تیم ایجنت‌های گوگل در Antigravity؛ ‎/teamwork‎ مسئله‌ی ریاضی حل کرد و کد بازنویسی کرد

گوگل کارنامه‌ی ‎/teamwork‎ در Antigravity را منتشر کرد: حل مسئله‌ی باز ریاضی، ۱٫۸ میلیون خط Lean و بازنویسی کد. شیوه‌ی کار و دسترسی.

تیم ایجنت‌های گوگل در Antigravity؛ ‎/teamwork‎ مسئله‌ی ریاضی حل کرد و کد بازنویسی کرد

بخش پژوهش گوگل روز ۲۲ آبان ۱۴۰۵ (۱۳ نوامبر ۲۰۲۶) کارنامه‌ی قابلیت ‎/teamwork‎ در Antigravity را منتشر کرد؛ سامانه‌ای که در آن ده‌ها ایجنت هوش مصنوعی مثل یک تیم روی یک مسئله‌ی طولانی کار می‌کنند. طبق نوشته‌ی رسمی Google Research این تیم‌ها چند مسئله‌ی باز ریاضی را حل کرده‌اند، اثبات‌های بزرگ را به زبان Lean برگردانده‌اند و نرم‌افزارهای واقعی را بازنویسی کرده‌اند. گوگل هم‌زمان برای ۱۰ هزار پژوهشگر دانشگاهی شش ماه دسترسی رایگان باز کرده است.

‎/teamwork‎ چیست؟

Antigravity محیط برنامه‌نویسی و کار با ایجنت گوگل است. ‎/teamwork‎ فرمانی در این محیط است که به‌جای یک ایجنت، گروهی از ایجنت‌های تخصصی را سر کار می‌گذارد. انسان مسئله و قیدها را تعیین می‌کند. ایجنت‌ها برنامه می‌نویسند، راه‌های مختلف را می‌گردند، نامزدها را آزمایش می‌کنند و منطق کار را وارسی می‌کنند.

چطور کار می‌کند؟

  • چند راه هم‌زمان، با داور خودکار: چند راه‌حل موازی ساخته می‌شود و ابزارهای بیرونی آن‌ها را رد یا تأیید می‌کنند؛ مثل وارسی‌گر اثبات Lean 4، مجموعه‌ی آزمون‌های دست‌نخورده‌ی نرم‌افزار و شبیه‌ساز اجرا.
  • تقسیم زمینه: هر ایجنت فقط فایل‌ها و ابزارهای همان گام را می‌بیند تا در کار چندروزه حواسش پخش نشود.
  • نقش‌های جدا: هماهنگ‌کننده کار را به ایجنت تازه‌نفس می‌سپارد. منتقد و بازرس نتیجه را از صفر و بدون دیدن استدلال سازنده بررسی می‌کنند.
  • الگوهای آماده: اثبات طولانی، بازبینی مقاله (Deep Review)، کدنویسی تکراری (با نام ‎/boost‎) و بازنویسی کد. سامانه خودش الگوی مناسب هر درخواست را انتخاب می‌کند.

مدل اصلی بیشتر این کارها Gemini 4 Argon بوده و در بعضی گام‌ها از Gemini 4 Carbon و Hydrogen هم استفاده شده است. مدل Carbon را در معرفی Gemini 4 Carbon بررسی کرده‌ایم.

چه نتیجه‌هایی گزارش شده؟

حوزهنتیجه به گفته‌ی گوگل
ریاضیاثبات کامل حدس Courtade و Kumar که از سال ۲۰۱۳ باز بود
وارسی صورینوشتن حدود ۱٫۸ میلیون خط Lean برای حدس‌های ویل، با ۲۸٬۸۰۰ بار فراخوانی ایجنت
مسئله‌ی دهم هیلبرتحدود ۹۱۹ هزار خط Lean برای یک اثبات تازه
بازبینی مقاله۵۷۸ مقاله‌ی همایش STOC 2027 بازبینی شد؛ ۹۰ درصد از ۷۰ پاسخ‌دهنده گفتند دوباره از آن استفاده می‌کنند
شیمیتیمی از ۳۰ ایجنت در شناسایی مولکول به ۹۵ درصد جواب درست در نخستین حدس رسید
بازنویسی نرم‌افزاررمزگشای ویدیوی AV1 با حدود ۱۷۰ هزار خط Rust بازنویسی شد و ۲۰ تا ۳۰ درصد از نسخه‌ی اصلی تندتر شد
بازی Goموتور ۹ در ۹ در کمتر از هشت روز حدود ۲۶۰۰ امتیاز Elo بالا رفت
زیرساخت گوگلقطع ناخواسته‌ی کارهای TPU روی بعضی سخت‌افزارها ۲۴ درصد کم شد

به گزارش Interesting Engineering ایجنت‌ها حدس بیرکهوف را هم که نزدیک به یک قرن قدمت دارد برای نخستین بار به شکل صوری نوشته‌اند. در بازبینی مقاله‌ها، بیش از ۳۰ درصد پاسخ‌دهنده‌ها گفتند سامانه ایراد جدی در اثبات یا غلط مهمی پیدا کرده است.

چه چیزهایی را باید با احتیاط خواند؟

همه‌ی این عددها را خود گوگل داده است. نظرسنجی بازبینی مقاله فقط ۷۰ پاسخ داشته و خوداظهاری است. گوگل هم می‌نویسد خروجی مدل قابل پیش‌بینی نیست و به همین دلیل همه‌چیز به داورهای بیرونی تکیه دارد. تعیین هدف، تأیید نتیجه و اطمینان از اینکه صورت صوری مسئله با مسئله‌ی اصلی یکی است، هنوز کار متخصص انسانی است. نتیجه‌های ریاضی هم باید مسیر داوری معمول را بگذرانند.

این احتیاط بی‌دلیل نیست. آزمون‌های مستقل نشان داده‌اند ایجنت‌ها در کارهای واقعی هنوز زیاد خطا می‌کنند؛ نمونه‌اش را در خبر Co-Design Bench نوشتیم.

دسترسی

به گفته‌ی گوگل، کاربران بیرونی همین حالا می‌توانند مدل‌های Gemini 4 را با ‎/teamwork‎ و ‎/boost‎ در Antigravity به کار بگیرند. Deep Review هفته‌ای دو بار رایگان است. برنامه‌ی پژوهشگران برای ۱۰ هزار نفر از دانشگاه‌ها شش ماه دسترسی رایگان به بالاترین سطح مصرف می‌دهد. الگوی اثبات صوری و الگوی بازنویسی کد هنوز برای همه باز نشده است. نوشته‌ی گوگل قیمت دیگری نگفته است. درباره‌ی مدل تند این خانواده هم در خبر Gemini 4 Hydrogen نوشته‌ایم.

این یعنی چه برای کاربر فارسی‌زبان؟

گوگل فهرست کشورهای برنامه‌ی پژوهشگران را در این نوشته نیاورده و سرویس‌های گوگل برای کاربر ایرانی محدودیت دارند؛ پس روی دسترسی مستقیم حساب نکنید. ولی شیوه‌ی کار را می‌شود همین امروز با هر مدلی تمرین کرد: کار بزرگ را به گام‌های کوچک بشکنید، برای هر گام فقط اطلاعات همان گام را بدهید، و نتیجه را در یک گفتگوی تازه به‌عنوان «منتقد» دوباره بررسی کنید. در ابزارهای هوش‌نو می‌توانید این روش را با مدل‌های GPT، Claude، Gemini، DeepSeek و Qwen به فارسی امتحان کنید.

منبع‌ها

سؤالات متداول

‎/teamwork‎ در Antigravity چیست؟

فرمانی است که گروهی از ایجنت‌های تخصصی را با نقش‌های سازنده، منتقد و بازرس روی یک کار طولانی می‌گذارد.

آیا این ایجنت‌ها واقعا مسئله‌ی ریاضی حل کرده‌اند؟

گوگل چند نتیجه گزارش کرده و بخشی از آن‌ها با Lean وارسی شده است. با این حال تأیید نهایی با متخصصان و داوری علمی است.

Deep Review چیست؟

الگویی برای بازبینی مقاله‌ی علمی است که ایراد اثبات و غلط‌ها را پیدا می‌کند. هر کاربر هفته‌ای دو بار رایگان می‌تواند از آن استفاده کند.

نویسنده نعیم حشم‌بان بنیان‌گذار و سردبیرِ هوش نو

نعیم حشم‌بان بنیان‌گذارِ هوش نو است و هر روز مدل‌های تازه‌ی هوش مصنوعی را امتحان می‌کند تا آموزش و بررسیِ ساده و دقیق به زبانِ فارسی بنویسد.