Google DeepMind Mengumumkan Gemini 2.0, Model AI Baru untuk Era Agentic

• Gemini 1.0 menghadirkan terobosan sebagai model multimodal yang dapat memproses informasi di berbagai bentuk seperti teks, video, gambar, audio, dan kode
• Gemini 2.0 mendorong visi ini lebih jauh dengan berevolusi menjadi model agentic yang mampu memahami dunia, merencanakan beberapa langkah, dan menjalankan tugas
• Gemini 2.0 akan diintegrasikan ke produk-produk utama seperti Google Search, memberikan kemampuan untuk menangani topik yang lebih kompleks dan pertanyaan multi-langkah

Fitur utama Gemini 2.0 Flash

• Berdasarkan kesuksesan 1.5 Flash, menawarkan performa yang lebih baik dan waktu respons yang lebih cepat
• Dua kali lebih cepat daripada 1.5 Pro serta menunjukkan performa yang lebih unggul pada benchmark utama
• Mendukung input multimodal seperti gambar, video, dan audio, serta pembuatan gambar yang dipadukan dengan teks dan sintesis suara multibahasa
• Dapat memanggil tool secara native seperti Google Search, eksekusi kode, dan fungsi kustom
• Akan dirilis lebih dulu untuk developer dan tester tepercaya, lalu tersedia lebih luas pada awal tahun depan

Pengenalan proyek riset

• Project Astra: asisten AI serbaguna dengan kemampuan memori yang ditingkatkan
  • Peningkatan pada fitur seperti percakapan multibahasa, pemanfaatan Google Search/Lens/Maps, dan memori sesi sekitar 10 menit
  • Terus dikembangkan sambil mengumpulkan umpan balik dari tester tepercaya melalui perangkat Android
• Project Mariner: prototipe riset yang dapat berinteraksi dengan browser dan membantu tugas kompleks
  • Mencapai hasil tinggi 83.5% pada benchmark WebVoyager
  • Dilengkapi langkah pengamanan yang meminta konfirmasi sebelum pengguna menyetujui tindakan akhir
• Jules: agen coding berbasis AI yang terintegrasi ke workflow GitHub
  • Membantu developer menyelesaikan issue dan menjalankan rencana

Bidang penerapan agen AI

• Bekerja sama dengan pengembang game Supercell untuk mengeksplorasi pemanfaatan agen AI di dalam game
• Sedang melakukan eksperimen untuk menerapkan kemampuan penalaran spasial Gemini 2.0 di bidang robotika

Keamanan dan pengembangan yang bertanggung jawab

• Mengadopsi pendekatan bertahap dan eksploratif dalam pengembangan teknologi baru
• Secara otomatis menghasilkan deteksi risiko dan langkah mitigasi melalui pendekatan red team berbantuan AI
• Pada Project Mariner, diterapkan fitur yang melindungi pengguna dari upaya prompt injection yang berbahaya
• Menyediakan kontrol perlindungan privasi pengguna dan fitur penghapusan sesi

Rencana ke depan

• Akan memperluas kemampuan Gemini 2.0 ke aplikasi Gemini dan produk Google lainnya
• Dalam proses menuju AGI, keselamatan dan tanggung jawab akan tetap menjadi prioritas utama

[GN⁺]

Komentar Hacker News

• Plugin llm-gemini yang baru mendukung model Gemini 2.0 Flash. Dibagikan cara menggunakannya dari terminal

  • Model Gemini memiliki kemampuan menulis dan menjalankan kode Python
  • Panggilan jaringan tidak dimungkinkan, tetapi berbagai pendekatan telah dicoba
  • Menunjukkan performa yang sangat baik dalam penjelasan visual

• Perusahaan besar lambat berbelok arah, tetapi begitu sudah menentukan arah, mereka bisa mencapai hal-hal yang tidak bisa dilakukan perusahaan kecil

  • Google memiliki banyak talenta di bidang ini dan mendapatkan hasil yang baik
  • Kemampuan untuk memproductisasi dan memasarkan model LLM masih belum pasti, tetapi performanya sangat baik

• Melampaui Gemini 1.5 Pro di sebagian besar benchmark

  • Google DeepMind sedang beradaptasi dengan era LLM
  • Mengendalikan hardware secara langsung melalui TPU

• SDK baru telah diumumkan. Tampaknya mengikuti praktik terbaik modern

  • Selama ini telah menyediakan endpoint yang kompatibel dengan OpenAI, tetapi belum jelas apakah akan didukung dalam jangka panjang
  • Merekomendasikan pengaturan klaster Kubernetes dan bucket GCP

• Senang karena rilis baru Google langsung bisa digunakan

  • Gemini Flash 2.0 mengungguli Gemini Pro 1.5 pada soal Advent of Code
  • Flash 2.0 memperbaiki error kompilasi

• Kata "agentic" terasa mengganggu

  • Kata seperti "versatile", "multifaceted", "autonomous" terasa lebih tepat

• Model Gemini 2 mendukung kemampuan generasi audio dan gambar

  • Generasi gambar dijadwalkan tersedia secara umum pada bulan Januari
  • Tugas computer vision akan menjadi mungkin melalui LLM

• Gemini 2 mengungguli 4o di Chatbot Arena

• Menganggap kata "agentic" tidak tepat

  • Sebagian besar hanyalah pipeline yang terdiri dari system prompt dan tools

• Mengakses Gemini 2.0 Flash melalui Google AI Studio di browser Safari pada iPhone

  • Mengidentifikasi dengan akurat apa yang terlihat melalui kamera
  • Dapat membaca teks bahasa Inggris dan Jepang
  • Mengenali nada piano secara visual, tetapi tidak bisa hanya dari suara