Telset.id – Google resmi merilis Gemini 3.8 Flash, model AI terbarunya yang memiliki keunggulan signifikan dalam pemahaman video dibandingkan kompetitor utamanya. Model ini dapat menerima video sebagai input langsung dan bernalar tentang apa yang terjadi di dalamnya, sebuah kemampuan yang tidak dimiliki oleh GPT-6 Astra dari OpenAI maupun Claude Fable 5.1 dari Anthropic.
Kemampuan ini membuka kategori baru tugas yang bisa diminta pengguna kepada Gemini, seperti menganalisis rekaman panjang atau menemukan momen spesifik tanpa harus memutar ulang video secara manual. Keunggulan ini menjadi pembeda utama di tengah persaingan ketat model AI besar yang baru saja dirilis secara beruntun.
Bulan ini menjadi periode sibuk bagi industri AI dengan peluncuran model-model besar dalam hitungan hari. Google baru saja merilis Gemini 3.8 Flash, sementara GPT-6 Astra hadir sebagai model paling mumpuni dari OpenAI dan Claude Fable 5.1 menjadi andalan Anthropic untuk coding dan proyek jangka panjang. Namun, ada satu area di mana model Flash baru Google ini unggul atas keduanya: pemahaman video.
Kemampuan Agenik dalam Memproses Video
Berbeda dengan pendekatan konvensional yang hanya mengubah klip menjadi beberapa screenshot lalu menganalisisnya, Gemini 3.8 Flash mendukung apa yang disebut Google sebagai “agentic video understanding.” Model ini dapat menavigasi timeline video dan memutuskan transkrip, frame, serta audio mana yang perlu diperiksa untuk menjawab pertanyaan pengguna.
Google menyatakan pendekatan ini dapat menggunakan hingga 88% lebih sedikit token pada video berdurasi panjang, sambil memberikan kualitas hasil yang sekitar 7% lebih tinggi. Efisiensi ini menjadi nilai jual utama bagi pengguna yang sering bekerja dengan konten video berdurasi panjang.
Pengguna bisa memberikan rekaman panjang dan mengajukan pertanyaan spesifik seperti, “Di mana pembicara menyebutkan topik tertentu?” atau “Apa yang terjadi tepat sebelum seseorang memasuki ruangan?” Gemini dapat mengembalikan jawaban yang terkait dengan momen spesifik dalam video, menghilangkan kebutuhan untuk memutar ulang video secara manual.
Input video yang didukung Gemini juga mencakup audio secara langsung. Model ini dapat bernalar atas apa yang didengarnya sebagai bagian dari tugas multimodal yang lebih besar. Video memberikan kedua sisi persamaan tersebut, di mana proses pemrosesan video Gemini dapat bekerja dengan frame visual, audio, dan timestamp secara bersamaan.
Mode ageniknya bahkan dapat memutuskan apakah perlu mengambil transkrip, memeriksa frame, atau meneliti audio dari bagian tertentu dari video. Kemampuan ini berguna untuk berbagai keperluan, mulai dari menganalisis kuliah hingga menemukan momen tertentu dalam video liburan.
Keterbatasan GPT-6 Astra dan Claude Fable 5.1
GPT-6 Astra memiliki konteks window sedikit lebih besar yakni 1,05 juta token dan mendukung input teks serta gambar. Namun, dokumentasi model OpenAI secara eksplisit menyatakan bahwa input audio dan video tidak didukung.
Sementara itu, Claude Fable 5.1 memiliki konteks window 1 juta token dengan kemampuan vision yang impresif, terutama untuk memahami diagram, grafik, tabel, dan informasi visual lainnya. Anthropic mencatat kemampuan input/output modelnya sebagai “teks dan gambar ke teks.” Pengguna memang bisa mengekstrak frame, membuat transkrip, atau menggunakan alat tambahan sebelum memberikan informasi tersebut ke model, tetapi itu bukan fitur native seperti yang dimiliki Gemini.
Perbedaan fundamental ini menunjukkan arah pengembangan yang berbeda antar vendor AI. Google mendesain Gemini 3.8 Flash untuk menerima video secara native sejak awal, sementara OpenAI dan Anthropic belum menjadikannya prioritas dalam model unggulan mereka saat ini.
Yang menarik, Gemini 3.8 Flash bukanlah model terbesar atau termahal dari Google. Perusahaan menggambarkannya sebagai model Flash paling cerdas yang pernah dibuat, dirancang untuk menggabungkan penalaran kompleks dan kemampuan agenik dengan kecepatan serta efisiensi biaya yang menjadi ciri khas keluarga Flash.
Untuk memulai, pengguna hanya perlu mengunggah video atau menempelkan tautan video di chat dan meminta Gemini untuk menontonnya. Proses yang sederhana ini kontras dengan pendekatan tidak langsung yang harus dilakukan pengguna pada model kompetitor.
Baca Juga:
Namun, perlu dicatat bahwa GPT-6 Astra dan Claude Fable 5.1 mungkin menjadi pilihan lebih kuat untuk pekerjaan lain. Keduanya dirancang secara khusus untuk penalaran sulit dan pekerjaan agenik jangka panjang. Memilih model AI berdasarkan satu kemampuan saja tentu akan melewatkan gambaran yang lebih besar.
Meski demikian, video menjadi semakin penting dalam apa yang kita berikan kepada AI. Mulai dari presentasi kelas dan tutorial hingga video langsung dibandingkan teks, Gemini 3.8 Flash memegang keunggulan atas dua pesaing terbesarnya dalam aspek pemrosesan video ini.
Konteks window Gemini 3.8 Flash sendiri mencapai lebih dari 1 juta token, menerima teks, gambar, video, audio, dan PDF sebagai input. Fleksibilitas format input ini menjadikannya alat yang serbaguna untuk berbagai kebutuhan pengguna, baik untuk keperluan profesional maupun personal.
Dengan pendekatan agenik yang efisien, pengguna tidak perlu khawatir tentang biaya token yang membengkak saat memproses video panjang. Penghematan hingga 88% token pada video long-form merupakan angka yang signifikan, terutama bagi pengguna yang sering menganalisis konten video dalam volume besar.
Google juga menekankan aspek kualitas dari pendekatan ini. Peningkatan kualitas sekitar 7% menunjukkan bahwa efisiensi token tidak mengorbankan akurasi hasil. Sebaliknya, pendekatan yang lebih selektif dalam memilih bagian video yang relevan justru menghasilkan output yang lebih baik.
Bagi pengguna yang sering bekerja dengan konten video, keunggulan ini bisa menjadi faktor penentu dalam memilih platform AI. Kemampuan untuk bertanya tentang momen spesifik dalam video dan mendapatkan jawaban yang akurat tanpa harus memutar ulang seluruh rekaman adalah efisiensi yang sangat berharga.
Perkembangan ini juga menunjukkan arah kompetisi AI yang semakin tersegmentasi. Alih-alih bersaing di semua lini, masing-masing vendor mulai menunjukkan keunggulan spesifik di area tertentu. Google unggul di pemahaman video multimodal, sementara OpenAI dan Anthropic fokus pada penalaran kompleks dan tugas agenik jangka panjang.
Keputusan Google untuk merilis kemampuan ini pada model Flash yang lebih terjangkau, bukan pada model premiumnya, juga merupakan strategi yang menarik. Ini memungkinkan lebih banyak pengguna mengakses teknologi pemahaman video canggih tanpa harus membayar biaya model premium.
Ke depannya, kemampuan pemahaman video native seperti ini kemungkinan akan menjadi standar industri. Namun untuk saat ini, Gemini 3.8 Flash berdiri sendiri sebagai satu-satunya model besar yang menawarkan fitur ini secara langsung tanpa memerlukan alat tambahan atau proses konversi terlebih dahulu.
Dengan semua keunggulan tersebut, Gemini 3.8 Flash menawarkan nilai yang jelas bagi pengguna yang membutuhkan analisis video mendalam. Kombinasi efisiensi token, kualitas hasil, dan kemudahan penggunaan menjadikannya pilihan menarik di tengah persaingan model AI yang semakin ketat.
[TITLE_END]
Komentar
Belum ada komentar.