسته به نیاز خود از مدلی که مناسب‌تر است بهره ببرند. به گفته گوگل، Argon «برای رویارویی با دشوارترین مسائل شما طراحی شده است.»
نمونه‌های واقعی از کاربرد Argon در آنتی‌گراویتی
گوگل فهرستی از نمونه‌های داخلی استفاده از Argon در آنتی‌گراویتی را نیز منتشر کرده است:
- بهینه‌سازی بخش نظرات یوتیوب: Argon در آنتی‌گراویتی به تیم یوتیوب کمک کرد تا ردپای پردازشی (CPU Footprint) بخش فرانت‌اند نظرات این پلتفرم را به نصف کاهش دهد. با ردیابی داده‌های پروفایل تولید (Production Profile)، این مدل تشخیص داد که رندر تکراری ایموجی‌ها به‌تنهایی نزدیک به ۴۵ درصد از سربار سرور را تشکیل می‌دهد و در نهایت ۱۲ بهینه‌سازی هدفمند انجام شد. این تغییرات، تأخیر بارگذاری نظرات در سرور را ۳۰ میلی‌ثانیه و تأخیر سرتاسری سمت کلاینت را ۲۰ میلی‌ثانیه کاهش داد.
- اشکال‌زدایی شبیه‌ساز فیزیک پهپاد Wing: Argon شبیه‌ساز اختصاصی فیزیک پهپاد شرکت Wing را بررسی کرد و به‌جای تمرکز صرف بر ساختار کد، به استدلال درباره فیزیک و ریاضیات زیربنایی آن پرداخت. این مدل نقاط قابل بهبود در شبیه‌سازی‌های فیزیکی را مشخص کرد و ۱۸ بهبود مدل‌سازی هدفمند در حوزه‌های آیرودینامیک، پیشرانش و دینامیک سازه‌ای را برای رفع مشکلات دیرینه پیشنهاد داد.
- پاک‌سازی انبوه گزارش‌های باگ: Argon صف قدیمی متشکل از ۱۳۴ گزارش باگ باز در سرویس‌های متعدد را پردازش کرد و با اجرای عامل‌ها، مشخص کرد کدام موارد هنوز واقعی هستند؛ این کار با ارجاع متقابل به تاریخچه کامیت‌ها (Commit Histories)، بررسی رسیدن اصلاحات به محیط تولید و بازرسی تله‌متری زنده برای وقوع خطا انجام شد. در کمتر از ۳ ساعت، ۹۷ باگ منقضی یا تکراری با مستندات کامیت بسته شد (کاهش ۷۲.۴ درصدی صف) و ۳۷ مورد باقی‌مانده بر اساس مالک دسته‌بندی شدند.
- مهاجرت کدهای قدیمی: دهه‌ها پژوهش علمی حیاتی درون کدبیس‌های قدیمی و شکننده‌ای مانند Fortran محبوس مانده بود. یک تیم با استفاده از مهارت سفارشی (Custom Skill) در آنتی‌گراویتی، Argon را برای نقشه‌برداری و اجرای بازنویسی کامل به زبان مدرن Rust به کار گرفت. Argon به‌صورت خودمختار کدبیس نوسازی‌شده را تحویل داد و ضمن دستیابی به افزایش عملکرد ۱.۸ برابری و ایمنی حافظه، بنیانی مستحکم برای کارهای آینده دانشمندان فراهم کرد.
- انجام ممیزی‌های امنیتی: Argon برای ممیزی مجموعه‌ای از تغییرات کنترل دسترسی به کار رفت. این مدل به‌جای خواندن صرف تفاوت کد (Code Diff)، نحوه جریان واقعی مجوزها در زمان اجرا را ردیابی کرد و چهار باگ امنیتی حیاتی را کشف کرد؛ در حالی که دو مدل پیشروی پیشین همان کد را ممیزی کرده و هر دو نتیجه گرفته بودند هیچ حفره امنیتی وجود ندارد.
- دسته‌بندی تیکت‌های پشتیبانی تولید: Argon ده‌ها تیکت را از چرخه کشیک (On-Call Rotation) به‌صورت دسته‌ای پردازش می‌کند، آن‌ها را بر اساس نوع مشکل مرتب می‌سازد، ریشه علت را در کد و لاگ‌ها ردیابی می‌کند، راه‌حل پیشنهاد می‌دهد و پاسخ‌ها را برای تأیید انسانی آماده می‌کند. این فرآیند ۲ تا ۳ ساعت در هر شیفت آزاد کرده است.
- بومی‌سازی وب‌سایت بازاریابی: تیم DevRel آنتی‌گراویتی با استفاده از Argon، صدها صفحه از مستندات توسعه‌دهندگان را در چند ساعت به ۱۷ زبان بومی‌سازی کرد؛ فرآیندی که پیش‌تر چند هفته زمان می‌برد و اکنون نیروی انسانی صرفاً بر بازبینی باکیفیت تمرکز دارد.
- تسریع نوسازی خط لوله مراکز داده: یک مدیر برنامه فنی علوم داده با بهره‌گیری از Argon، توسعه یک خط لوله تحلیلی ۳۲۰۰ خطی برای ناوگان مراکز داده گوگل (شامل Python، SQL و داشبوردها) را در چند روز به محیط تولید رساند و معماری تمیز، آماده تولید و مقیاس‌پذیر برای تحلیل‌های ناوگانی ارائه کرد.
- ارزیابی مشتریان بالقوه فروش: Argon یک گردش‌کار خودکار ارزیابی صلاحیت برای یک مدیر حساب در حوزه فروش تبلیغات ساخت که ترافیک وب‌سایت شرکت‌های هدف را بررسی می‌کند، وجود قیف‌های تبدیل مشخص را تأیید می‌کند و با ارجاع متقابل به پایگاه داده فروش، صلاحیت مشتری را می‌سنجد. این کار زمان پژوهش را ۹۰ درصد کاهش داد و هفته‌ای بیش از ۱۰ ساعت از کار دستی کاست.
- برنامه‌ریزی و تحلیل مالی: یک سرپرست مالی با افزونه‌های سفارشی مالی، از Argon برای تطبیق سرتاسری مالی، پیگیری بودجه، استخراج قرارداد و گزارش‌های روزانه مدیریتی در ۸۰ گردش‌کار جداگانه استفاده کرد. در طول هفت روز کاری، ۱۵.۵ ساعت هدایت انسانی به حدود ۳۳۵ ساعت خروجی مالی معتبر معادل انسانی منجر شد و بیش از هشت هفته کار دستی را صرفه‌جویی کرد.
جمع‌بندی
عرضه Gemini 4 Argon در آنتی‌گراویتی نشان‌دهنده تمرکز جدی گوگل بر توسعه ابزارهای کدنویسی عاملی است؛ رویکردی که در آن مدل‌های هوش مصنوعی نه‌فقط کد تولید می‌کنند، بلکه به تحلیل، ممیزی، مهاجرت و بهینه‌سازی سیستم‌های نرم‌افزاری در مقیاس سازمانی می‌پردازند.