Telset.id – Google baru saja merilis Gemini 3.8 Flash, dan model AI terbaru ini memiliki keunggulan signifikan yang tidak dimiliki pesaing utamanya: kemampuan memahami video secara langsung. GPT-6 Astra dari OpenAI dan Claude Fable 5.1 dari Anthropic, meskipun lebih canggih dalam beberapa aspek, tidak mendukung input video secara native.
Keunggulan ini membuka kategori baru penggunaan yang tidak bisa dilakukan oleh dua model AI pesaing tersebut. Pengguna dapat mengunggah video langsung ke Gemini 3.8 Flash dan mengajukan pertanyaan spesifik tentang isi video, sesuatu yang tidak bisa dilakukan GPT-6 Astra maupun Claude Fable 5.1.
Kemampuan Agentic Video Understanding
Gemini 3.8 Flash menerima input berupa teks, gambar, video, audio, dan PDF dengan context window lebih dari 1 juta token. Yang membuatnya berbeda, Google tidak sekadar mengubah video menjadi beberapa screenshot lalu menganalisisnya.
Google menyebut teknologi ini sebagai “agentic video understanding.” Model dapat menavigasi timeline video dan memutuskan transcript, frame, atau audio mana yang perlu diperiksa untuk menjawab pertanyaan pengguna. Pendekatan ini diklaim dapat menggunakan hingga 88% lebih sedikit token pada video berdurasi panjang, dengan kualitas hasil sekitar 7% lebih tinggi.
Pengguna bisa memberikan rekaman panjang dan mengajukan pertanyaan spesifik seperti, “Di mana pembicara menyebut topik tertentu?” atau “Apa yang terjadi tepat sebelum seseorang memasuki ruangan?” Gemini dapat mengembalikan jawaban yang terkait dengan momen spesifik dalam video tanpa perlu memutar ulang video secara manual.
Perbandingan dengan GPT-6 Astra dan Claude Fable 5.1
GPT-6 Astra memiliki context window sedikit lebih besar yaitu 1,05 juta token dan mendukung teks serta gambar. Namun, dokumentasi model OpenAI secara eksplisit menyatakan audio dan video input tidak didukung.
Sementara itu, Claude Fable 5.1 memiliki context window 1 juta token dengan kemampuan vision yang impresif, terutama untuk memahami diagram, chart, tabel, dan informasi visual lainnya. Anthropic mendaftarkan kapabilitas input/output sebagai “teks dan gambar.”
Pengguna Claude memang bisa mengekstrak frame, membuat transcript, atau menggunakan alat tambahan sebelum memberikan informasi tersebut ke model. Namun, ini bukan fitur native seperti yang dimiliki Gemini 3.8 Flash yang memang dirancang untuk menerima input video secara langsung.
Audio Juga Menjadi Keunggulan
Perbedaan kunci juga berlaku untuk audio. Gemini 3.8 Flash menerima audio langsung bersama tipe input lainnya. Model dapat bernalar atas apa yang didengar sebagai bagian dari tugas multimodal yang lebih besar, tanpa perlu mengubah semuanya menjadi teks terlebih dahulu.
Video memberikan kedua sisi persamaan tersebut. Google menyatakan pemrosesan video Gemini dapat bekerja dengan frame visual, audio, dan timestamp secara bersamaan. Mode agentic-nya bahkan dapat memutuskan apakah perlu mengambil transcript, memeriksa frame, atau memeriksa audio dari bagian tertentu dari video.
Kemampuan ini berguna untuk berbagai keperluan, mulai dari menganalisis kuliah hingga menemukan momen tertentu dalam video liburan.
Model Flash yang Paling Cerdas
Yang menarik, Gemini 3.8 Flash bukanlah model terbesar atau termahal dari Google. Google menggambarkannya sebagai model Flash paling cerdas yang pernah dibuat, dirancang untuk menggabungkan penalaran kompleks dan kemampuan agentic dengan kecepatan serta efisiensi biaya yang menjadi ciri khas keluarga Flash.
GPT-6 Astra dan Claude Fable 5.1 mungkin menjadi pilihan lebih kuat untuk pekerjaan lain. Keduanya dirancang khusus untuk penalaran sulit dan pekerjaan agentic jangka panjang. Memilih model AI berdasarkan satu kemampuan saja tentu akan melewatkan gambaran yang lebih besar.
Namun, video menjadi semakin penting dalam apa yang kita berikan kepada AI. Mulai dari presentasi kelas, tutorial, hingga video langsung dibandingkan teks, Gemini 3.8 Flash memegang keunggulan atas dua pesaing terbesarnya.
Untuk memulai, pengguna hanya perlu mengunggah video atau menempelkan link video di chat dan meminta Gemini untuk menontonnya. Kemampuan ini juga relevan dengan pembaruan lain yang sedang dikembangkan Google untuk ekosistem Gemini, termasuk fitur multitasking di Android yang memungkinkan pengguna meminimalkan jendela Gemini saat digunakan bersamaan dengan aplikasi lain.
Dengan kemampuan video understanding yang unik ini, Gemini 3.8 Flash menawarkan fungsi yang tidak bisa ditandingi kompetitor secara native. Pengguna yang sering bekerja dengan konten video akan merasakan manfaat terbesar dari inovasi ini.
Komentar
Belum ada komentar.