Google Antigravity تطلق Orchestrator: Carbon مسؤول عن التفكير، وHydrogen مسؤول عن التنفيذ، والاختبارات الرسمية تقلل استهلاك الحصة بنسبة 24%

ملاحظة المؤلف: شرح آلية تقسيم العمل بين التخطيط والتنفيذ في Google Antigravity Orchestrator، ومعنى بيانات الحصة البالغة 24% والسرعة البالغة 19% في الاختبارات الرسمية، والفرق في اختياره مقارنةً بالنماذج المستقلة والوكلاء المتوازيين.

في 12 نوفمبر 2026، أطلقت Google نموذج Gemini 4 Hydrogen، وفي الوقت نفسه قدّمت في Antigravity تنسيق النماذج المتعددة Orchestrator. وتتمثل طريقته في أنه ضمن مهمة تطوير واحدة، يتولى Carbon أو Argon مسؤولية التخطيط، ويتولى Hydrogen مسؤولية التنفيذ. أظهرت الاختبارات المقارنة الرسمية من Google أن Orchestrator، مقارنةً باستخدام Carbon وحده، يقلل متوسط استهلاك الحصة بنسبة 24% ويرفع سرعة الإنجاز بنسبة 19%.

هذا ليس مجرد شائعة، فقد أكدت هذه الميزة مدونة Google Antigravity الرسمية ووثائق اختيار النماذج وملخص إصدارات Google. يجمع هذا المقال المعلومات المتاحة حاليًا عن Google Antigravity Orchestrator، بما في ذلك آلية العمل والطريقة الصحيحة لقراءة بيانات الاختبار والباقات ونقاط الدخول، وأي أنواع المهام تناسبه.

القيمة الأساسية: بعد قراءة هذا المقال، ستكون قادرًا على تحديد ما إذا كانت مهمتك الهندسية يجب أن تستخدم Orchestrator، أو وضع Hydrogen المستقل، أو وضع Carbon / Argon المستقل.

ملخص في جملة واحدة: يتيح Antigravity Orchestrator في جلسة وكيل واحدة لـ Carbon أو Argon التخطيط ولـ Hydrogen التنفيذ، وقد أبلغت Google رسميًا عن مكاسبه في الحصة والسرعة.

للمعرفة: 5 مصطلحات يجب معرفتها قبل القراءة

• Planner (المخطط): دور النموذج المسؤول عن تحليل المهمة ووضع الخطة وإعادة التخطيط عند الحاجة، ويؤديه في Orchestrator كلٌّ من Carbon أو Argon.
• Executor (المنفذ): الدور الذي يعدّل الشيفرة وفق الخطة ويشغّل الأدوات ويتحقق من النتائج، ويؤديه في Orchestrator نموذج Hydrogen.
• Agent (الوكيل): نظام يكمل المهام متعددة الخطوات بمساعدة النموذج وبيئة تنفيذ الأدوات معًا، ولا يساوي نموذجًا واحدًا.
• الحصة: الكمية التي تستخدمها المنصة لتقييد حجم الخدمة المتاحة. ولا يمكن مساواة انخفاض الحصة مباشرةً بانخفاض الفاتورة الفعلية.
• Harness (إطار الاختبار): إطار اختبار ينظم مدخلات النموذج وتنفيذ الأدوات وتقييم المهام. النموذج نفسه قد يحصل على درجات مختلفة عند وضعه في Harness مختلف.

نظرة سريعة على المعلومات الأساسية لمنتج Google Antigravity Orchestrator

لماذا أطلقت Google منتج Antigravity Orchestrator؟

تتضمن مهمة تطوير برمجيات حقيقية عادةً عدة أنواع من العمل: فهم قاعدة الشيفرة وعلاقات الاعتماد أولًا، ثم تحديد أين وماذا نعدّل، وبعد ذلك تعديل الملفات على دفعات وتشغيل البناء والاختبارات، وأخيرًا فحص النتائج. وتختلف متطلبات هذه الخطوات من قدرات الاستدلال اختلافًا كبيرًا. فـ«تحديد كيفية التعديل» يحتاج إلى حكم عميق، بينما «تعديل عشرة ملفات وفق الخطة وتشغيل الاختبارات» يركّز أكثر على السرعة والتحرير الدقيق واستقرار استدعاء الأدوات.

إذا أُسندت المهمة كاملة إلى نموذج استدلال متقدم مثل Carbon، فإن كثرة العمليات المتكررة في مرحلة التنفيذ ستُستهلك أيضًا وفق إيقاع النموذج المتقدم وحصته، مما يرفع زمن المهمة وتكلفة الحصة. أما الاعتماد على نموذج خفيف فقط، فقد يؤدي إلى أخطاء في التقدير أثناء تصميم الحل أو عند مواجهة أخطاء معقدة، فيضطر الفريق إلى إعادة العمل.

وجاء موقع Hydrogen ليملأ هذه الفجوة تحديدًا. تعرّفه Google بأنه نموذج عالي الكفاءة للبرمجة اليومية وتنفيذ مهام Agent، مع التركيز على التحرير الدقيق واستدعاء أدوات متعددة والقدرة على تعديل الاستراتيجية بعد فشل الأدوات، وتقول صراحةً إنه يمكن أن يؤدي دور المنفذ أو المدقق في نظام متعدد النماذج. أما Orchestrator فيحوّل هذا التقسيم إلى منتج: لا يُستخدم النموذج الأعلى تكلفة إلا في المراحل التي تتطلب أكبر قدر من الحكم.

كيف يعمل Antigravity Orchestrator: Carbon يفكّر وHydrogen ينفّذ

وفقًا للوثائق الرسمية لـ Google Antigravity، لا يكتفي Orchestrator عند استلام الطلب بتقدير الصعوبة مرة واحدة ثم اختيار نموذج واحد لإنجاز المهمة كاملة. بل إنه يبدّل بين نموذج التخطيط ونموذج التنفيذ مرارًا داخل المهمة الواحدة.

سلسلة العمل المكوّنة من خمس خطوات في Orchestrator

لنأخذ سيناريو ترقية التبعيات الذي قدّمه الموقع الرسمي مثالًا، فسلسلة العمل الكاملة تسير على النحو التالي تقريبًا:

1. تحليل قاعدة الشيفرة: يقوم Carbon (أو Argon) بفحص بنية الشيفرة وعلاقات التبعيات بأسلوب قراءة فقط.
2. رسم الخطة: يحدّد Planner نطاق التعديل وخطواته، ويضع في الوقت نفسه الشروط التي تستدعي إعادة التخطيط.
3. تعديل الشيفرة: يتولّى Hydrogen التحرير الفعلي وترقية التبعيات.
4. تنفيذ الاختبارات: يشغّل Hydrogen البناء والاختبارات للتحقق من أن التعديلات تعمل فعلًا.
5. التحقق من النتائج: بعد النجاح يفحص النتيجة وينهي المهمة؛ أما إذا واجه خطأً معقّدًا فيعيد الأمر إلى Planner.

متى يعيد Orchestrator التخطيط؟

تسرد الوثائق الرسمية عدة حالات تُعيد السيطرة إلى Planner: أن تفشل خطوة التحقق مرتين متتاليتين، أو أن تتصرف الواجهة على نحو يختلف عن المتوقع، أو أن يظهر أثناء التنفيذ خيار تصميمي لم تغطّه الخطة الأصلية. وبعد أن يعيد Planner التقدير، يعدّل الخطة ثم يسلّمها إلى Hydrogen لمتابعة التعديلات والتحقق اللاحقين.

هذه الآلية مهمة جدًا. فالنموذج المنفّذ لا يظلّ يعيد المحاولة على نحو أعمى، بل يرفع قراره في الوقت المناسب حين “يتجاوز الخطة الأصلية”، ولا يتدخل النموذج المتقدّم إلا في النقاط الحاسمة.

الفرق بين التسليم الديناميكي والتوجيه لمرة واحدة

التوجيه الشائع بين النماذج (“Model Routing”) يقوم على تصنيف واحد عند مدخل الطلب: المهام البسيطة تُسند إلى نموذج صغير، والمهام المعقّدة إلى نموذج كبير، ثم لا يتغيّر شيء بعد ذلك. ما يميّز Orchestrator أنه يسلم العمل عدة مرات داخل المهمة الواحدة، بحيث يتولّى التخطيط والتنفيذ نموذجان مختلفان، ويمكن في أي لحظة أثناء التنفيذ العودة إلى مرحلة التخطيط. فهو يوجّه مراحل المهمة، لا الطلب بأكمله.

اختبار Orchestrator الرسمي: ماذا يعني انخفاض الحصة بنسبة 24% وارتفاع السرعة بنسبة 19%؟

البيانات التالية كلها من اختبار مقارن رسمي من Google لمهام الطرفية، والمقارنة فيه بين “Orchestrator” و”استخدام Carbon منفردًا”.

لماذا يمكن لتقسيم العمل بين نماذج متعددة أن يوفّر الحصة

تأتي الفوائد أساسًا من مرحلة التنفيذ. فخطوات مثل تحرير الكود وتحديث التبعيات وإعادة تشغيل الاختبارات مرارًا هي خطوات كثيرة الاستدعاء وطويلة السياق؛ وإذا تولّى Carbon تنفيذها كلها، فسيُستدعى النموذج المتقدم كثيرًا وبشكل متكرر. أما بعد إسنادها إلى Hydrogen، فيتولى Carbon فقط التخطيط في البداية وإعادة التخطيط في المنتصف، فينخفض حجم استدعاءات الاستدلال المتقدم تلقائيًا. ويتضح فرق التكلفة بينهما أيضًا من أسعار API المعلنة: حتى 13 نوفمبر 2026، ووفقًا للأسعار القياسية الرسمية في Google AI Studio، كان سعر الإدخال والإخراج لـ Hydrogen 1.50 دولار و7.50 دولار لكل مليون tokens على التوالي؛ أما Carbon فكان حتى 30 نوفمبر 2026 بسعر 2 دولار و10 دولارات لكل مليون tokens، وتشير الصفحة الرسمية إلى أنه سيُعدَّل اعتبارًا من 1 ديسمبر إلى 4 دولارات و20 دولارًا.

تجدر الإشارة إلى أن ما سبق هو أسعار API، بينما يعمل Orchestrator ضمن نظام حصص الاشتراك في Antigravity، وطريقة القياس مختلفة بينهما. لا يمكننا استخدام أسعار API لتقدير “التكلفة الحقيقية” لـ Orchestrator.

ماذا تعني هذه الأرقام لفرق التطوير

بالنسبة للفرق، لا ينبغي تقييم كفاءة أدوات البرمجة بالذكاء الاصطناعي بالنظر إلى جودة إجابة واحدة فقط، بل ينبغي أيضًا ملاحظة ثلاثة أبعاد في الوقت نفسه: معدل نجاح المهام، واستهلاك الحصة، وزمن الإنجاز. تُظهر النتائج الرسمية لـ Orchestrator أنه مع بقاء معدل النجاح شبه ثابت، تحسّن البُعدان الأخيران. وهذا يقدّم للفرق فكرة قابلة للاستفادة: فصل تقييم “جودة التخطيط” و”إنتاجية التنفيذ”، بدلًا من التركيز فقط على أقوى نموذج.

💡 بيان البيانات: أرقام الكفاءة في هذا القسم منسوبة جميعها إلى الاختبار المقارن الرسمي من Google، ولم يُعِد طرف ثالث مستقل اختبارها بعد. إذا كنت ترغب في التحقق من أثر تقسيم العمل بين “نموذج التخطيط + نموذج التنفيذ” في أعمالك، يمكنك عبر APIYI apiyi.com استدعاء نماذج من فئات مختلفة باستخدام نفس مفتاح API، وتصميم تجربة مقارنة بنفسك.

مقارنة Orchestrator مع النماذج المستقلة ووكلاء التنفيذ المتوازيين

تحليل مقارن مع Carbon المستقل: لا يزال Carbon متفوقًا في الأحكام المعقدة، لكنه في العمليات المتكررة خلال مرحلة التنفيذ يستهلك أيضًا حصة النموذج المتقدم والوقت. في المقابل، يحقق Orchestrator في معظم المهام الهندسية المعتادة التي تجمع بين التخطيط والتنفيذ نسبة نجاح قريبة، لكن باستهلاك أقل للحصة.

تحليل مقارن مع Hydrogen المستقل: Hydrogen سريع وتحريراته دقيقة، لكنه حين يواجه خيارات تصميم لم تغطها الخطة الأصلية، يفتقر إلى نموذج أقوى يعمل كشبكة أمان. وبالنسبة للمهام ذات المتطلبات الواضحة التي لا تحتاج قرارات متكررة، يظل الخيار الأكثر مباشرة.

تحليل مقارن مع تعدد الـ Agents بالتوازي: توضح Google صراحةً أن Orchestrator يحتفظ بـ Agent واحد فقط داخل الجلسة الواحدة، ويعتمد على تسليم المهمة بين عدة نماذج لإنجاز المراحل المختلفة. وإذا كنت بحاجة إلى عدة Agents تعمل في الوقت نفسه على مهام فرعية أو تراجع عمل بعضها، فاختر ميزات مثل Subagents أو Swarm أو Boost أو Teamwork. إنهما يعالجان مشكلتين مختلفتين: الأولى «كيف نقسّم العمل داخل المهمة الواحدة»، والثانية «هل نزيد عدد الـ Agents؟».

كيفية استخدام Orchestrator في Antigravity

علاقة أوضاع Orchestrator بالخطط

في تطبيق Antigravity، افتح قائمة اختيار النموذج القريبة من حقل إدخال المحادثة، ثم اختر Orchestrator (Carbon) أو Orchestrator (Argon). أما في Antigravity CLI، فقدّم الفريق الرسمي المثال التالي (هذه الصيغة مقتبسة من الوثائق الرسمية، ولم نجرِ اختبارًا محليًا لها في هذا المقال):

# عرض النماذج المتاحة للحساب الحالي
agy models

# بعد الدخول إلى الجلسة، استخدم /model لاختيار Orchestrator

# يمكنك أيضًا تحديده مباشرة عند بدء التشغيل
agy -p "Add input validation to the signup form and run the tests." --model "Orchestrator (Argon)"

تجدر الإشارة إلى أن Orchestrator يستخدم إعداد تفكير ثابتًا، ولا يمكن ضبط درجة منفصلة له مثل Low أو Medium أو High أو Extra. وإذا كنت بحاجة إلى تخصيص درجة التفكير، فعليك التبديل إلى نموذج مستقل. بالإضافة إلى ذلك، في يوم الإطلاق أبلغ بعض المستخدمين عن ظهور خيارات النماذج مع فشل الاستدعاء، واختلاف أوقات الإتاحة بين الحسابات؛ ومن المرجّح أن يرتبط ذلك بالطرح التدريجي، ويمكنك المحاولة مجددًا لاحقًا إذا واجهت ذلك.

إعادة إنتاج تقسيم التخطيط والتنفيذ داخل وكيل (Agent) خاص بك

إن Orchestrator هو ميزة من ميزات منتج Antigravity، لكن فكرة «نموذج قوي يتولى التخطيط، ونموذج سريع يتولى التنفيذ، وإعادة التسليم إلى المخطط بعد فشلين» يمكن تنفيذها بالكامل داخل وكيلك الخاص. فيما يلي مثال مبسّط جدًا يعتمد على واجهة متوافقة مع OpenAI، وأسماء النماذج يجب أن تُؤخذ من قائمة النماذج المتاحة على المنصة التي تستخدمها:

from openai import OpenAI

client = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.apiyi.com/v1")

PLANNER = "your-reasoning-model"   # نموذج التخطيط، راجع قائمة النماذج على المنصة
EXECUTOR = "your-fast-model"       # نموذج التنفيذ، راجع قائمة النماذج على المنصة

def ask(model, system, user):
    r = client.chat.completions.create(model=model, messages=[
        {"role": "system", "content": system}, {"role": "user", "content": user}])
    return r.choices[0].message.content

plan = ask(PLANNER, "你是架构师，输出分步实施方案。", "为注册表单增加输入校验")
print(ask(EXECUTOR, "严格按方案执行，只输出代码改动。", plan))

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

PLANNER = "your-reasoning-model"
EXECUTOR = "your-fast-model"
MAX_FAILS = 2  # وفق وثائق Antigravity: إذا فشل التحقق مرتين متتاليتين، يُعاد التسليم إلى مرحلة التخطيط

def ask(model: str, system: str, user: str) -> str:
    r = client.chat.completions.create(
        model=model,
        messages=[{"role": "system", "content": system},
                  {"role": "user", "content": user}],
    )
    return r.choices[0].message.content

def run_tests(patch: str) -> tuple[bool, str]:
    """استبدلها بمنطق البناء والاختبار الخاص بك، وأعد (هل نجح، السجل)"""
    raise NotImplementedError

def orchestrate(task: str, max_replans: int = 3) -> str:
    plan = ask(PLANNER, "你是规划者，输出分步方案及重新规划条件。", task)
    for _ in range(max_replans):
        fails, log = 0, ""
        while fails < MAX_FAILS:
            patch = ask(EXECUTOR, "你是执行者，严格按方案修改代码。",
                        f"方案：\n{plan}\n上次测试日志：\n{log}")
            ok, log = run_tests(patch)
            if ok:
                return patch
            fails += 1
        # فشل متتالٍ، فأعد المهمة إلى نموذج التخطيط ليقرر من جديد
        plan = ask(PLANNER, "执行连续失败，请根据日志修订方案。",
                   f"原任务：{task}\n原方案：{plan}\n失败日志：{log}")
    raise RuntimeError("多次重新规划后仍未通过验证")

🚀 نصيحة للبدء السريع: عند بناء نموذج أولي من نوع «تخطيط + تنفيذ» مثل هذا، يُنصح بالحصول على حصة تجريبية مجانية عبر APIYI من apiyi.com. فمفتاح API واحد يتيح لك استدعاء النماذج الرائدة مثل OpenAI وClaude وGemini، وتغيير PLANNER وEXECUTOR لا يحتاج إلا إلى تعديل سلسلة نصية واحدة، ما يسهّل المقارنة السريعة بين التركيبات المختلفة.

تحليل تأثير Antigravity Orchestrator: أي مهام التطوير هي الأنسب له

التأثير على المطورين

• تطوير الميزات الاعتيادية: التقسيم الثلاثي بين التخطيط والتنفيذ والاختبار واضح، وهو السيناريو الأكثر نموذجية لـ Orchestrator.
• إصلاح الأخطاء في ملفات متعددة: يحدد Planner السبب الجذري، ثم يعدّل Hydrogen ملفات عدة ويشغّل الاختبارات للتحقق، وإذا فشلت يعيد الأمر إلى نموذج التخطيط ليقرر.
• إعادة الهيكلة متوسطة التعقيد: يتحكم نموذج التخطيط في الخطة، وتُسلَّم معظم التعديلات التفصيلية إلى نموذج التنفيذ، ما يمنع النماذج المتقدمة من الانشغال بالتحرير الميكانيكي.
• إدارة الحصص تصبح أكثر فاعلية: بالنسبة لمشتركي الخطط، يمكن استخدام Orchestrator في المهام اليومية، وترك المزيد من الحصة للأعمال التي تحتاج فعلاً إلى استدلال عميق.

التأثير على القطاع

• “المخطط + المنفذ” يصبح نمطًا منتجًا: بدأت شركات النماذج بدمج التعاون بين نماذج متعددة داخل أدوات التطوير نفسها، بدلاً من ترك الأمر للمستخدم ليقوم بالتنسيق بنفسه.
• تنوّع مؤشرات التقييم: إلى جانب معدل النجاح، سيظهر استهلاك الحصص ووقت الإنجاز بشكل متزايد في مقارنات أدوات Agent.

توصيات اختيار الوضع في سيناريوهات Orchestrator

الأسئلة الشائعة (FAQ)

أهم النقاط الأساسية في Google Antigravity Orchestrator

• التعريف الأساسي: داخل جلسة وكيل (Agent) واحدة، يتولى Carbon / Argon التخطيط، ويتولى Hydrogen التنفيذ، مع تسليم ديناميكي للمهام.
• الآلية الجوهرية: حالات مثل فشل التحقق مرتين متتاليتين تُعاد إلى نموذج التخطيط ليصدر حكمه من جديد.
• البيانات الرسمية: مقارنةً باستخدام Carbon وحده، تنخفض الحصة بنسبة 24%، وترتفع السرعة بنسبة 19%، مع أداء نجاح قريب من أدائه.
• التفسير الصحيح: استهلاك الحصة لا يعني الفاتورة، ونسخة基准 الاختبار (benchmark) جاء وسمها غير متسق في الإعلانين.
• متطلبات الاستخدام: اشتراك Ultra يستطيع استخدام الوضعين، واشتراك Pro المؤهل يستطيع استخدام وضع Argon.
• طريقة البدء: يمكن للوكيل الذي تبنيه بنفسك أن يعيد إنتاج فكرة توزيع الأدوار عبر الواجهة الموحدة APIYI apiyi.com.

الخلاصة

النقاط الأساسية في Google Antigravity Orchestrator:

1. توزيع الأدوار لا الاستبدال: الفكرة ليست استبدال النموذج المكلف بنموذج رخيص، بل أن يتولى Carbon / Argon الحكم والتقدير، ويتولى Hydrogen التنفيذ.
2. تسليم ديناميكي: عند مواجهة أي خلل أثناء التنفيذ تعود المهمة إلى مرحلة التخطيط، وهذا هو الفرق الجوهري بينه وبين التوجيه الأحادي لنماذج.
3. العائد الرسمي: بشرط أن يكون أداء النجاح قريبًا من Carbon، تُظهر الاختبارات الرسمية انخفاض الحصة بنسبة 24% وارتفاع السرعة بنسبة 19%.
4. اختيار النموذج حسب التعقيد: المشاريع المعتادة متعددة المراحل تستخدم Orchestrator، والمعمارية العميقة تستخدم Carbon / Argon، والمهام اليومية الواضحة تستخدم Hydrogen.

بالنسبة لمعظم مهام التطوير اليومية، يُعدّ Orchestrator الخيار الافتراضي المعقول الذي يوازن بين الجودة والحصة المتاحة. وإذا أردت تطبيق الفكرة نفسها في منتجك الخاص، فأنصحك بتجربة تأثير توليفات مختلفة من النماذج سريعًا عبر APIYI apiyi.com، حيث توفّر المنصة حصة مجانية وواجهة موحدة لعدة نماذج.

📚 المراجع

1. مدونة Google Antigravity الرسمية: Gemini 4 Hydrogen and Orchestrator
2. الرابط: antigravity.google/blog/gemini-4-hydrogen-in-google-antigravity

3. الوصف: إعلان إصدار Orchestrator مع بيانات الاختبار الرسمية 24% / 19%، والمرجع موسوم باسم Terminal-Bench 4.1

4. وثائق Google Antigravity: Choose a Model / Orchestrator

5. الرابط: antigravity.google/docs/models

6. الوصف: آلية Planner / Executor، وشروط إعادة التخطيط، وأمثلة CLI، وتوصيات اختيار النموذج

7. مدونة Google الرسمية: Introducing Gemini 4 Hydrogen

8. الرابط: blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-hydrogen

9. الوصف: نظرة عامة على إصدار Hydrogen، ونتيجة المقارنة نفسها موسومة هنا باسم Terminal-Bench 4.0

10. الإعلان الرسمي لـ Google بالصينية: Gemini 4 Hydrogen

11. الرابط: china.googleblog.com/2026/11/gemini-4-hydrogen.html

12. الوصف: معلومات الإصدار بالصينية، ونسخة المعيار موسومة أيضًا باسم 4.0

13. صفحة أسعار Google AI Studio: أسعار API لسلسلة Gemini

14. الرابط: aistudio.google.com/docs/pricing

15. الوصف: أسعار API القياسية لـ Hydrogen وCarbon وArgon، والمواعيد الزمنية لتعديل الأسعار

16. شرح خطط Antigravity والحصص المشتركة

17. الرابط: antigravity.google/blog/changes-to-antigravity-plans
18. الوصف: نظام اشتراكات الخطط ونظام الحصص

المؤلف: فريق APIYI التقني
للتواصل التقني: يسعدنا أن تتواصل معنا عبر الصفحة الرئيسية لموقع APIYI، ولمزيد من المواد يمكنك زيارة مركز التوثيق docs.apiyi.com

مقالات ذات صلة

• Google Antigravity تطلق /swarm: شرح الأدوار الأربعة في البرمجة بالذكاء الاصطناعي مع انتقالها من تنفيذ وكيل واحد إلى تعاون فريق من الوكلاء المتعددين: شرح ميزة المعاينة /swarm في Google Antigravity: كيف يتقاسم Coordinator وWorker وVerifier وMonitor المهام ويتعاونون، مع توضيح نسخ العمل ولوحة العرض المرئية واستهلاك الحصة وحدود الصلاحيات دفعة واحدة.
• Gemini 4 Carbon يستخدم /swarm لبناء عالم ثلاثي الأبعاد لحرم جوجل: تفكيك العرض التوضيحي الرسمي من Google للعبة العالم المفتوح التي يقود فيها البجع دراجة GBike، لمعرفة كيف يستخدم Gemini 4 Carbon الأمر Antigravity /swarm لتنسيق عدة وكلاء في إنجاز الأصول ثلاثية الأبعاد ولعبة المتصفح وتصميم الصوت، وما هي حدوده.
• من الصور التاريخية إلى 3D التفاعلي: Gemini 4 Carbon يعيد تجسيد عملية بناء برج إيفل بموجه واحد: تحليل عرض Google لبرج إيفل: كيف يستخدم Gemini 4 Carbon التعاون متعدد الوكلاء عبر أمر /swarm في Antigravity لتحويل الصور التاريخية والمخططات الهندسية إلى معرض ثلاثي الأبعاد تفاعلي بتقنية Three.js.
• من «دوباو الأمريكي» إلى أفضل نماذج البرمجة: ماذا حدث لـ Gemini خلال ثلاث سنوات؟ شرح شامل لـ 12 محطة رئيسية: استعراض 12 محطة رئيسية في مسيرة Gemini من الإصدار 1.0 عام 2023 حتى Gemini 4 Carbon عام 2026، وشرح تطور القدرات متعددة الوسائط ونافذة السياق الطويلة والتفكير (Thinking) واستدعاء الأدوات وصولاً إلى البرمجة الوكيلية (Agentic Coding)، وتأثير ذلك على اختيار المطورين.
• مقارنة Gemini 4 Hydrogen وGemini 4 Carbon: كيف تختار للاستخدام اليومي: من حيث التحديد ومستوى التفكير والسياق والإخراج والسعر واستخدام Orchestrator، اشرح كيف يتم توزيع الأدوار بين Gemini 4 Hydrogen وGemini 4 Carbon في الاستخدام اليومي، وما النماذج المتاحة حالياً عبر APIYI.
• ما مدى قوة Gemini 4 Hydrogen؟ الجدول الرسمي يظهر فوزه في 7 من 10 بنود: أصدرت جوجل في 2026-11-12 نموذج Gemini 4 Hydrogen: بطاقة النموذج الرسمية تفوز في 7 من 10 مقارنات، وأسرع بـ2.5 مرة من Gemini 3.8 Flash، وTerminal-Bench 4.1 من 18.2% إلى 57%، وتوضح أساس هذه الأرقام والسعر وحالة الاستدعاء.
• Gemini 4 Hydrogen مقابل Claude Sonnet 5.5: كيف تختار بين 10 معايير: استنادًا إلى ملخص 10 بنود من بطاقة النموذج الرسمية والأسعار الرسمية، نقارن Gemini 4 Hydrogen بـ Claude Sonnet 5.5: يتفوق Hydrogen في 7 بنود ويكون أرخص مع الموجهات القصيرة، بينما يتفوق Sonnet في 3 بنود هي الطرفية والتحكم بالحاسوب والطرفية العلمية، مع توصيات الاختيار وتعليمات التكامل مع APIYI.