جمنای ۴ کربن چیست؟ از امکانات و نحوه استفاده تا قابلیت Swarm

در کنار کربن، قابلیت Swarm هم به ابزار برنامه‌نویسی گوگل، یعنی Antigravity، اضافه شده. با این قابلیت، می‌تونین بخش‌های یک پروژه رو به چند دستیار بسپارین تا هم‌زمان جلو برن.

خود Swarm برای Pro و Ultra ارائه شده؛ دسترسی به مدل کربن رو باید جداگانه بررسی کنین. پایین‌تر این تفاوت رو با مثال توضیح می‌دیم تا بدونین با حساب خودتون دقیقاً چه کارهایی می‌تونین انجام بدین.

جمنای ۴ کربن چه کارهایی برای شما انجام می‌دهد؟

فرض کنین دو گزارش فروش دارین و می‌خواین بدونین چرا نتیجه‌هاشون با هم فرق داره. از کربن می‌خواین فایل‌ها رو بخونه، عددهای متفاوت رو پیدا کنه و توضیح بده هر اختلاف از کجا اومده. اگه برای یک نتیجه مدرک کافی وجود نداره، اون رو هم مشخص کنه.

چنین درخواستی چند مرحله داره: خواندن فایل، مقایسه اطلاعات، پیدا کردن دلیل اختلاف و آماده‌کردن پاسخ. گوگل کربن رو برای پیگیری همین کارهای طولانی‌تر و بررسی عمیق‌تر مسئله‌ها طراحی کرده. البته کیفیت نتیجه همچنان به اطلاعات شما و ابزارهای محیطی که استفاده می‌کنین بستگی داره.

ممکنه در توضیحات این مدل با کلمه «ایجنت» هم روبه‌رو بشین. منظور، دستیاریه که علاوه بر پاسخ‌دادن، با ابزارهایی مثل فایل‌ها، جست‌وجو یا اجرای کد کار می‌کنه تا درخواست شما رو جلو ببره. مثلاً در محیط برنامه‌نویسی، فایل رو تغییر می‌ده و نتیجه اجرای برنامه رو بررسی می‌کنه.

1- بررسی فایل‌های PDF، عکس، صدا و ویدئو

ورودی کربن فقط متن نیست. این مدل می‌تونه متن، تصویر، فایل PDF، صدا و ویدئو رو دریافت کنه. بنابراین، بسته به امکانات محیطی که در اختیار دارین، می‌تونین به‌جای تایپ‌کردن همه اطلاعات، فایل مربوط رو براش بفرستین.

برای مثال، یک گزارش و نمودارش رو می‌فرستین و می‌پرسین: «توضیح نویسنده با عددهای نمودار هماهنگه؟ اگه جایی اختلاف داره، همون بخش رو نشون بده.» این درخواست، مشخص می‌کنه دنبال چه نتیجه‌ای هستین.

هرچقدر خواسته‌تون روشن‌تر باشه، بررسی پاسخ هم راحت‌تر می‌شه. اگه فقط بنویسین «این فایل رو تحلیل کن»، ممکنه خروجی با چیزی که در ذهن داشتین فاصله داشته باشه. بهتره بگین دنبال خلاصه، مقایسه، پیدا کردن ایراد یا استخراج اطلاعات مشخص هستین.

2- آماده‌کردن گزارش، جدول و ارائه

یکی از کاربردهایی که گوگل برای کربن معرفی کرده، کار با اطلاعات پراکنده و آماده‌کردن گزارش، فایل جدولی و ارائه در محیط‌های مجهز به ابزاره. یعنی مدل می‌تونه از اطلاعات چند منبع برای ساخت یک خروجی منظم کمک بگیره.

شما هم می‌تونین از یک کار آشنا شروع کنین: یادداشت‌های جلسه رو بدین و بخواین تصمیم‌ها، مسئول هر کار و سؤال‌های بی‌پاسخ رو جدا کنه. اگه گزارش برای مدیر نوشته می‌شه، این رو هم بگین؛ چون نوع توضیح و میزان جزئیات باید با مخاطب هماهنگ باشه.

اگه فایل قابل دانلود لازم دارین، از اول مشخص کنین. نوشتن متن اسلاید و ساخت فایل ارائه، به امکانات متفاوتی نیاز دارن و باید ببینین محیط انتخابی شما کدومشون رو فراهم می‌کنه.

3- کدنویسی، ساخت سایت و پیدا کردن خطا

بخش مهمی از توانایی‌های کربن به برنامه‌نویسی مربوطه؛ به‌خصوص وقتی تغییر یک قسمت، روی چند فایل دیگه هم اثر می‌ذاره. گوگل در مستنداتش به طراحی رابط، ساخت و آزمایش برنامه و پروژه‌های سه‌بعدی اشاره کرده.

مثلاً مشتری روی دکمه ثبت سفارش می‌زنه، اما سفارش ثبت نمی‌شه. برای حل این مشکل، باید معلوم بشه ایراد از ظاهر صفحه، اطلاعات فرم یا ارتباط با بخش پرداخت بوده. درخواست مفید اینه: «اول علت خطا رو پیدا کن، بعد بخش مرتبط رو اصلاح کن و بگو چطور مطمئن شدی مشکل حل شده.»

برای ساخت صفحه جدید هم جزئیات به کارتون میان. به‌جای «یک صفحه زیبا بساز»، بگین صفحه برای چه محصولیه، چه بخش‌هایی لازم داره و کاربر در پایان باید چه کاری انجام بده. نمایش موبایل رو هم در درخواستتون بیارین.

4- ساخت تجربه‌های سه‌بعدی با کمک ابزارها

گوگل نمونه‌هایی از بازی سه‌بعدی و محیط تعاملی ساخته‌شده با کمک کربن نمایش داده. در یکی از نمونه‌ها، عکس‌های تاریخی و نقشه‌های مهندسی برای ساخت یک نمایشگاه تعاملی درباره برج ایفل استفاده شدن. در بعضی پروژه‌ها هم ابزارهایی مثل Blender و مدل‌های تولید تصویر و موسیقی حضور داشتن.

اینجا کربن می‌تونه برنامه‌ریزی، کدنویسی و ارتباط میان بخش‌های پروژه رو جلو ببره. خروجی مستقیم خود مدل متنه؛ ساخت تصویر، موسیقی یا بخش‌های دیگر به ابزارهای مربوط وابسته است. پس وقتی یک نمونه جذاب می‌بینین، ابزارهای استفاده‌شده در اون رو هم بررسی کنین.

5- کمک به پژوهش و بررسی‌های تخصصی

کاربرد کربن به نوشتن محتوا و ساخت سایت محدود نمی‌شه. پژوهشگران DeepMind در پروژه AlphaProof Code، از دستیارهای مجهز به کربن برای کمک به اثبات ریاضی بعضی ویژگی‌های امنیتی کد پروتکل Signal استفاده کردن. متخصصان هم هدف‌ها رو تعیین و نتیجه‌ها رو بازبینی کردن.

این مثال نشون می‌ده مدل در کارهای تخصصی هم کاربرد داره. برای استفاده شما، نکته اصلی روش کاره: سؤال مشخص، اطلاعات معتبر و راهی برای بررسی نتیجه. پیچیده‌ترشدن مدل، نیاز به این سه مورد رو از بین نمی‌بره.

جمنای ۴ کربن کجا در دسترس است؟

اگه فقط می‌خواین با کربن گفت‌وگو کنین و فایل بفرستین، سایت یا اپلیکیشن جمنای نقطه شروع شماست. برای استفاده داخل برنامه خودتون، باید سراغ API برین. Antigravity هم برای کار روی پروژه‌های برنامه‌نویسی در نظر گرفته شده.

وضعیت دسترسی بر اساس منابع بررسی‌شده تا 21 آبان:

این اطلاعات از راهنمای جمنای، راهنمای AI Mode و جدول مدل‌های Antigravity کنار هم قرار گرفته. داشتن اشتراک در یک سرویس، به معنی فعال‌بودن همه امکانات در محیط‌های دیگه نیست.

چطور در سایت و اپلیکیشن جمنای از کربن استفاده کنیم؟

1. وارد سایت جمنای یا اپلیکیشن بشین.
2. مطمئن بشین حسابی که باز کردین، همون حساب دارای اشتراک Ultra هست.
3. منوی انتخاب مدل رو باز کنین و گزینه Carbon رو بررسی کنین.
4. سؤال یا فایل‌تون رو بفرستین و توضیح بدین چه خروجی‌ای می‌خواین.

اگه اسم مدل رو نمی‌بینین، اول حساب واردشده، وضعیت اشتراک و پشتیبانی کشور رو بررسی کنین. گوگل عرضه رو تدریجی اعلام کرده و دسترسی سرویس‌ها هم شرایط یکسانی نداره. انتخاب مدل و میزان فکرکردن اون هم روی سهمیه مصرفی اثر می‌ذاره.

استفاده از کربن در برنامه یا سایت خودتان

API راهیه که برنامه شما از طریق اون با مدل ارتباط می‌گیره. مثلاً نرم‌افزار داخلی شرکت، گزارش رو برای کربن می‌فرسته و پاسخ رو داخل داشبورد به کاربر نشون می‌ده.

برای این مسیر، از Google AI Studio شروع کنین، پرداخت پروژه رو فعال کنین و مدل gemini-4-carbon رو آزمایش کنین. بعد می‌تونین با کلید API، برنامه رو به مدل وصل کنین. هزینه این استفاده بر اساس مصرف محاسبه می‌شه و از اشتراک جمنای جداست؛ کربن در سطح رایگان API ارائه نشده.

استفاده از کربن در Antigravity

Antigravity ابزار برنامه‌نویسی گوگله؛ محیطی که دستیار در اون می‌تونه با فایل‌ها و ابزارهای پروژه کار کنه. نسخه App محیط تصویری داره و نسخه CLI از طریق ترمینال استفاده می‌شه. اگه با ترمینال راحت نیستین، می‌تونین از محیط تصویری شروع کنین.

طبق فهرست فعلی مدل‌ها، دسترسی به کربن در Antigravity برای Ultra و Enterprise در نظر گرفته شده. مدل رو از منوی زیر کادر درخواست انتخاب می‌کنین. این دسترسی رو با امکان استفاده از Swarm اشتباه نگیرین؛ Swarm شرایط خودش رو داره.

قابلیت Swarm چیست و چه کمکی به شما می‌کند؟

Swarm یعنی تقسیم یک پروژه بین چند دستیار هوش مصنوعی که با هم هماهنگ کار می‌کنن. این قابلیت در Antigravity App و CLI به‌صورت پیش‌نمایش ارائه شده.

برای اینکه کاربردش روشن بشه، ساخت یک صفحه فروشگاه رو در نظر بگیرین. صفحه به کارت محصول، جدول مقایسه و فرم نیاز داره. یک دستیار می‌تونه روی کارت‌ها کار کنه، یکی جدول رو آماده کنه و دستیار دیگه نتیجه رو بررسی کنه.

شما هدف رو توضیح می‌دین و کار بین اعضای تیم تقسیم می‌شه. بنابراین، لازم نیست خودتون چند گفت‌وگوی جدا باز کنین و نتیجه هرکدوم رو دستی به بقیه منتقل کنین.

اعضای تیم Swarm چه وظیفه‌ای دارن؟

در الگوی معرفی‌شده گوگل، تیم این نقش‌ها رو داره:

• هماهنگ‌کننده: درخواست رو به کارهای کوچک‌تر تقسیم می‌کنه و پیشرفت تیم رو دنبال می‌کنه.
• دستیارهای اجرایی: هرکدوم بخش مشخصی از پروژه رو انجام می‌دن.
• بررسی‌کننده: تغییرها رو بررسی و آزمایش می‌کنه و اگه ایرادی باشه، برای اصلاح برمی‌گردونه.

گوگل امکان استفاده از مدل‌های مختلف در تیم رو هم توضیح داده. برای مثال، در حساب دارای دسترسی، می‌شه بررسی دشوار رو به کربن سپرد و برای بخش‌های ساده‌تر از مدل سریع‌تر کمک گرفت.

دستیارهای فرعی می‌تونن گفت‌وگو و محدوده کاری جدا داشته باشن. برای همین، هر عضو باید بدونه چه کاری ازش خواسته شده و چه زمانی وظیفه‌اش تموم می‌شه. هرچقدر محدوده کار روشن‌تر باشه، هماهنگی نتیجه‌ها هم راحت‌تر خواهد بود.

آیا Swarm برای کاربران Pro هم فعال است؟

بله اما داشتن Swarm به معنی دسترسی به مدل کربن در اشتراک Pro نیست.

اگه Pro دارین، برای امتحان‌کردن Swarm لزوماً نیاز نیست پلن رو عوض کنین. اول امکانات حساب و فهرست مدل‌ها رو ببینین؛ بعد مشخص کنین چیزی که لازم دارین خودِ کربنه یا تقسیم کار بین چند دستیار.

آموزش استفاده از Swarm در Antigravity

پروژه رو در Antigravity باز کنین و یک گفت‌وگوی تازه بسازین. بعد این مراحل رو انجام بدین:

1. داخل کادر درخواست، /swarm رو بنویسین و با کلید Tab انتخابش کنین.
2. توضیح بدین چه کاری می‌خواین و نتیجه درست باید چه ویژگی‌هایی داشته باشه.
3. وقتی تیم تشکیل شد، پنل Swarm رو از پاسخ هماهنگ‌کننده باز کنین.
4. پیشرفت رو دنبال کنین و اگه اولویت‌تون تغییر کرد، به هماهنگ‌کننده بگین.

در محیط تصویری، بخش‌های Board، Members و Graph برای دیدن وضعیت کار، اعضا و ارتباطشون وجود دارن. اگه از CLI استفاده می‌کنین، فرمان /swarm board تابلوی تیم رو باز می‌کنه.

چطور نتیجه کار تیم رو بررسی کنیم؟

بعد از پایان کار، صفحه ساخته‌شده رو باز کنین. قیمت‌ها رو با فایل اصلی تطبیق بدین، لینک‌ها رو امتحان کنین و نمایش موبایل رو ببینین. اگه تیم گفته آزمایشی اجرا کرده، نتیجه اون رو هم بخواین.

بخش Review در Antigravity اجازه می‌ده تغییرات رو فایل‌به‌فایل ببینین و روی خطوط بازخورد بدین. از این بخش برای فهمیدن تغییرها استفاده کنین؛ پیام «انجام شد» به‌تنهایی توضیح کافی درباره نتیجه نیست.

برای چه کارهایی از Swarm استفاده کنیم؟

Swarm وقتی کاربرد بیشتری داره که بشه بخش‌هایی از کار رو جدا پیش برد؛ مثلاً اصلاح چند قسمت سایت که وابستگی کمی به هم دارن. برای تغییر یک جمله یا توضیح یک خط کد، یک گفت‌وگوی معمول معمولاً کارتون رو راه می‌ندازه.

در Antigravity اسم‌های دیگه‌ای هم می‌بینین که کاربرد متفاوتی دارن:

این مقایسه، راهنمای انتخاب کاربردیه و بر اساس توضیحات رسمی قابلیت‌ها نوشته شده. برای کار شما، مهم‌تر از تعداد دستیارها اینه که روش تقسیم کار با پروژه هماهنگ باشه.

تفاوت جمنای ۴ کربن و آرگون چیست؟

اگه تا الان از آرگون استفاده می‌کردین، احتمالاً می‌خواین بدونین چه زمانی سراغ کربن برین. گوگل آرگون رو همچنان برای بیشتر کارهای حرفه‌ای و برنامه‌نویسی مناسب می‌دونه. کربن برای مسئله‌هایی در نظر گرفته شده که بررسی بیشتری لازم دارن.

قیمت هر توکن این دو مدل در مستندات یکسان توصیف شده، اما هزینه هر درخواست لزوماً برابر نیست؛ چون کربن ممکنه برای فکرکردن به همون سؤال، توکن بیشتری مصرف کنه.

پیشنهاد ما در دیکاردو اینه که مقایسه رو با یکی از کارهای واقعی خودتون انجام بدین. یک گزارش یا خطای مشخص رو به هر دو بدین و ببینین کدوم پاسخ، نتیجه قابل استفاده‌تری داره. اگه آرگون نیازتون رو برطرف می‌کنه، می‌تونین کربن رو برای کارهای دشوارتر نگه دارین.

گزینه‌های Low، Medium و High چه فرقی دارن؟

این گزینه‌ها میزان بررسی مدل قبل از پاسخ‌دادن رو تنظیم می‌کنن. در API کربن، سه سطح Low، Medium و High وجود داره و حالت پیش‌فرض، Medium است.

این پیشنهادها رو با کار خودتون بسنجین. برای خلاصه‌کردن یک متن کوتاه، شاید بررسی طولانی‌تر تفاوت زیادی ایجاد نکنه. برای پیدا کردن ایرادی که بین چند فایل پخش شده، ممکنه ارزشش رو داشته باشه.

اگه توسعه‌دهنده هستین، برای کم‌کردن مصرف، سقف خروجی رو بیش از حد پایین نیارین. ممکنه مدل قبل از کامل‌کردن پاسخ متوقف بشه و همچنان هزینه بخش فکرکردن محاسبه بشه. گوگل تنظیم سطح فکرکردن متناسب با کار رو پیشنهاد می‌کنه.

ظرفیت یک میلیون توکن یعنی چقدر اطلاعات؟

توکن واحدی برای پردازش محتواست و دقیقاً برابر یک کلمه نیست. کربن حدود یک میلیون توکن ظرفیت مشترک داره؛ یعنی اطلاعاتی که می‌فرستین، پردازش فکری مدل و خروجی، از یک فضای مشترک استفاده می‌کنن. این عدد رو نباید یک میلیون توکن جداگانه برای هر بخش در نظر بگیرین.

کاربردش برای شما اینه که می‌شه اطلاعات بیشتری رو در یک درخواست کنار هم قرار داد. بااین‌حال، مرتب‌بودن فایل‌ها و مشخص‌کردن سؤال همچنان مهمه. حجم بیشتر اطلاعات، به‌تنهایی پاسخ بهتری ایجاد نمی‌کنه.

قابلیت Long Decode چیست؟

در حالت معمول، سقف تولید برای فکرکردن و خروجی حدود ۶۵ هزار توکنه. Long Decode در API امکان ادامه کارهای طولانی‌تر رو با تنظیمات مربوط فراهم می‌کنه؛ این کار هم از همون ظرفیت مشترک حدود یک میلیون توکن استفاده می‌کنه.

اگه استفاده‌تون گفت‌وگو و بررسی فایل‌های معمولیه، لازم نیست درگیر این تنظیمات بشین. این بخش بیشتر برای توسعه‌دهنده‌هایی کاربرد داره که خروجی‌های خیلی بلند می‌خوان و باید زمان اجرا، هزینه و ادامه کار در پس‌زمینه رو مدیریت کنن.

آیا Swarm سهمیه بیشتری مصرف می‌کنه؟

وقتی چند دستیار هم‌زمان روی پروژه کار می‌کنن، طبیعی است که مصرف با یک گفت‌وگوی ساده فرق کنه. گوگل هم توضیح داده که فعالیت تیم می‌تونه سهمیه رو سریع‌تر مصرف کنه. اعضایی که روی تابلوی تیم منتظر کار هستن، در زمان بیکاری توکن مصرف نمی‌کنن.

سهمیه Antigravity به پلن و حجم کار بستگی داره. مستندات Pro و Ultra به دوره‌های مصرف و محدودیت هفتگی اشاره می‌کنن؛ شرایط هم ممکنه تغییر کنه. بنابراین، نمی‌شه برای همه پروژه‌ها یک تعداد درخواست ثابت اعلام کرد.

جمنای ۴ کربن در آزمون‌ها چه نتیجه‌ای گرفته؟

بنچمارک یا آزمون مقایسه‌ای، چند کار مشخص رو به مدل‌ها می‌سپره و نتیجه رو با معیار خودش می‌سنجه. این امتیازها برای شناخت توانایی مدل مفیدن، به شرطی که بدونیم هرکدوم دقیقاً چی رو بررسی می‌کنن.

نتایج صفحه‌های مرجع در زمان بررسی:

این داده‌ها از صفحه‌های Cursor، Zapier و Artificial Analysis گرفته شدن. درصدهای جدول، معیارهای متفاوتی دارن و نباید اون‌ها رو «درصد هوش» یا احتمال موفقیت در همه کارهای شما بدونیم.

برای انتخاب مدل، ببینین آزمون چقدر به کار شما نزدیکه. کسی که دنبال کمک در کدنویسیه، از یک آزمون مرتبط با پروژه‌های نرم‌افزاری اطلاعات بیشتری می‌گیره تا رتبه‌ای که موضوع متفاوتی رو سنجیده. بعد هم نتیجه رو روی کار خودتون امتحان کنین.

به چه محدودیت‌هایی باید توجه کنیم؟

حتی پاسخ مرتب و مطمئن هم ممکنه اشتباه باشه. NIST در راهنمای هوش مصنوعی مولد، این مشکل رو با عبارت زیر توصیف کرده:

“confidently stated but erroneous or false content”

یعنی محتوایی که با اطمینان بیان شده، اما نادرسته. برای همین، بهتره علاوه بر جواب، منبع و روش بررسی اون رو هم بخواین.

گوگل در گزارش ایمنی، برای کربن در آزمون صداقت انجام کار، نتیجه ۹۲ درصد و برای آرگون ۷۰ درصد رو اعلام کرده. این ارزیابی شامل ۳۷۵ وظیفه بوده و بررسی می‌کرده که مدل، کمبود اطلاعات و مشکل موجود رو گزارش می‌کنه یا نتیجه‌ای بدون پشتوانه می‌نویسه. این عدد مربوط به همین ارزیابیه و تضمین درست‌بودن همه پاسخ‌ها نیست.

در کارت مدل، احتمال پاسخ نادرست، کندی و تمام‌شدن زمان بعضی درخواست‌ها هم ذکر شده. تاریخ پایان دانش آموزشی، مارس ۲۰۲۶ اعلام شده؛ پس برای خبرها و اطلاعات تازه، باید منبع جدید یا ابزار جست‌وجو در اختیار مدل باشه.

برای بررسی خروجی، این سه سؤال به کارتون میان:

• این نتیجه بر اساس کدوم فایل یا منبع نوشته شده؟
• چه چیزی واقعاً اجرا یا آزمایش شده؟
• کدوم قسمت هنوز معلوم نیست و به بررسی نیاز داره؟

در گزارش، عددها رو با فایل اصلی تطبیق بدین. در پروژه سایت هم صفحه رو باز کنین و عملکرد بخش تغییرکرده رو ببینین. این بررسی رو از کاری شروع کنین که خودتون نتیجه درستش رو می‌شناسین.

چند درخواست کاربردی برای شروع کار با کربن

برای امتحان‌کردن مدل، لازم نیست یک پروژه بزرگ آماده کنین. نمونه‌های زیر رو با اطلاعات خودتون تغییر بدین؛ این‌ها متن پیشنهادی درخواستن و نتیجه‌شون به فایل‌ها و محیط شما بستگی داره.

• مقایسه دو گزارش

این دو گزارش را مقایسه کن. تغییرهای مهم را با عدد و محل آن در فایل نشان بده. اگر علت تغییر در منابع نوشته شده، همان را توضیح بده؛ اگر فقط یک احتمال است، مشخص کن. نتیجه را در جدول بنویس و سؤال‌های بی‌پاسخ را در پایان بیاور.

• نوشتن پیش‌نویس صفحه محصول

با اطلاعاتی که فرستاده‌ام، پیش‌نویس صفحه محصول بنویس. ابتدا توضیح بده محصول برای چه کسی مناسب است. مشخصات را دقیق نگه دار و ویژگی‌ای اضافه نکن که در اطلاعات من وجود ندارد. مواردی را که باید قبل از انتشار بررسی کنم، در پایان مشخص کن.

• پیدا کردن مشکل سایت

خطایی را که توضیح داده‌ام بررسی کن. قبل از تغییر، بگو چه شواهدی درباره علت آن پیدا کرده‌ای. بخش مرتبط را اصلاح کن، نتیجه را آزمایش کن و در پایان توضیح بده چه چیزی تغییر کرده و چه چیزی هنوز باقی مانده است.

آیا جمنای ۴ کربن رایگان است؟

برای استفاده عمومی در اپلیکیشن، به Ultra نیاز دارین و API هم پولیه. برنامه ویژه پژوهشگران، دسترسی شش‌ماهه رایگان رو برای پذیرفته‌شده‌ها در نظر گرفته؛ فرستادن درخواست، پذیرش قطعی نیست.

آیا با Google AI Pro می‌تونیم از کربن استفاده کنیم؟

طبق فهرست فعلی، کربن در اپلیکیشن برای Ultra ارائه شده و در Antigravity، Ultra و Enterprise به اون دسترسی دارن. API پولی هم مسیر جداگانه‌ای از اشتراک Pro است.

آیا Swarm روی Pro فعال است؟

بله، مستندات گوگل Swarm رو برای Pro و Ultra در Antigravity App و CLI فهرست کرده. مدل‌هایی که می‌تونین در تیم استفاده کنین، به دسترسی پلن شما بستگی دارن.

آیا Swarm داخل چت معمول جمنای هم وجود داره؟

دسترسی و آموزش فعلی Swarm مربوط به Antigravity App و CLI است. داشتن کربن در اپلیکیشن جمنای، به‌تنهایی به معنی فعال‌بودن فرمان Swarm در همون محیط نیست.

آیا کربن خودش عکس و ویدئو می‌سازه؟

خروجی مستقیم کربن متنه. می‌تونه محتوای تصویری و ویدئویی رو بررسی کنه و با ابزارهای مربوط در پروژه‌های ساخت رسانه نقش داشته باشه؛ تولید تصویر و ویدئو به مدل‌ها و ابزارهای مخصوص وابسته است.

کربن بهتره یا آرگون؟

برای بیشتر کارهای حرفه‌ای روزمره، آرگون همچنان گزینه مناسبیه. کربن رو زمانی امتحان کنین که مسئله پیچیده‌تره و بررسی عمیق‌تر براتون ارزش زمان و مصرف بیشتر رو داره.

چرا با Swarm سهمیه زودتر تموم می‌شه؟

چون چند دستیار دارن روی پروژه فعالیت می‌کنن. برای کارهای کوچک، یک گفت‌وگو رو امتحان کنین؛ Swarm رو برای پروژه‌ای به کار ببرین که واقعاً بشه بخش‌هاش رو تقسیم کرد.

برای استفاده از کربن باید برنامه‌نویس باشیم؟

برای سؤال‌پرسیدن، بررسی فایل و نوشتن متن، نه. اگه سراغ تغییر کد یا Swarm در پروژه نرم‌افزاری می‌رین، باید بتونین تغییرات و نتیجه اجرای برنامه رو بررسی کنین یا از فرد آشنا به پروژه کمک بگیرین.