Google એ શાંતિથી Deep Think ને અપગ્રેડ કર્યું, ARC-AGI-2 સીધું 84.6% સુધી પહોંચ્યું

હમણાં જ, Google DeepMind એ Gemini 3 ના સમર્પિત અનુમાન મોડ Deep Think ને અપગ્રેડ કર્યું, અને સ્કોર સીધો ટોચ પર પહોંચી ગયો.

તમને જણાવી દઈએ કે, ARC-AGI-2 એ હાલમાં AI ની અનુમાન ક્ષમતાને ચકાસવા માટે માન્યતા પ્રાપ્ત અગ્રણી માપદંડ છે, અને અગાઉ કોઈ મોડેલ આમાં ખાસ સારા ગુણ મેળવી શક્યું નથી.

જ્યારે અપગ્રેડ કરેલ Deep Think એ 84.6% મેળવ્યા, સરખામણી કરો: Claude Opus 4.6 એ 68.8%, GPT-5.2 એ 52.9%, અને Gemini 3 Pro Preview પણ માત્ર 31.1% છે.

મોટો સુધારો.

માત્ર અનુમાન જ નહીં

Deep Think ની મહત્વાકાંક્ષા દેખીતી રીતે માત્ર અનુમાન સુધી મર્યાદિત નથી.

Humanity's Last Exam નામના માપદંડ પર, જેને "માનવતાની છેલ્લી પરીક્ષા" કહેવામાં આવે છે, Deep Think એ 48.4% મેળવ્યા, આ પરીક્ષણમાં ગણિત, વિજ્ઞાન અને એન્જિનિયરિંગ ક્ષેત્રના સૌથી મુશ્કેલ પ્રશ્નો આવરી લેવામાં આવ્યા છે. Claude Opus 4.6 એ 40.0% અને GPT-5.2 એ 34.5% મેળવ્યા.

પ્રોગ્રામિંગમાં પણ ખૂબ જ મજબૂત:

Codeforces પર Deep Think Elo 3455 સુધી પહોંચ્યું, જ્યારે Gemini 3 Pro Preview 2512 અને Claude Opus 4.6 2352 છે.

આ ઉપરાંત, મલ્ટિમોડલ સમજણ અને અનુમાનના MMMU-Pro માપદંડ પર, Deep Think એ 81.5% સાથે લીડ મેળવી, પરંતુ અહીં દરેક વચ્ચેનો તફાવત એટલો મોટો નથી: Gemini 3 Pro Preview 81.0%, GPT-5.2 79.5%, Claude Opus 4.6 73.9%.

સ્કોર ઉપરાંત, Deep Think એ 2025 ની ભૌતિકશાસ્ત્ર અને રસાયણશાસ્ત્ર ઓલિમ્પિક સ્પર્ધાના લેખિત ભાગમાં સુવર્ણ ચંદ્રક સ્તરનું પરિણામ પણ મેળવ્યું.

વૈજ્ઞાનિક સમસ્યાઓનું નિરાકરણ લાવવું

Google DeepMind એ આ વખતે ખાસ ભાર મૂક્યો કે અપગ્રેડ કરેલ Deep Think હવે માત્ર સમસ્યાઓ ઉકેલવાનું મશીન નથી, પરંતુ વાસ્તવિક દુનિયાની વૈજ્ઞાનિક અને એન્જિનિયરિંગ સમસ્યાઓનું નિરાકરણ લાવશે.

તેઓએ Duke યુનિવર્સિટીની Wang Lab નો કેસ દર્શાવ્યો: સંશોધકો Deep Think નો ઉપયોગ નવી પ્રકારની સેમિકન્ડક્ટર સામગ્રી ડિઝાઇન કરવા, જટિલ સ્ફટિકોની વૃદ્ધિ પ્રક્રિયાને ઑપ્ટિમાઇઝ કરવા માટે કરે છે, આ સ્ફટિકો ઉચ્ચ તાપમાન સેમિકન્ડક્ટર માટે સંભવિત સામગ્રી છે.

મિકેનિકલ એન્જિનિયરિંગ ક્ષેત્રના સંશોધકો તેનો ઉપયોગ ભૌતિક પ્રોટોટાઇપને પુનરાવર્તિત કરવા માટે કરે છે, જેથી હાર્ડવેર પુનરાવર્તન સોફ્ટવેર પુનરાવર્તનની ઝડપે પહોંચી શકે, જે સહાયક ઉપકરણો જેવા ક્ષેત્રોમાં ઝડપી સુધારણા ચક્રનો અર્થ કરે છે.

કેવી રીતે ઉપયોગ કરવો

અપગ્રેડ કરેલ Deep Think મોડ હવે Gemini App માં Google AI Ultra સબ્સ્ક્રિપ્શન વપરાશકર્તાઓ માટે રોલઆઉટ થવાનું શરૂ થઈ ગયું છે.

સંશોધકો અને વિકાસકર્તાઓ માટે, Google એ Vertex AI પ્રારંભિક ઍક્સેસ પ્રોગ્રામ ખોલ્યો છે, જેનો ઉપયોગ API દ્વારા કરી શકાય છે.

Vertex AI પ્રારંભિક ઍક્સેસ: https://goo.gle/4rMHUlq