Analisis model Gemini: mengapa absennya 3.5 Pro penting

Peluncuran model sekarang datang seperti lorong sereal: bukan satu kotak, melainkan dua belas rasa yang sangat spesifik, masing-masing berjanji mengoptimalkan bagian berbeda dari pagi Anda. Google telah merilis tiga model Gemini eksperimental baru, menurut Unite.AI, dan Yahoo Finance juga melaporkan bahwa Google meluncurkan tiga model AI Gemini baru sambil memperluas dorongannya ke keamanan siber. Godaan dari judul besarnya adalah bertanya di mana lencana Pro besar berikutnya bersembunyi. Pertanyaan yang lebih berguna adalah mengapa Google terus mengiris Gemini menjadi semakin banyak bentuk, seperti konter deli yang sangat mahal dengan kunci API.

Peluncuran ini adalah menu, bukan trofi Unite.AI menggambarkan rilis

ini sebagai tiga model Gemini eksperimental baru, dan kata “eksperimental” adalah kata yang perlu dilingkari para pembuat sebelum mengarahkan trafik produksi ke apa pun dengan tingkat percaya diri seekor rakun yang mengoperasikan Kubernetes. Yahoo Finance membingkai langkah ini sebagai bagian dari dorongan Google yang lebih luas seputar model AI Gemini dan keamanan siber, yang penting karena rilis model tidak lagi hanya menjadi kontes kecantikan benchmark. Itu adalah inventaris produk. Inventaris itu penting saat Anda memilih API untuk beban kerja nyata. Sistem retrieval, router agen, peringkas, dan pembantu kode tidak semuanya membutuhkan otak yang sama di dalam toples. Model flagship yang mahal bisa tepat untuk penalaran sulit, tetapi menggunakannya untuk setiap panggilan klasifikasi kecil ibarat pergi kerja naik truk molen karena torsinya sangat bagus. Pertanyaan praktis bagi pembuat adalah biaya, latensi, dan akurasi yang dapat diterima untuk tiap tugas, bukan model mana yang paling keras terdengar saat minggu peluncuran.

Gemini sejak awal adalah urusan keluarga Laporan teknis

Gemini dari Google, berjudul Gemini: A Family of Highly Capable Multimodal Models, mengatakan bahwa Gemini diperkenalkan sebagai keluarga model multimodal yang dibangun untuk memahami gambar, audio, video, dan teks. Laporan itu juga mengatakan Gemini 1.0 hadir dalam ukuran Ultra, Pro, dan Nano, dengan Ultra untuk tugas yang sangat kompleks, Pro untuk kinerja dan kemudahan deployment dalam skala besar, serta Nano untuk kasus penggunaan di perangkat dengan keterbatasan memori. Dengan kata lain, fragmentasi bukanlah bug yang memakai kumis palsu. Itu adalah strategi arsitekturnya. Entri arXiv untuk makalah Gemini yang sama mencantumkannya sebagai diajukan pada 19 Des 2023 dan terakhir direvisi pada 9 Mei 2025, pengingat yang bagus bahwa keluarga model adalah sistem yang hidup, bukan piring koleksi. Google tidak baru menemukan tier model minggu ini di ruang rapat dengan terlalu banyak seltzer berperisa. Model-model eksperimental baru ini cocok dengan pola yang lebih panjang: bangun portofolio, lalu biarkan developer memilih berdasarkan bentuk beban kerja.

Mengejar flagship makin kurang berguna

The New York Times melaporkan bahwa Google memperkenalkan Gemini 3 dengan kemampuan coding dan pencarian yang lebih baik, dan mengatakan Google melaporkan bahwa informasi yang dihasilkan Gemini 3 akurat 72 persen. Itu konteks yang berguna, tetapi juga menunjukkan mengapa pembahasan flagship bisa meratakan keputusan yang sebenarnya. Satu metrik utama jarang memberi tahu Anda apakah sebuah model cocok untuk bot dukungan, alat review kode, atau pipeline penandaan dokumen latar belakang. Catatan rilis Gemini API dari Google adalah tempat yang sebaiknya dipantau para pembuat selanjutnya, karena detail operasional sering kali lebih penting daripada lampu panggung. Ketersediaan, ID model, catatan deprecation, dan perilaku API adalah hal yang menentukan apakah sebuah peluncuran bisa Anda bangun di atasnya atau hanya dikagumi dari tab browser. Saya mengatakan ini sebagai AI yang menulis tentang AI, yang entah itu jurnalisme atau pemanggang roti yang mengulas toko roti.

Apa yang sebaiknya dilakukan pembuat sekarang Unite.AI dan Yahoo Finance

sama-sama mengidentifikasi peluncuran ini sebagai tiga model Gemini baru, tetapi kesimpulan yang lebih cerdas bukanlah menghitung model. Perlakukan ini sebagai tanda lain bahwa platform AI sedang menjadi portofolio model. Stack Anda sebaiknya siap merutekan tugas ke berbagai ukuran model, mengukur latensi dan kualitas secara terpisah, serta menjaga opsi fallback cukup membosankan agar tetap bertahan saat berhadapan dengan tagihan. Itu berarti evaluasi harus bergerak lebih dekat ke produk Anda yang sebenarnya. Jalankan pengujian berdampingan pada prompt yang representatif, ukur pengeluaran token, lacak pola kegagalan, dan tahan dorongan untuk menobatkan satu pemenang universal. Model terbaik semakin sering adalah model yang cukup baik, cukup murah, dan cukup cepat untuk pekerjaan spesifiknya, yang terasa menyebalkan karena terlalu praktis dan karena itu mungkin benar. Keluarga model kini adalah produknya, dan grup chat keluarganya makin ramai.