Gemini Omni
بازگشت به همه مقالات
7 دقیقه مطالعه

جمینی در اکتبر ۲۰۲۶: 3.8 Live، 3.8 TTS، Omni در Vids، Gemini 4 Argon و Nano Banana 2.1

خلاصه ۳ سپتامبر تا ۸ اکتبر: GA برای 3.8 Live و TTS، Omni 1.1 در Google Vids، Lyria 3.5، اعلام Gemini 4 Argon، Nano Banana 2.1، و اصلاح سیاست دسترسی 2.5.

Gemini OmniGemini Omni FlashGemini 3.8 LiveGemini 3.8 Flash TTSGemini 4 ArgonNano Banana 2.12026

۳ سپتامبر تا ۸ اکتبر

از به‌روزرسانی سپتامبر، Google چند مدل را GA کرد، یک endpoint پیش‌نمایش Omni را بست و مدل متنی flagship جدیدی اعلام کرد که هنوز در دسترس توسعه‌دهندگان نیست. این پست ۳ سپتامبر تا ۸ اکتبر ۲۰۲۶ را پوشش می‌دهد و بر تغییراتی که هنوز بر production اثر می‌گذارند و مهلت‌های سخت تمرکز دارد.

به‌روزرسانی‌های Omni

Omni 1.1 Flash در Google Vids (۲۳ سپتامبر)

طبق Google Workspace Updates، Omni 1.1 Flash در ۲۳ سپتامبر وارد Google Vids شد. در مقایسه با تولید ویدیوی قبلی در Vids، Google این موارد را برجسته می‌کند:

قابلیتتوضیح
گسترش ویدیوکیفیت بالاتر؛ یکنواختی بهتر شخصیت و صدا
مدتتعیین دقیق طول clip
وضوحتولید مستقیم 1080p یا upscale ویدیوی AI به 1080p

دسترسی: Business Starter، Standard و Plus؛ Enterprise Starter، Standard و Plus؛ Education Plus؛ و حساب‌های شخصی Google با Google AI Pro یا Ultra. کلید admin نیست — قابلیت مستقیماً برای حساب‌های واجد شرایط rollout می‌شود.

خاموش شدن endpoint پیش‌نمایش (۳۰ سپتامبر)

gemini-omni-flash-preview طبق برنامه در ۳۰ سپتامبر ۲۰۲۶ خاموش شد. برای همه API Omni Flash و بارهای production از مدل GA gemini-omni-1.1-flash استفاده کنید.

Omni Pro

تا ۸ اکتبر، Google تاریخ GA برای Gemini Omni Pro منتشر نکرده. صفحه طرح‌های Google AI فعلاً Omni Flash را در اپ Gemini و Flow فهرست می‌کند؛ Omni Pro را فهرست نمی‌کند. به‌جز روایت preview اول Ultra از ماه‌های قبل، به‌روزرسانی رسمی جدیدی ندیده‌ایم.

Gemini 3.8 Live (GA ۱۵ سپتامبر)

Google خانواده Gemini 3.8 Live را در ۱۵ سپتامبر ۲۰۲۶ GA کرد برای agentهای صوتی کم‌تأخیر و تعامل صوتی زنده.

Model IDنقش
gemini-3.8-liveپیش‌فرض agentهای صوتی؛ interleaved reasoning؛ async function calling به‌طور پیش‌فرض روشن؛ به‌روزرسانی client content برای کل session
gemini-3.8-live-extended-thinkingاستدلال بالاتر؛ استدلال پس‌زمینه در تعامل صوتی زنده، برای کارهای پیچیده توصیه می‌شود

توسعه‌دهندگان از Gemini API و Google AI Studio به هر دو مدل دسترسی دارند. سازمان‌ها می‌توانند Gemini Enterprise private preview درخواست کنند. مصرف‌کنندگان از Search Live استفاده می‌کنند. Extended Thinking در Gemini Live و Docs، Gmail و Keep هم هست.

gemini-3.8-live اکنون انتخاب پیش‌فرض agentهای Live API است، قبل از gemini-3.1-flash-live-preview. اگر هنوز preview 3.1 را هدف می‌گیرید، مهاجرت برنامه‌ریزی کنید و الگوهای یکپارچه‌سازی را در راهنمای Gemini 3.1 Flash Live API ببینید.

Gemini 3.8 TTS (GA API ۲۲ سپتامبر)

خط Gemini 3.8 Flash TTS در ۲۲ سپتامبر به GA API رسید؛ پست رسمی Google در ۲۳ سپتامبر بود.

Model IDکاربرد
gemini-3.8-flash-ttsجهت خلاقانه، طراحی شخصیت، کنترل اجرای خط‌به‌خط، گویش‌ها، گفتار long-form پایدار multi-turn
gemini-3.8-flash-lite-ttsthroughput بالا، هزینه کمتر؛ جایگزین مقصود gemini-3.1-flash-tts-preview

سطح Voices API جدید: /v1beta/voices طراحی صدا، cloning صدا (با تأیید consent)، و ۱۵۰+ صدای preset و سفارشی. Gemini 3.8 Flash-Lite TTS در Google Vids هم؛ Gemini 3.8 Flash TTS در Gemini API و Google AI Studio، با دسترسی Gemini Enterprise API «به‌زودی».

Lyria 3.5 (GA ۳ سپتامبر)

lyria-3.5 در ۳ سپتامبر برای تولید آهنگ کامل GA شد. Google coherence موسیقایی بهتر، vocals طبیعی‌تر و کنترل دقیق‌تر مدت و ساختار را ذکر می‌کند. ورودی: متن و تصویر. خروجی: صدای stereo 44.1 kHz.

Gemini 4 Argon (اعلام ۳۰ سپتامبر)

در ۳۰ سپتامبر، Google Gemini 4 Argon را اعلام کرد، مدل flagship جدید. توسعه‌دهندگان امروز نمی‌توانند استفاده کنند. دسترسی فعلاً به مدافعان امنیت سایبری مورد اعتماد از طریق برنامه Fairwind محدود است؛ Google در فرایند دسترسی داوطلبانه پیش از انتشار دولت آمریکا شرکت می‌کند.

پس از آن فرایند، Google برنامه دارد Argon را اول به مشتریان API پولی و مشترکین Google AI Ultra باز کند. تاریخ دسترسی عمومی اعلام نشده.

قیمت معرفی (تا پایان دوره معرفی):

ورودی (به ازای ۱M token)خروجی (به ازای ۱M token)
دوره معرفی۲ دلار۱۰ دلار
ورودی cached۹۵٪ تخفیف روی tokenهای ورودی cached—
پس از دوره معرفی۴ دلار۲۰ دلار

تا Google شناسه مدل و دسترسی API عمومی منتشر کند، Argon را در roadmapهای production قرار ندهید. زمینه قبلی خط Gemini 4: پیش‌نمایش roadmap Gemini 4.

Nano Banana 2.1 (GA ۶ اکتبر)

gemini-nano-banana-2.1 در ۶ اکتبر برای تولید تصویر و ویرایش گفت‌وگویی GA شد. Google کیفیت تصویر، پایبندی به prompt، یکنواختی شخصیت multi-turn و رندر متن را بهتر گزارش می‌کند.

نسبت تصویر جدید: 1:4، 4:1، 1:8، 8:1، با اندازه 1K، 2K، 4K.

gemini-3.1-flash-image منسوخ است و ۲۹ اکتبر ۲۰۲۶ خاموش می‌شود. قبل از آن تاریخ مهاجرت کنید.

from google import genai

client = genai.Client()

response = client.models.generate_content(
    model="gemini-nano-banana-2.1",  # قبلاً gemini-3.1-flash-image
    contents="عکس محصول روی پس‌زمینه سفید، سایه نرم.",
)

سایر تغییرات API

تاریختغییر
۱ سپتامبرAgentic video understanding روی gemini-3.7-flash، gemini-3.6-flash، gemini-3.5-flash-lite: درک ویدیوی بلند با تا ۸۸٪ token کمتر
۱۷ سپتامبرantigravity-preview-09-2026 جایگزین antigravity-preview-05-2026؛ preview ماه مه ۵ اکتبر خاموش شد
ابزار محلی Antigravityنام پارامترها از snake_case به PascalCase؛ ویرایش فایل با جایگزینی محدوده خط به‌جای rewrite کامل
Antigravity remote sandboxاگر فقط output_text / model_output می‌خوانید، رشته مدل agent را به‌روز کنید؛ تغییر parser ابزار محلی لازم نیست

اصلاح وضعیت Gemini 2.5

Google ۱۸ سپتامبر راهنما را به‌روز کرد: خانواده Gemini 2.5 منسوخ نمی‌شود. مدل‌ها تا اطلاع بعدی در دسترس‌اند، اما دسترسی به حساب‌هایی که قبلاً 2.5 استفاده کرده‌اند محدود است. پروژه‌های جدید باید gemini-3.5-flash-lite یا gemini-3.8-flash بگیرند.

به‌روزرسانی سپتامبر ۲۰۲۶ ۱۶ اکتبر ۲۰۲۶ را تاریخ بازنشستگی 2.5 ذکر کرد — آن زمان‌بندی دیگر اعمال نمی‌شود. آن مقاله را با سیاست فعلی Google اصلاح کردیم.

چک‌لیست اکتبر

  1. مطمئن شوید بارهای Omni production از gemini-omni-1.1-flash استفاده می‌کنند (endpoint پیش‌نمایش قبلاً خاموش است).
  2. gemini-3.8-live (و Extended Thinking اگر استدلال عمیق‌تر در صوت زنده می‌خواهید) را برای agentهای صوتی ارزیابی کنید.
  3. قبل از ۲۹ اکتبر ۲۰۲۶ از gemini-3.1-flash-image به gemini-nano-banana-2.1 مهاجرت کنید.
  4. اگر Antigravity local tools فراخوانی می‌کنید، parserها را برای PascalCase و ویرایش فایل محدوده خط به‌روز کنید.
  5. تا Google دسترسی عمومی توسعه‌دهنده منتشر کند، کار production حول Gemini 4 Argon برنامه‌ریزی نکنید.

مطالعه مرتبط