TOPIK.ID — Google meluncurkan model AI terbarunya, Gemini 3.8 Flash, yang menawarkan kemampuan unik untuk memahami video secara langsung. Keunggulan ini membedakannya dari pesaing utama seperti GPT-6 Astra dari OpenAI dan Claude Fable 5.1 dari Anthropic, yang belum mendukung input video secara native.

Kemampuan ini membuka berbagai potensi penggunaan baru. Pengguna kini dapat mengunggah video langsung ke Gemini 3.8 Flash dan mengajukan pertanyaan spesifik mengenai isinya. Berbeda dengan model pesaing, Gemini 3.8 Flash dapat memproses video secara utuh tanpa perlu konversi manual.

Agentic Video Understanding: Navigasi Cerdas dalam Video

Gemini 3.8 Flash dirancang untuk menerima berbagai jenis input, termasuk teks, gambar, audio, video, dan PDF, dengan kapasitas context window lebih dari 1 juta token. Teknologi yang disebut sebagai “agentic video understanding” memungkinkan model ini secara cerdas menavigasi timeline video.

Model dapat menentukan bagian mana dari transkrip, frame, atau audio yang relevan untuk menjawab pertanyaan pengguna. Pendekatan ini diklaim lebih efisien, menggunakan hingga 88% lebih sedikit token untuk video berdurasi panjang, sekaligus meningkatkan kualitas hasil analisis sekitar 7%.

Pengguna dapat mengajukan pertanyaan seperti, “Di mana pembicara menyebut topik tertentu?” atau “Apa yang terjadi sebelum seseorang memasuki ruangan?” Gemini akan memberikan jawaban yang terfokus pada momen spesifik dalam video, tanpa keharusan memutar ulang seluruh rekaman secara manual.

Perbandingan dengan GPT-6 Astra dan Claude Fable 5.1

Baca Juga: Google Pixel Watch 5 Stephen Curry Edition Hadir dengan Gemini AI dan Fitur Kebugaran untuk Penggemar Basket

GPT-6 Astra dari OpenAI memiliki context window sedikit lebih besar, yaitu 1,05 juta token, dan mendukung input teks serta gambar. Namun, OpenAI secara eksplisit menyatakan bahwa model ini tidak mendukung input audio dan video.

Sementara itu, Claude Fable 5.1 dari Anthropic memiliki context window 1 juta token dan kemampuan visi yang impresif untuk memahami diagram, grafik, tabel, serta informasi visual lainnya. Anthropic mencatat kapabilitas input/output model ini adalah teks dan gambar.

Meskipun pengguna Claude dapat mengekstrak frame atau membuat transkrip secara manual sebelum memberikannya ke model, hal ini berbeda dengan fitur native Gemini 3.8 Flash yang memang dirancang untuk input video langsung.

Keunggulan Audio dan Pemrosesan Multimodal

Selain video, Gemini 3.8 Flash juga unggul dalam pemrosesan audio. Model ini dapat menerima input audio secara langsung dan bernalar berdasarkan apa yang didengarnya sebagai bagian dari tugas multimodal yang lebih besar, tanpa perlu konversi ke teks terlebih dahulu.

Kemampuan pemrosesan video Gemini menggabungkan analisis visual, audio, dan timestamp secara bersamaan. Mode agentic-nya bahkan mampu memutuskan apakah perlu memeriksa transkrip, frame, atau audio dari bagian tertentu video.

Baca Juga: Google Chrome Riis Pembaruan Versi 152.0.7977.82/.83, Bawa Perbaikan 12 Celah Keamanan Termasuk Zero-Day yang Aktif Diserang

Fitur ini sangat berguna untuk berbagai keperluan, mulai dari menganalisis materi kuliah hingga menemukan momen spesifik dalam video liburan.

Image

Model Flash Paling Cerdas dari Google

Gemini 3.8 Flash bukan merupakan model terbesar atau termahal dari Google. Google menggambarkannya sebagai model Flash paling cerdas yang pernah dibuat, yang menggabungkan penalaran kompleks dan kemampuan agentic dengan kecepatan serta efisiensi biaya khas keluarga Flash.

Meskipun GPT-6 Astra dan Claude Fable 5.1 mungkin lebih unggul untuk tugas-tugas lain yang membutuhkan penalaran sulit dan pekerjaan agentic jangka panjang, konten video semakin menjadi bagian penting dari interaksi dengan AI.

Dengan keunggulan dalam pemahaman video secara native, Gemini 3.8 Flash menawarkan fungsi yang belum dapat ditandingi oleh kompetitornya. Pengguna yang bekerja secara ekstensif dengan konten video diperkirakan akan merasakan manfaat terbesar dari inovasi ini.

Untuk memulai, pengguna dapat mengunggah video atau menempelkan tautan video ke dalam chat dan meminta Gemini untuk menganalisisnya. Kemampuan ini sejalan dengan pengembangan fitur multitasking di Android yang memungkinkan pengguna meminimalkan jendela Gemini saat menggunakan aplikasi lain.