Google Luncurkan Gemini 4 Argon, Model AI dengan Penalaran Mendalam

Di lingkungan internal perusahaan, ribuan insinyur Google telah memanfaatkan teknologi kecerdasan buatan ini untuk mempercepat proses pemrograman dan riset mendalam. Hasilnya menunjukkan peningkatan efisiensi yang cukup tinggi dalam hal penulisan serta perbaikan kualitas kode pemrograman harian.

Efisiensi operasional juga terlihat pada pemanfaatan ruang penyimpanan data perusahaan melalui pengujian optimasi kuantum. Metode baru ini terbukti menghemat sumber daya ruang dan waktu hingga 40 persen dibandingkan dengan infrastruktur tradisional yang digunakan sebelumnya. Selain itu, sistem kecerdasan buatan ini mampu mendeteksi serta mengatur penggunaan memori di pusat data Google secara mandiri sehingga dapat membebaskan ruang penyimpanan hingga 1 petabyte.

Peningkatan kapasitas pemrosesan menjadi salah satu pembaruan paling mencolok pada model ini, di mana batas token output melonjak tajam menjadi 1 juta token dari yang sebelumnya hanya 64 ribu token.

Melalui kapasitas pemrosesan yang masif tersebut, sistem dapat menghasilkan ratusan ribu token dalam satu jalur eksekusi tunggal tanpa hambatan. Kemampuan ini mempermudah penyelesaian tugas-tugas rumit seperti rekayasa perangkat lunak berskala besar serta analisis dokumen hukum yang panjang.

Pada sektor pengembangan perangkat lunak, sistem ini menorehkan pencapaian akurasi sebesar 77,9 persen pada papan pengujian DeepSWE v1.1. Kecepatan pemrosesan kode video dengan lisensi terbuka juga tercatat meningkat hingga 2,7 kali lipat lebih cepat. Sementara untuk sektor bisnis, keuangan, dan perpajakan, model ini menempati posisi teratas pada pengujian Vals Index dan AutomationBench dengan skor pemenuhan fungsi operasional sebesar 51,3 persen.

Fokus pengembangan sistem ini juga diarahkan untuk membantu para analis keamanan digital dalam memitigasi serta menambal celah kerentanan kode secara otomatis.

Saat diuji menggunakan metode CWE-bench v1, tingkat keberhasilan model dalam memperbaiki kelemahan keamanan perangkat lunak mencapai angka 68 persen. Kemampuan ini langsung diuji coba oleh lembaga keamanan siber independen Wiz dalam program bertajuk Scan for Good.

Kolaborasi tersebut berhasil mengidentifikasi sejumlah celah keamanan kritis pada sistem perangkat lunak rumah sakit global yang berpotensi membahayakan privasi data medis pasien. Temuan ini langsung ditindaklanjuti untuk mencegah terjadinya kebocoran data siber pada fasilitas kesehatan publik tersebut. Google pun merespons hasil ini dengan menerapkan standar keamanan berlapis guna memitigasi risiko penyalahgunaan teknologi di masa depan.

Kerangka kerja yang dinamakan Frontier Safety Framework kini diterapkan secara ketat untuk menyaring ancaman siber berbahaya serta potensi bahaya kontaminasi kimia, biologi, radiasi, hingga nuklir.

Model ini juga dirancang untuk kebal terhadap manipulasi perintah terselubung atau yang biasa dikenal sebagai prompt injection tidak langsung. Semua proses penalaran dipantau secara langsung dalam sebuah lingkungan uji coba terisolasi demi menjamin keamanan sistem secara menyeluruh sebelum resmi dilepas ke pasar global.