diyetekno.com – Dunia kecerdasan buatan kembali bergejolak dengan kehadiran model-model terbaru yang saling bersaing ketat. Di tengah hiruk pikuk peluncuran GPT-6 Astra dari OpenAI dan Claude Fable 5.1 dari Anthropic, Google meluncurkan Gemini 3.8 Flash yang sekilas tampak memiliki tantangan besar. Namun, jangan salah, model AI terbaru Google ini menyimpan satu keunggulan revolusioner yang membuatnya melampaui para pesaingnya: kemampuan memahami video secara langsung.
Gemini 3.8 Flash bukan sekadar alat AI biasa. Ia dirancang untuk menerima input video secara langsung dan menganalisis apa yang terjadi di dalamnya. Ini berbeda jauh dengan model lain yang hanya bisa memproses teks atau gambar. Keunikan ini membuka dimensi baru interaksi pengguna dengan AI, memungkinkan pertanyaan-pertanyaan kompleks yang tidak bisa dijawab oleh model lain secara bawaan. Bayangkan, AI Anda bisa "menonton" video dan memahaminya secara mendalam.
Kemampuan pemahaman video Gemini 3.8 Flash jauh melampaui konversi klip menjadi serangkaian tangkapan layar. Google menyebutnya "pemahaman video agentik". Artinya, model ini dapat menavigasi linimasa video, memutuskan bagian mana dari transkrip, bingkai, atau audio yang perlu diperiksa untuk menjawab pertanyaan Anda. Pendekatan cerdas ini diklaim mampu menghemat hingga 88% token pada video berdurasi panjang, sekaligus meningkatkan kualitas pemahaman sekitar 7%.
Dengan fitur ini, pengguna bisa mengajukan pertanyaan yang sangat spesifik. Misalnya, "Di menit ke berapa pembicara menyebutkan topik X?" atau "Apa yang terjadi sesaat sebelum seseorang masuk ruangan?" Bahkan, "Apa yang ditampilkan di layar saat poin tertentu dibahas?" Gemini dapat memberikan jawaban yang terikat pada momen spesifik dalam video, membebaskan Anda dari keharusan mencari secara manual.
Di sisi lain, GPT-6 Astra yang memiliki jendela konteks sedikit lebih besar dan Claude Fable 5.1 dengan kemampuan visual impresif untuk diagram, keduanya belum mendukung input video secara native. Meskipun pengguna bisa mengekstrak bingkai atau membuat transkrip secara terpisah sebelum memberikannya ke model, proses ini tidak terintegrasi dan mulus seperti yang ditawarkan Gemini 3.8 Flash yang memang dirancang untuk itu.
Keunggulan Gemini tidak berhenti pada video saja. Model ini juga menerima input audio secara langsung, memungkinkan AI untuk memahami apa yang didengarnya sebagai bagian dari tugas multimodal yang lebih besar. Dengan menggabungkan bingkai visual, audio, dan stempel waktu, mode agentik Gemini dapat memutuskan apakah perlu mengambil transkrip, memeriksa bingkai, atau menganalisis audio dari bagian video tertentu. Ini sangat berguna untuk berbagai skenario, mulai dari menganalisis kuliah hingga menemukan momen spesial dalam video liburan.
Menariknya, Gemini 3.8 Flash bukanlah model terbesar atau termahal Google. Model ini digambarkan sebagai model Flash terpintar yang menggabungkan penalaran kompleks dan kemampuan agentik dengan kecepatan serta efisiensi biaya yang menjadi ciri khas keluarga Flash. Meskipun GPT-6 Astra dan Claude Fable 5.1 mungkin menjadi pilihan lebih kuat untuk tugas-tugas lain yang membutuhkan penalaran mendalam, Gemini 3.8 Flash jelas memimpin dalam ranah pemahaman video. Mengingat video semakin penting dalam interaksi AI modern, keunggulan ini menempatkan Gemini 3.8 Flash di posisi terdepan. Untuk memulainya, Anda hanya perlu mengunggah video atau menempelkan tautan video di kolom obrolan dan meminta AI untuk "menontonnya".
