जब एक AI सिस्टम किसी गणितीय प्रमाण पर सवाल उठाता है
कोई गणितीय शोधपत्र विशेषज्ञ समीक्षा से गुज़र जाने के बाद भी किसी गलती के साथ रह सकता है। उसे पहचानने के लिए एक लंबे तर्क को अंत तक समझना और ठीक उस धारणा को पहचानना पड़ सकता है जो विफल होती है। Google की रिपोर्ट के अनुसार, Rutgers University की गणितज्ञ Lisa Carbone ने हाई-एनर्जी फ़िज़िक्स और इनफ़िनिट-डायमेंशनल बीजगणित के एक विशेषीकृत शोधपत्र की समीक्षा के लिए Gemini Deep Think का इस्तेमाल किया, और सिस्टम ने एक सूक्ष्म तार्किक त्रुटि पहचानी जो मानवीय पीयर रिव्यू में किसी की नज़र में आए बिना निकल गई थी। Google की फ़रवरी 2026 की रिलीज़ पोस्ट यह कहानी बताती है, और Deep Think प्रोडक्ट पेज इसे दोहराता है। यह एक रिपोर्ट किया गया मामला है, इस बात का प्रमाण नहीं कि सिस्टम आम तौर पर गणितीय शोधपत्रों की भरोसेमंद समीक्षा कर सकता है।
यह किसी चैटबॉट के जाने-पहचाने सवालों के जवाब देने से कहीं ज़्यादा अहम प्रदर्शन है। यह शोधकर्ताओं और टेक्नोलॉजी पेशेवरों के सामने एक व्यावहारिक सवाल रखता है: क्या विशेषीकृत AI रीज़निंग कठिन समस्याओं की पड़ताल में मदद कर सकती है और साथ ही इतना साक्ष्य छोड़ सकती है कि विशेषज्ञ तय कर सकें कि जवाब सही है या नहीं?
Google का Deep Think से जुड़ा काम असामान्य रूप से उपयोगी साक्ष्य देता है, जिसमें एब्स्ट्रैक्ट रीज़निंग के नतीजे, प्रतियोगिता स्तर के गणित और भौतिकी मूल्यांकन, और वैज्ञानिक शोध में दर्ज प्रयोग शामिल हैं। इन नतीजों की कुछ अहम सीमाएँ भी हैं, जो उतने ही ध्यान की हक़दार हैं।
Deep Think एक विशेषीकृत रीज़निंग मोड है, कोडिंग-एजेंट प्लेटफ़ॉर्म नहीं
ज़्यादातर AI बातचीत में प्राथमिकता एक ठीक-ठाक तेज़ जवाब को मिलती है। कठिन गणित और वैज्ञानिक सवालों में कई संभावित व्याख्याओं को खंगालना, तर्क की किसी दिशा को परखना और सत्यापन में विफल होने वाले जवाब को छोड़ना पड़ सकता है।
Deep Think इन ज़्यादा माँग वाले कामों के लिए Google का विशेषीकृत तरीका है। Google का Deep Think प्रोडक्ट पेज मौजूदा पेशकश को Gemini 3.1 Deep Think नाम देता है और कहता है कि यह Gemini 3.1 Pro पर आधारित है। यही पेज फ़रवरी 2026 के बेंचमार्क आँकड़े इसी नाम के तहत छापता है, जबकि फ़रवरी की रिलीज़ पोस्ट और मूल्यांकन पद्धति उसी मूल्यांकन को Gemini 3 Deep Think कहती हैं। यह लेख आँकड़ों को वैसे ही बताता है जैसे Google उन्हें रिपोर्ट करता है, दोनों नामों के साथ, और उन्हें Google का फ़रवरी का मूल्यांकन मानता है। वे बाद के हर कॉन्फ़िगरेशन का माप नहीं हैं।
Google सार्वजनिक रूप से अतिरिक्त इन्फ़रेंस-टाइम रीज़निंग और संभावित समाधानों की खोज का वर्णन करता है। वह कार्यान्वयन का इतना विवरण नहीं बताता कि पूरी आंतरिक रीज़निंग प्रक्रिया का अनुमान लगाया जा सके। ज़्यादा कंप्यूटेशन विकल्पों को खंगालने में मदद कर सकता है, लेकिन सही जवाब की गारंटी नहीं दे सकता।
Antigravity Google का एक अलग प्रोडक्ट है: एक एजेंटिक डेवलपमेंट एनवायरनमेंट जो इंजीनियरिंग के काम और टूल्स का समन्वय करता है। यह इन Deep Think रीज़निंग मूल्यांकनों का विषय नहीं है।
Google के रीज़निंग दावों के पीछे के आँकड़े
Google के 12 फ़रवरी 2026 के अपडेट ने Gemini 3 Deep Think के लिए 84.6% ARC-AGI-2 स्कोर रिपोर्ट किया। ARC-AGI-2 ऐसे कार्यों के ज़रिए एब्स्ट्रैक्ट पैटर्न रीज़निंग का मूल्यांकन करता है जो याद किए गए उदाहरणों पर निर्भरता को चुनौती देने के लिए बनाए गए हैं। Google इस नतीजे को ARC Prize द्वारा सत्यापित बताता है, सेमी-प्राइवेट मूल्यांकन सेट पर। यह स्कोर फ़रवरी का माप है, मौजूदा फ़्रंटियर लीडरबोर्ड की स्थिति नहीं। मूल्यांकन पद्धति
इसी पद्धति में 2025 अंतरराष्ट्रीय गणित ओलंपियाड (IMO) की छह आधिकारिक समस्याओं पर 81.5% की रिपोर्ट है, जो चार रन का औसत है और जिसे स्वतंत्र विशेषज्ञों की मदद से मानक समाधानों के मुकाबले आँका गया। इसमें 3455 की Codeforces Elo-समतुल्य रेटिंग की भी रिपोर्ट है, जिसकी गणना ख़ुद की गई, अप्रैल से अक्टूबर 2025 के बीच हुई Codeforces प्रतियोगिताओं की मध्यम और उससे ऊपर की कठिनाई वाली 222 समस्याओं पर एक ही प्रयास के साथ।
वैज्ञानिक मूल्यांकन तस्वीर को और व्यापक बनाते हैं। Google ने 2025 अंतरराष्ट्रीय भौतिकी ओलंपियाड के सैद्धांतिक हिस्से पर 87.7%, 2025 अंतरराष्ट्रीय रसायन विज्ञान ओलंपियाड के सैद्धांतिक हिस्से पर 82.8%, और कंडेंस्ड-मैटर थ्योरी के लिए CMT-Benchmark पर 50.5% की रिपोर्ट दी।
ये इंटेलिजेंस की पाँच ऐसी परिभाषाएँ नहीं हैं जिन्हें एक-दूसरे की जगह रखा जा सके। ओलंपियाड के स्कोर कई मूल्यांकित रन से आए। भौतिकी और रसायन विज्ञान के जवाबों को एक Gemini जज की मदद से संदर्भ उत्तरों के मुकाबले आँका गया, और Google ने गोल्ड-मेडल स्तर के प्रदर्शन की स्वतंत्र विशेषज्ञों द्वारा पुष्टि की रिपोर्ट दी। CMT-Benchmark में pass@8 और मॉडल-आधारित ग्रेडिंग का इस्तेमाल हुआ। मूल मेथडोलॉजी PDF इन शर्तों को स्पष्ट रूप से बताता है।
इस चित्र का सुलभ टेक्स्ट विकल्प
ARC-AGI-2 (ARC Prize द्वारा सत्यापित): 84.6%।
IMO 2025: 81.5%।
IPhO 2025 थ्योरी: 87.7%।
IChO 2025 थ्योरी: 82.8%।
CMT-Benchmark (pass@8): 50.5%।
Google इन्हें अपनी 12 फ़रवरी 2026 की रिलीज़ और मेथडोलॉजी PDF में रिपोर्ट करता है। ARC-AGI-2 को छोड़कर, जो ARC Prize द्वारा सत्यापित है, इनकी गणना Google ने ख़ुद की है। Codeforces का 3455 का नतीजा एक Elo-समतुल्य रेटिंग है और चार्ट में नहीं दिखाया गया है।
| मूल्यांकन | रिपोर्ट किया गया नतीजा | कैसे मापा गया |
|---|---|---|
| ARC-AGI-2 | 84.6% | ARC Prize द्वारा सत्यापित, सेमी-प्राइवेट सेट |
| IMO 2025 | 81.5% | सभी 6 समस्याएँ, 4 रन, स्वतंत्र विशेषज्ञों द्वारा ग्रेडिंग |
| IPhO 2025 थ्योरी | 87.7% | सभी 3 थ्योरी समस्याएँ, 8 रन, Gemini जज के रूप में, गोल्ड-मेडल स्तर की पुष्टि स्वतंत्र विशेषज्ञों द्वारा |
| IChO 2025 थ्योरी | 82.8% | सभी 9 थ्योरी समस्याएँ, 8 रन, Gemini जज के रूप में, गोल्ड-मेडल स्तर की पुष्टि स्वतंत्र विशेषज्ञों द्वारा |
| CMT-Benchmark | 50.5% | Pass@8, Gemini जज के रूप में |
| Codeforces | 3455 (Elo-समतुल्य, प्रतिशत नहीं) | 222 समस्याएँ, एक प्रयास, ख़ुद की गई गणना |
कोई स्कोर प्रभावशाली होते हुए भी अपनी हेडलाइन से कहीं संकरा हो सकता है। भौतिकी मूल्यांकन में 87.7% स्कोर का मतलब यह नहीं कि सिस्टम वास्तविक दुनिया के किसी भी भौतिकी शोध प्रश्न में से लगभग 87.7% पर सही है।
शोध किसी ज्ञात परीक्षा समस्या को हल करने से कठिन है
ओलंपियाड की किसी समस्या का एक स्थापित उत्तर होता है। शोध में हो सकता है कि कोई ज्ञात समाधान ही न हो, या वह अधूरे साहित्य, चौंकाने वाले प्रति-उदाहरणों या अभी तक न जुटाए गए प्रायोगिक साक्ष्य पर निर्भर हो।
Google ने इस कठिन स्थिति की पड़ताल Aletheia के ज़रिए की है, जो Deep Think से संचालित एक शोध वर्कफ़्लो है। यह संभावित समाधान बनाता है, तर्कों की जाँच करता है, सुधारी जा सकने वाली गलतियों को ठीक करता है, और जब कोई प्रस्तावित समाधान बुनियादी रूप से ग़लत हो तो मूल सवाल पर लौट सकता है। यह वर्कफ़्लो शोध साहित्य में खोज भी कर सकता है और यह स्वीकार भी कर सकता है कि वह किसी समस्या को हल नहीं कर पा रहा। Google DeepMind शोध रिपोर्ट
यह आख़िरी व्यवहार मायने रखता है। सही दिखने वाला ग़लत प्रमाण शोध का खराब नतीजा है, भले ही जवाब धाराप्रवाह हो। कोई शोध सहायक तब ज़्यादा उपयोगी बनता है जब उसके आउटपुट में ऐसा दावा हो जिसे विशेषज्ञ स्वतंत्र रूप से परख सकें, न कि सिर्फ़ एक प्रभावशाली व्याख्या।
Google का विवरण गणितीय प्रश्नों, सैद्धांतिक कंप्यूटर विज्ञान और भौतिकी पर हुए काम का वर्णन करता है, जिसमें Erdős अनुमानों (conjectures) के एक डेटाबेस की 700 खुली समस्याओं का अध्ययन शामिल है। उस अध्ययन में Aletheia ने स्वायत्त रूप से चार समस्याएँ हल कीं। Google इन नतीजों को AI की सहायता से मिले नतीजों की अपनी वर्गीकरण प्रणाली (टैक्सोनॉमी) के सबसे निचले स्तरों पर रखता है और कहता है कि वह अपने Level 3 या Level 4 पर किसी नतीजे का दावा नहीं करता। PhD स्तर के अभ्यासों के एक सेट FutureMath Basic पर Google, Deep Think के लिए लगभग 38% और Aletheia के लिए लगभग 46% की रिपोर्ट देता है।
ये उदाहरण दर्ज मामलों में शोध सहायता के साक्ष्य हैं। ये अनसुलझे गणित की सामान्य सफलता दर का कोई मापा हुआ आँकड़ा नहीं हैं। और खोज और जाँच का इस्तेमाल करने वाला वर्कफ़्लो अंतर्निहित मॉडल के योगदान को उसके सहायक टूल्स से अलग भी नहीं करता।
जहाँ बेहतर रीज़निंग व्यावहारिक विज्ञान में मदद करती है
Google प्रतियोगिता बेंचमार्क से बाहर के प्रयोगों का भी वर्णन करता है। शोधकर्ताओं ने Deep Think का इस्तेमाल गणितीय तर्कों की जाँच करने और मटीरियल्स तथा भौतिक डिवाइस डिज़ाइन में संभावित तरीके विकसित करने के लिए किया है। फ़रवरी की रिलीज़ में Duke University की Wang Lab के साथ क्रिस्टल-ग्रोथ की स्थितियों पर हुए काम का वर्णन है, जिससे 100 माइक्रोमीटर से बड़ी पतली फ़िल्मों (थिन फ़िल्म्स) की एक विधि मिली, और Google Platforms and Devices के एक लीड द्वारा जटिल भौतिक कलपुर्ज़ों के डिज़ाइन पर किए गए एक इंजीनियरिंग परीक्षण का भी।
ये उदाहरण आशाजनक हैं क्योंकि वास्तविक वैज्ञानिक समस्याओं में भौतिक बाधाएँ, लागत, माप की त्रुटि और अप्रत्याशित नतीजे शामिल होते हैं। लेकिन एक उपयोगी संभावित विधि कोई सार्वभौमिक खोज इंजन नहीं है। विशेषज्ञों को संबंधित प्रायोगिक वातावरण में नतीजे का सत्यापन करना होगा, और प्रकाशित विवरण असंबंधित प्रयोगशालाओं में दोहराई जा सकने वाली सफलता को स्थापित नहीं करते।
निकट भविष्य में सबसे मज़बूत उपयोग शायद खोज के दायरे को सीमित करना, तर्क को परखना, संभावित गलतियाँ ढूँढना और आगे के आशाजनक प्रयोगों की पहचान करना हो। यह तब भी सार्थक है जब फ़ैसले की ज़िम्मेदारी किसी मानव वैज्ञानिक पर ही रहे।
अतिरिक्त रीज़निंग अनिश्चितता को ख़त्म क्यों नहीं करती
इन्फ़रेंस-टाइम कंप्यूटेशन वह प्रोसेसिंग है जो एक प्रशिक्षित मॉडल किसी नए अनुरोध पर काम करते समय करता है। विशेषीकृत रीज़निंग तरीके कठिन समस्याओं के लिए इसका ज़्यादा हिस्सा लगा सकते हैं, जिससे अतिरिक्त खोज और जाँच संभव होती है।
इसकी क़ीमत यह है कि ज़्यादा प्रोसेसिंग से लेटेंसी और कंप्यूटेशनल लागत बढ़ सकती है। इससे अतिरिक्त ग़लत संभावित तर्क भी पैदा हो सकते हैं। Google की सार्वजनिक सामग्री हर कार्य पर ज़्यादा सोचने के समय और सही जवाब की संभावना के बीच कोई निश्चित संबंध स्थापित नहीं करती।
इसलिए Deep Think को सिर्फ़ अंतिम जवाब की गुणवत्ता से नहीं, बल्कि इस बात से भी आँका जाना चाहिए कि उस जवाब की जाँच कैसे की जा सकती है। गणित में औपचारिक प्रमाण या संदर्भ समाधान उपलब्ध हो सकता है। मटीरियल्स शोध में प्रयोग की ज़रूरत पड़ सकती है। अधूरे कारोबारी डेटा पर आधारित किसी फ़ैसले को अलग तरह के सत्यापन की ज़रूरत हो सकती है।
उपयुक्त सत्यापन पद्धति समस्या पर निर्भर करती है। कोई एक बेंचमार्क प्रतिशत उसकी जगह नहीं ले सकता। TechiesJournal की गाइड AI मॉडल के दावों को कैसे पढ़ें यह पूछने की सामान्य आदत पर बात करती है कि किसी बेंचमार्क आँकड़े ने वास्तव में क्या मापा।
Deep Think तक पहुँच
फ़रवरी 2026 के अपग्रेड के समय Google ने कहा था कि अपडेट किया गया Deep Think मोड Gemini app में Google AI Ultra सब्सक्राइबर्स के लिए उपलब्ध है, और चुनिंदा शोधकर्ताओं, इंजीनियरों और उद्यमों के लिए Gemini API के ज़रिए रुचि के आधार पर अर्ली-एक्सेस का रास्ता है। ये रिलीज़ के समय बताई गई एक्सेस शर्तें थीं, आज के हर प्लान, क्षेत्र या API विकल्प के बारे में कोई गारंटी नहीं। Google की रिलीज़ घोषणा Google का मौजूदा प्रोडक्ट पेज एक “Try in Gemini” बटन देता है और कोई प्लान, क़ीमत या API शर्तें नहीं बताता।
सिस्टम का मूल्यांकन करने वाली टीम को अपनी मौजूदा उपलब्धता और शर्तें ख़ुद जाँचनी चाहिए। उसे यह भी पूछना चाहिए कि क्या समस्या को वास्तव में विशेषीकृत मोड से फ़ायदा होता है। रूटीन सारांश बनाना और सीधी-सादी कोडिंग विस्तारित रीज़निंग पर ज़्यादा समय और कंप्यूटेशन ख़र्च करने के ज़रूरी तौर पर अच्छे कारण नहीं हैं।
Google के विकसित होते मॉडल परिवार में Deep Think
Deep Think की समर्पित सामग्री एक विशेषीकृत रीज़निंग पेशकश पर केंद्रित है, लेकिन Google का व्यापक Gemini परिवार लगातार आगे बढ़ता रहा है। 10 नवंबर 2026 को Google ने Gemini 4 Carbon को अपने नवीनतम फ़्रंटियर मॉडल के रूप में घोषित किया। इससे फ़रवरी के Deep Think माप पिछली तारीख़ से Carbon के माप नहीं बन जाते, और न ही यह स्थापित होता है कि Deep Think नाम वाला मोड और Carbon एक ही प्रोडक्ट हैं। Google की Carbon घोषणा
व्यावहारिक अंतर एक विशेषीकृत रीज़निंग मोड और नए सामान्य फ़्रंटियर-मॉडल लाइनअप के बीच है। Google की प्रगति का आकलन करते समय दोनों मायने रखते हैं, लेकिन वे अलग-अलग प्रोडक्ट सवालों का जवाब देते हैं।
Anthropic और OpenAI के मुकाबले Google
Google की फ़रवरी की बेंचमार्क सामग्री ने Deep Think की तुलना अधिकतम थिंकिंग पर Claude Opus 4.6 और सबसे ऊँची रीज़निंग सेटिंग पर GPT-5.2 से की, जैसा कि प्रोडक्ट पेज की तालिका और मेथडोलॉजी PDF में दिखाया गया है। ये ऐतिहासिक तुलनाएँ उपयोगी संदर्भ हैं, मौजूदा लीडरबोर्ड नहीं।
एक ज़्यादा हालिया, एकल-बेंचमार्क तुलना के लिए, ARC Prize नतीजों की तालिका नीचे दिए गए तारीख़ वाले ARC-AGI-2 नतीजे सूचीबद्ध करती है। पहली पंक्ति Google का अपना फ़रवरी का आँकड़ा है, जिसे Google ARC Prize द्वारा सत्यापित बताता है, और यह आज उस तालिका में नहीं है। बाकी पंक्तियाँ ARC Prize की लिस्टिंग हैं।
इस चित्र का सुलभ टेक्स्ट विकल्प
Gemini 3 Deep Think (12 फ़रवरी): 84.6%।
GPT-6 परिवार (2 सितंबर): 95.0%।
GPT-6.1 Sol (29 सितंबर): 94.2%।
Gemini 4 Argon (13 अक्टूबर): 91.3%।
Claude Fable 5.2 (9 नवंबर): 93.8%।
Gemini 4 Carbon (10 नवंबर): 94.2%।
Gemini 3 Deep Think का आँकड़ा Google की अपनी फ़रवरी की घोषणा है, जो Google के अनुसार ARC Prize द्वारा सत्यापित है। बाकी पंक्तियाँ 11 नवंबर 2026 को देखे गए ARC Prize नतीजों के पेज से हैं। GPT-6 की पंक्ति Astra, Sol और Luna के लिए एक परिवार लिस्टिंग है। एक अकेला बेंचमार्क समग्र क्षमता की रैंकिंग तय नहीं करता।
| प्रदाता और मूल्यांकित मॉडल | ARC-AGI-2 स्कोर और तारीख़ |
|---|---|
| Google, Gemini 3 Deep Think | 12 फ़रवरी 2026 को 84.6% (घोषित) |
| OpenAI, GPT-6 परिवार की लिस्टिंग | 2 सितंबर 2026 को 95.0% |
| OpenAI, GPT-6.1 Sol | 29 सितंबर 2026 को 94.2% |
| Google, Gemini 4 Argon | 13 अक्टूबर 2026 को 91.3% |
| Anthropic, Claude Fable 5.2 | 9 नवंबर 2026 को 93.8% |
| Google, Gemini 4 Carbon | 10 नवंबर 2026 को 94.2% |
यह तालिका हाल की पंक्तियों का एक चयन है, और ARC Prize पेज अन्य मॉडल भी सूचीबद्ध करता है। ये विशेष मूल्यांकनों के तारीख़ वाले नतीजे हैं। ARC Prize, GPT-6 को एक परिवार पंक्ति के रूप में सूचीबद्ध करता है जिसमें Astra, Sol और Luna शामिल हैं, इसलिए उस स्कोर को किसी एक वेरिएंट से नहीं जोड़ा जाना चाहिए। तालिका के चार सबसे ऊँचे स्कोर, 93.8% से 95.0% तक, एक-दूसरे से 1.2 प्रतिशत अंकों के भीतर हैं, और TechiesJournal के विश्लेषण में एक प्रतिशत अंक से कम के अंतर को इस बात का प्रमाण नहीं माना जाना चाहिए कि कोई एक मॉडल सभी विषयों में ज़्यादा बुद्धिमान है।
Google: फ़रवरी का Deep Think नतीजा रीज़निंग में एक उल्लेखनीय पड़ाव था। ARC Prize, Gemini 4 Argon को 13 अक्टूबर को 91.3% और Gemini 4 Carbon को 10 नवंबर को 94.2% पर सूचीबद्ध करता है, इसलिए इस माप पर व्यापक Gemini परिवार फ़रवरी के आँकड़े से आगे निकल चुका है।
Anthropic: Claude Fable 5.2 को विज्ञान और इंजीनियरिंग सहित माँग वाले तकनीकी काम के लिए पेश किया गया है। Anthropic की नवंबर की घोषणा कोडिंग और वैज्ञानिक कार्यों पर मज़बूत प्रदर्शन की रिपोर्ट देती है और ARC-AGI-2 का ज़िक्र नहीं करती, इसलिए 93.8% का आँकड़ा ARC Prize की लिस्टिंग से आता है। घोषणा के वे नतीजे Deep Think के ओलंपियाड और कंडेंस्ड-मैटर मूल्यांकनों के सीधे विकल्प नहीं हैं। TechiesJournal का Fable 5.2 और Mythos 5.2 पर पिछला लेख उन्हें कवर करता है।
OpenAI: ARC Prize, GPT-6 परिवार और GPT-6.1 Sol को ऊँचे ARC-AGI-2 स्कोर के साथ सूचीबद्ध करता है। OpenAI का मॉडल डॉक्यूमेंटेशन वेरिएंट्स के नाम देता है (gpt-6-astra, gpt-6.1-sol और gpt-6-luna) और ARC-AGI-2 आँकड़े रिपोर्ट नहीं करता, इसलिए लागत, लेटेंसी या प्रदर्शन की तुलना करते समय वेरिएंट और एफ़र्ट सेटिंग्स स्पष्ट करनी चाहिए। TechiesJournal की GPT-6 Astra और Claude Fable 5.1 वाली पिछली तुलना दिखाती है कि दोनों वेंडरों के पिछले मॉडल एक-दूसरे के मुकाबले कहाँ खड़े थे।
सबसे मज़बूत व्यावहारिक तुलना किसी सार्वभौमिक विजेता की घोषणा नहीं है। किसी प्रयोगशाला, डेवलपर या शोधकर्ता को प्रतिनिधि समस्याओं पर मॉडलों का मूल्यांकन करना चाहिए, स्वतंत्र रूप से जाँचे जा सकने वाले आउटपुट की माँग करनी चाहिए, लागत और लेटेंसी दर्ज करनी चाहिए, और समान परिस्थितियों में विफलता के पैटर्न की तुलना करनी चाहिए।
सार्थक प्रगति
Gemini Deep Think दिखाता है कि AI रीज़निंग सामान्य सवाल-जवाब से आगे के काम में योगदान दे सकती है। रिपोर्ट किए गए गणित और वैज्ञानिक मूल्यांकन चुनी हुई, माँग वाली समस्याओं पर मज़बूत प्रदर्शन दिखाते हैं, जबकि शोध सहयोग दिखाते हैं कि विशेषज्ञ असली सवालों की पड़ताल के लिए इन सिस्टमों का इस्तेमाल कैसे शुरू कर रहे हैं।
बची हुई चुनौती सत्यापन है। ऐसा मॉडल जो किसी अनदेखी त्रुटि को खोज ले या किसी सफल प्रयोग का सुझाव दे, मूल्यवान हो सकता है, लेकिन उसके जवाब को उस क्षेत्र के साक्ष्य मानक पर खरा उतरना होगा जिसमें उसका इस्तेमाल होता है।
शोधकर्ताओं और इंजीनियरिंग टीमों के लिए उपयोगी अगला कदम है एक कठिन, सत्यापन योग्य समस्या चुनना और यह आकलन करना कि क्या विशेषीकृत रीज़निंग नतीजे की गुणवत्ता को इतना बेहतर बनाती है कि उसकी लागत और समीक्षा के प्रयास को उचित ठहराया जा सके।
AI रीज़निंग तब सचमुच उपयोगी बनती है जब वह लोगों को ऐसे निष्कर्षों तक पहुँचने में मदद करती है जिन्हें वे स्वतंत्र रूप से सही साबित कर सकें।
और गहराई से
स्रोतों की जाँच 11 नवंबर 2026 को की गई।
- Google DeepMind: Gemini Deep Think: मौजूदा प्रोडक्ट अवलोकन, बेंचमार्क तालिका और शोध उदाहरण।
- Google: Gemini 3 Deep Think अपग्रेड: फ़रवरी 2026 की रिलीज़, एक्सेस का विवरण, और Carbone तथा Wang Lab के उदाहरण।
- Google Deep Think मूल्यांकन पद्धति (PDF): बेंचमार्क कॉन्फ़िगरेशन और ग्रेडिंग से जुड़ी शर्तें।
- Google DeepMind शोध रिपोर्ट: Aletheia और शोध मूल्यांकन।
- ARC Prize नतीजे: तारीख़ वाले स्वतंत्र बेंचमार्क रिकॉर्ड।
- Google Gemini 4 Carbon रिलीज़: नवंबर 2026 का मॉडल परिवार संदर्भ।
- Anthropic Claude Fable 5.2 और Mythos 5.2: मौजूदा वेंडर दावे और उपलब्धता।
- OpenAI API मॉडल कैटलॉग: मौजूदा मॉडल आइडेंटिफ़ायर और एक्सेस जानकारी।