داشبورد توسعه‌دهنده
پرسش از هوش مصنوعی
پرسش از هوش مصنوعی

انتشار مدل‌های پایدار Gemini 2.5: معرفی نام‌های جدید مدل‌ها

تاریخ: 1404-04-08 / (2025-06-28)

خلاصه

گوگل به طور رسمی مدل‌های پایدار سری Gemini 2.5 را منتشر کرد. نام‌های جدید مدل‌های پایدار gemini-2.5-flash و gemini-2.5-pro اکنون در دسترس قرار گرفته‌اند و جایگزین نسخه‌های پیش‌نمایش قبلی شده‌اند. علاوه بر این، مدل جدید gemma-3n-e2b-it به سری Gemma و مدل آزمایشی gemini-2.5-flash-lite-preview-06-17 نیز اضافه شده‌اند.


جزئیات

این به‌روزرسانی با انتشار مدل‌های پایدار، بهبودهای قابل توجهی را برای سری Gemini 2.5 به ارمغان می‌آورد. کاربران باید برای افزایش قابلیت اطمینان و بهبود عملکرد، از نسخه‌های پیش‌نمایش به نام‌های جدید مدل‌های پایدار مهاجرت کنند.

مدل‌های پایدار گوگل Gemini 2.5

  • gemini-2.5-flash: نسخه پایدار مدل سریع و کارآمد Gemini 2.5 گوگل که برای سرعت بهینه‌سازی شده و در عین حال خروجی‌های با کیفیت بالا ارائه می‌دهد. این مدل جایگزین نسخه‌های پیش‌نمایش شده و پایداری بهتری برای استفاده در تولید ارائه می‌دهد. مستندات

  • gemini-2.5-pro: نسخه پایدار قدرتمندترین مدل Gemini 2.5 گوگل که استدلال پیشرفته و درک جامع زبان ارائه می‌دهد. این نسخه آماده تولید از مدل‌های پیش‌نمایش قبلی در دسترس است. مستندات

راهنمای مهاجرت برای مدل‌های پیش‌نمایش

اگر در حال حاضر از نام‌های مدل پیش‌نمایش استفاده می‌کنید، لطفا کد خود را برای استفاده از نسخه‌های جدید پایدار به‌روزرسانی کنید:

مهاجرت Gemini 2.5 Pro

  • از: gemini-2.5-pro-preview-06-05به: gemini-2.5-pro
  • از: gemini-2.5-pro-preview-05-06به: gemini-2.5-pro

مهاجرت Gemini 2.5 Flash

  • از: gemini-2.5-flash-preview-04-17به: gemini-2.5-flash
  • از: gemini-2.5-flash-preview-05-20به: gemini-2.5-flash

مدل جدید Gemma

  • gemma-3n-e2b-it: یک اضافه جدید به سری Gemma با قابلیت‌های پیشرفته و عملکرد بهینه‌سازی شده برای وظایف پیروی از دستورالعمل. مستندات

مدل آزمایشی جدید

  • gemini-2.5-flash-lite-preview-06-17: نسخه آزمایشی سبک Gemini 2.5 Flash که برای برنامه‌های نیازمند زمان پاسخ سریع‌تر با نیازهای محاسباتی کاهش یافته طراحی شده است. مستندات

مثال‌های استفاده

استفاده از مدل‌های جدید پایدار Gemini 2.5

python
from openai import OpenAI

client = OpenAI(api_key="your-avalai-api-key", base_url="https://api.avalai.ir/v1")

# استفاده از مدل پایدار Gemini 2.5 Flash
completion = client.chat.completions.create(
    model="gemini-2.5-flash",
    messages=[
        {
            "role": "user",
            "content": "مزایای استفاده از نسخه‌های پایدار مدل نسبت به نسخه‌های پیش‌نمایش را توضیح دهید.",
        }
    ],
)

print(completion.choices[0].message.content)

# استفاده از مدل پایدار Gemini 2.5 Pro
completion = client.chat.completions.create(
    model="gemini-2.5-pro",
    messages=[
        {
            "role": "user",
            "content": "تاثیر پایداری مدل هوش مصنوعی بر برنامه‌های تولیدی را تحلیل کنید.",
        }
    ],
)

print(completion.choices[0].message.content)
javascript
import { OpenAI } from "openai";

const client = new OpenAI({
  apiKey: process.env.AVALAI_API_KEY,
  baseURL: "https://api.avalai.ir/v1",
});

// استفاده از مدل پایدار Gemini 2.5 Flash
const flashCompletion = await client.chat.completions.create({
  model: "gemini-2.5-flash",
  messages: [
    {
      role: "user",
      content:
        "مزایای استفاده از نسخه‌های پایدار مدل نسبت به نسخه‌های پیش‌نمایش را توضیح دهید.",
    },
  ],
});

console.log(flashCompletion.choices[0].message.content);

// استفاده از مدل پایدار Gemini 2.5 Pro
const proCompletion = await client.chat.completions.create({
  model: "gemini-2.5-pro",
  messages: [
    {
      role: "user",
      content:
        "تاثیر پایداری مدل هوش مصنوعی بر برنامه‌های تولیدی را تحلیل کنید.",
    },
  ],
});

console.log(proCompletion.choices[0].message.content);

استفاده از مدل جدید Gemma

python
from openai import OpenAI

client = OpenAI(api_key="your-avalai-api-key", base_url="https://api.avalai.ir/v1")

completion = client.chat.completions.create(
    model="gemma-3n-e2b-it",
    messages=[
        {
            "role": "user",
            "content": "توضیح مفصلی از مفاهیم یادگیری ماشین برای مبتدیان بنویسید.",
        }
    ],
)

print(completion.choices[0].message.content)
javascript
import { OpenAI } from "openai";

const client = new OpenAI({
  apiKey: process.env.AVALAI_API_KEY,
  baseURL: "https://api.avalai.ir/v1",
});

const completion = await client.chat.completions.create({
  model: "gemma-3n-e2b-it",
  messages: [
    {
      role: "user",
      content: "توضیح مفصلی از مفاهیم یادگیری ماشین برای مبتدیان بنویسید.",
    },
  ],
});

console.log(completion.choices[0].message.content);

لینک‌های مرتبط