Gemini 3.1 Flash: اختبارات حية ومقارنة

ليزا إرنست · 02.04.2026 · الذكاء الاصطناعي · 8 دقائق

تطور الذكاء الاصطناعي في الوقت الفعلي: نظرة متعمقة على Gemini 3.1 Flash Live

في عالم الذكاء الاصطناعي المتوسع بسرعة، أصبح التفاعل في الوقت الفعلي معيارًا حاسمًا لكل من تجربة المستخدم والتطبيق العملي. بصفتي صحفية تغطي هذا المجال، شهدت تطورات لا حصر لها، لكن أحدث نموذج صوتي من Google، Gemini 3.1 Flash Live، يمثل قفزة كبيرة إلى الأمام في الذكاء الاصطناعي الحواري. يهدف هذا النموذج، الذي تم إصداره في 26 مارس 2026، إلى إعادة تعريف كيفية تفاعلنا مع الذكاء الاصطناعي، والتحرك نحو حوارات أكثر طبيعية واستجابة.

المصدر: تُصوّر هذه الصورة ثلاثة أفراد منغمسين في تجربة الواقع الافتراضي أو المعزز، مما يرمز إلى القدرات التفاعلية المتقدمة للذكاء الاصطناعي.

تضع Google Gemini 3.1 Flash Live كنموذج صوتي وكلام عالي الجودة، مصمم خصيصًا للمحادثات السلسة في الوقت الفعلي. لمزيد من التفاصيل، راجع بطاقة نموذج DeepMind. . يقوم بمعالجة تدفقات مستمرة من الصوت أو الفيديو أو النص، وإنشاء استجابات منطوقة فورية وشبيهة بالبشر، كما هو موثق في وثائق واجهة برمجة تطبيقات Gemini. . تعد هذه القدرة بتحويل كيفية بناء المطورين لوكلاء مدفوعين بالصوت وكيفية تجربة المستخدمين النهائيين لمساعدي الذكاء الاصطناعي.

ملخص سريع

• تاريخ الإصدار: 26 مارس 2026
• الغرض: مصمم لتفاعلات صوت وفيديو طبيعية وموثوقة في الوقت الفعلي.
• الميزة الرئيسية: يحل محل خط أنابيب النسخ والتفكير والتوليف القديم بعملية أصلية واحدة للصوت إلى الصوت، مما يقلل من زمن الاستجابة بشكل كبير.
• تعدد الوسائط: يدعم مدخلات النص والصورة والصوت والفيديو، مع مخرجات نصية وصوتية.
• الأداء: يحقق 90.8٪ في ComplexFuncBench Audio لاستدعاءات الوظائف متعددة الخطوات و 36.1٪ في Audio MultiChallenge من Scale AI (مع تمكين التفكير).
• متعدد اللغات: متعدد اللغات بطبيعته، ويدعم أكثر من 90 لغة في أكثر من 200 دولة.
• الأمان: يتم وضع علامة مائية على جميع الأصوات التي تم إنشاؤها باستخدام SynthID لمنع المعلومات المضللة.
• سهولة الوصول: متاح عبر واجهة برمجة تطبيقات Gemini Live في Google AI Studio للمطورين وتطبيق/بحث Gemini Live للمستخدمين النهائيين.

لبنات بناء Gemini 3.1 Flash Live

Gemini 3.1 Flash Live هو جزء من سلسلة نماذج Gemini 3، المشهورة بقدراتها في التفكير متعدد الوسائط، والتي يمكنك استكشافها على صفحة نماذج DeepMind Gemini. . تم تطوير النموذج بالتعاون مع فرق السلامة والمسؤولية الداخلية، وخضع لتقييمات مكثفة وأنشطة اختبار اختراق لتعزيز أدائه وسلامته، كما هو مفصل في بطاقة نموذج Gemini 3.1 Flash Live. . تلتزم إرشادات السلامة الخاصة به بإطار Google القياسي لمنع إنشاء محتوى ضار، المنشور على بطاقة نموذج DeepMind Gemini.

التقدم التكنولوجي الأساسي في Flash Live هو انتقاله من خط أنابيب النسخ والتفكير والتوليف القديم إلى عملية أصلية واحدة للصوت إلى الصوت. يقلل هذا التغيير بشكل كبير من زمن الاستجابة، وهو عامل حاسم للمحادثة الطبيعية، كما هو ملاحظ في بطاقة نموذج DeepMind. . يتفوق هذا النموذج في معالجة مدخلات النص والصورة والصوت والفيديو، وتقديم مخرجات نصية وصوتية، وفقًا لـ وثائق واجهة برمجة تطبيقات Gemini. . يبلغ حد الرمز للمدخلات 131,072، وحد الرمز للمخرجات 65,536، كما تم تسليط الضوء عليه أيضًا في وثائق واجهة برمجة تطبيقات Gemini.

الأداء والقدرات في سيناريوهات العالم الحقيقي

يُظهر Gemini 3.1 Flash Live أداءً قويًا عبر العديد من المعايير التي تركز على مهام المحادثة المعقدة. في ComplexFuncBench Audio، وهو معيار لاستدعاءات الوظائف متعددة الخطوات، حقق النموذج درجة 90.8٪، مما يشير إلى موثوقية عالية للمهام المتسلسلة مثل حجز أحداث التقويم أو إرسال رسائل البريد الإلكتروني أثناء التفاعل الصوتي، كما هو موثق في بطاقة نموذج Gemini 3.1 Flash Live وعلى صفحة GitHub الخاصة بـ ComplexFuncBench.

المصدر: ai-souken.com

يوضح هذا المخطط البياني أداء Gemini 3.1 Flash Live القوي في معيار ComplexFuncBench Audio، مما يسلط الضوء على قدرته في مهام المحادثة متعددة الخطوات.

في ظل ظروف المحادثة الديناميكية في العالم الحقيقي، بما في ذلك المقاطعات والضوضاء الخلفية، سجل Gemini 3.1 Flash Live نسبة 36.1٪ في Audio MultiChallenge من Scale AI عند تفعيل ميزة "التفكير"، كما هو موضح في قائمة تصنيفات Scale AI. . مع إعدادات "التفكير العالي"، وصل النموذج إلى 95.9٪ في معيار BigBench Audio، متجاوزًا فقط بواسطة Step Audio R1.1 Realtime. حتى مع "التفكير الأدنى"، المحسّن للسرعة، ظلّت الجودة بنسبة 70.5٪ مع وقت استجابة قدره 0.96 ثانية، وفقًا لـ بطاقة نموذج Gemini 3.1 Flash Live.

أحد أبرز تحسيناته مقارنة بسلفه، Gemini 2.5 Flash Native Audio، هو فهمه المحسن للنغمات، حيث يتعرف على الفروق الصوتية الدقيقة مثل درجة الصوت والإيقاع بشكل أكثر فعالية، مفصلاً في بطاقة نموذج DeepMind. . يتيح هذا للنموذج تكييف استجاباته ديناميكيًا مع تعبيرات المستخدم عن الإحباط أو الارتباك، كما هو موضح في بطاقة نموذج Gemini 3.1 Flash Live. . يمكنه أيضًا الاحتفاظ بخيط المحادثة لمدة أطول بمرتين، مما يسهل جلسات العصف الذهني الممتدة.

النموذج متعدد اللغات بطبيعته، ويدعم محادثات الوسائط المتعددة في الوقت الفعلي بأكثر من 90 لغة ومتاح في أكثر من 200 دولة، وفقًا لـ بطاقة نموذج DeepMind. . علاوة على ذلك، تحمل جميع الأصوات التي تم إنشاؤها بواسطة 3.1 Flash Live علامات مائية SynthID، المصممة للكشف عن المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي ومكافحة المعلومات المضللة، كما هو موضح في بطاقة نموذج DeepMind.

المصدر: yourstory.com

تُصوّر هذه الصورة رمزًا يمثل العلامات المائية SynthID، وهي ميزة حاسمة للتعرف على الصوت الذي تم إنشاؤه بواسطة الذكاء الاصطناعي من Gemini 3.1 Flash Live.

التطبيقات وسهولة الوصول

يعمل Gemini 3.1 Flash Live كمكون حاسم للمنتجات التي تعمل بالصوت ووكلاء المحادثة، كما هو موضح في بطاقة النموذج. . قدرته على الإجابة على الأسئلة ومعالجة الإجراءات ضمن نفس المكالمة تجعله قويًا بشكل خاص للمهام المتكاملة. يمكن للمستخدمين النهائيين الوصول إليه عبر تطبيق Gemini و Search Live.

بالنسبة للمطورين، يمكن الوصول إلى النموذج عبر واجهة برمجة تطبيقات Gemini Live في Google AI Studio باستخدام سلسلة النماذج gemini-3.1-flash-live-preview، مع توافر طبقة اختبار مجانية، كما هو ملاحظ في بطاقة نموذج Gemini 3.1 Flash Live. . يمكن للشركات التي تهدف إلى الاستفادة من هذه التكنولوجيا لتجربة العملاء القيام بذلك من خلال Gemini Enterprise لتجربة العملاء.

أفادت شركات مثل Verizon و LiveKit و The Home Depot بتقديم ملاحظات إيجابية حول تجاربها مع 3.1 Flash Live، مما يشير إلى فائدتها العملية في بيئات متنوعة، وفقًا لـ DeepMind.

المقارنة مع النماذج المتزامنة

مشهد الذكاء الاصطناعي تنافسي، ويدخل Gemini 3.1 Flash Live ميدانًا يضم نماذج قوية أخرى. بينما غالبًا ما يُشار إلى وضع الصوت المتقدم من OpenAI كمعيار للسلاسة الحوارية الخام بأوقات استجابة أقل من 320 مللي ثانية، أظهرت Scale AI’s Voice Showdown، وهو معيار لتفضيل البشر، أن Gemini 2.5 Flash Audio و GPT-4o Audio كانا يؤديان بشكل متساوٍ إحصائيًا، كما هو موضح في قائمة تصنيفات Scale AI. . والجدير بالذكر أن Flash Live يمثل ترقية كبيرة مقارنة بـ 2.5 Flash Native Audio.

المصدر: the-decoder.com

يقارن هذا المخطط البياني نماذج الذكاء الاصطناعي الحواري في Scale AI’s Voice Showdown، ويسلط الضوء على كيفية أداء Gemini 2.5 Flash Audio و GPT-4o Audio بشكل متشابه.

ضمن عائلة Gemini، يتخصص Flash Live في التفاعلات الصوتية إلى صوتية في الوقت الفعلي، مما يميزه عن النماذج الأخرى مثل Gemini 3.1 Flash Lite. يركز Gemini 3.1 Flash-Lite، الذي تم إصداره في 3 مارس 2026، على كفاءة التكلفة وسيناريوهات الإنتاجية العالية مثل الترجمات والملخصات، ويدعم نافذة سياق تبلغ 1,000,000 رمز، كما هو موضح في بطاقة نموذج Gemini 3.1 Flash Live. . بينما لا يدعم Flash Live واجهة برمجة التطبيقات المجمعة، أو التخزين المؤقت، أو المخرجات المنظمة، وهي وظائف موجودة في Standard Flash و Flash-Lite، إلا أن قوته تكمن في استجاباته الصوتية منخفضة زمن الاستجابة، كما هو موضح في وثائق واجهة برمجة تطبيقات Gemini.

Flash Live مقابل Flash Lite مقابل Standard Flash

يعد فهم الفروق الدقيقة بين نماذج Flash من Google أمرًا بالغ الأهمية للمطورين الذين يختارون الأداة المناسبة لاحتياجاتهم الخاصة. إليك نظرة عامة مقارنة:

gemini-3.1-flash-live-preview

خاتمة

يمثل Gemini 3.1 Flash Live تقدمًا كبيرًا في الرحلة نحو تفاعلات ذكاء اصطناعي أكثر طبيعية وبديهية. من خلال إعطاء الأولوية لقدرات المحادثة ذات زمن الاستجابة المنخفض، والحساسة صوتيًا، ومتعددة اللغات، وضعت Google هذا النموذج لقيادة الابتكار في التطبيقات التي يتم التحكم فيها صوتيًا وتعزيز تجارب المستخدم عبر مجالات مختلفة. في حين أن التحسينات التقنية ستستمر بالتأكيد، فإن الإصدار الحالي يقدم رؤية مقنعة لمستقبل اتصالات الذكاء الاصطناعي في الوقت الفعلي.