پیچای اعتراف کرد گوگل در حوزه کدنویسی هوش مصنوعی عقب‌مانده است؛ هم‌زمان با ورود Gemini 4 به مرحله پیش‌آموزش

آلفابت در تماس کنفرانسی مربوط به گزارش مالی سه‌ماهه دوم ۲۰۲۶ خود اعلام کرد که فرآیند پیش‌آموزش (pretraining) مدل Gemini 4 آغاز شده است. ساندار پیچای، مدیرعامل آلفابت، این مرحله را «جاه‌طلبانه‌ترین دور پیش‌آموزشی ما تا به امروز» توصیف کرد. این افشاگری با اذعانی صریح همراه بود: گوگل به مدل پایه بزرگ‌تری برای Gemini 4 نیاز دارد تا بتواند «در سطح مرزی (frontier level) رقابت کند؛ سطحی که تا زمان عرضه Gemini 4، مرزهای فناوری به آن نقطه رسیده‌اند». این جمله نشان می‌دهد که گوگل در حال آموزش مدلی علیه یک هدف متحرک است که رقبا فعالانه آن را به جلو می‌رانند.

شکافی که پیچای مستقیماً به آن اشاره کرد

پیچای به طور مشخص حوزه‌های کدنویسی (coding) و کدنویسی عاملی (agentic coding) را به عنوان زمینه‌هایی نیازمند بهبود معرفی کرد. این اذعان از مدیری که معمولاً در بیان شکاف‌های رقابتی محتاط است، غیرمعمول و مستقیم بود. این اظهارنظر در حالی مطرح می‌شود که دو خروج برجسته از گوگل رخ داده است: نعیم شزیر (Noam Shazeer)، یکی از سرپرستان تیم Gemini، و جان جامپر (John Jumper)، محقق AlphaFold، هر دو در ژوئن ۲۰۲۶ به ترتیب به OpenAI و Anthropic پیوستند. این جابجایی‌ها ظاهراً ناشی از نگرانی‌های داخلی در مورد توانایی‌های گوگل در حوزه کدنویسی هوش مصنوعی در مقایسه با رقبا بوده است.

شکاف در حوزه کدنویسی نشانه‌ای عینی و قابل مشاهده دارد. مدل Gemini 3.5 Pro که در کنفرانس Google I/O در می ۲۰۲۶ با وعده انتشار در ژوئن معرفی شد، هنوز تاریخ عرضه قطعی ندارد و این تأخیر به طور خاص ناشی از مشکلات عملکردی در کدنویسی است. در عوض، گوگل در ۲۱ جولای مدل Gemini 3.6 Flash را منتشر کرد؛ به‌روزرسانی برای رده کوچک‌تر Flash و نه یک عرضه پرچمدار. این مدل ۱۷٪ توکن خروجی کمتری نسبت به 3.5 Flash دارد، اما امتیاز آن در بنچمارک کدنویسی DeepSWE از ۳۷٪ به ۴۹٪ افزایش یافته است. این یک پیشرفت واقعی است، اما در رده‌ای پایین‌تر از رده‌ای رخ می‌دهد که گوگل واقعاً برای رقابت در بارهای کاری کدنویسی سازمانی و توسعه‌دهندگان به آن نیاز دارد.

چرا زمان‌بندی اهمیت دارد

اذعان پیچای در همان هفته‌ای صورت گرفت که آلفابت گزارش داد درآمد Google Cloud با ۸۲٪ رشد به ۲۴.۸ میلیارد دلار رسیده است که عمدتاً ناشی از تقاضا برای زیرساخت هوش مصنوعی است. این بدان معناست که کسب‌وکار ابری گوگل در حال حاضر از تقاضای هوش مصنوعی سود می‌برد، حتی در حالی که خط تولید مدل‌های خودش در یکی از باارزش‌ترین موارد استفاده (کدنویسی و وظایف عاملی) که این تقاضا را در سایر نقاط صنعت ایجاد می‌کند، عقب‌ماندگی دارد. مدل‌های Claude از Anthropic و مدل‌های کلاس GPT-5 از OpenAI سهم ذهنی قابل توجهی را در میان توسعه‌دهندگان، به طور خاص در زمینه عملکرد کدنویسی، به دست آورده‌اند. عرضه تأخیری یک مدل رده Pro و پیش‌آموزش یک Gemini 4 که هنوز نامشخص است، شکاف زمانی مشخصی (هرچند تأیید نشده) بین گوگل و دو رقیب نزدیکش در مرزهای فناوری ایجاد می‌کند.

گام بعدی چیست

هیچ تاریخ انتشار مشخصی برای Gemini 3.5 Pro یا Gemini 4 تعیین نشده است. چارچوب‌بندی پیچای – آموزش Gemini 4 برای رقابت در هر نقطه‌ای از مرز فناوری که تا زمان عرضه آن وجود خواهد داشت – به طور ضمنی اعتراف می‌کند که گوگل در حال آموزش علیه هدفی است که در حال حرکت است و مدل هنوز در مرحله پیش‌آموزش قرار دارد، نه علیه چشم‌انداز رقابتی امروز. برای شرکتی که درآمد ابری آن به طور فزاینده‌ای به دیده شدن به عنوان یک رهبر هوش مصنوعی گره خورده است، شکاف بین شتاب زیرساخت و رقابت‌پذیری در سطح مدل، اکنون داستان مهم‌تری نسبت به خود گزارش مالی خوب است.