Bocoran Gemini 4 Pro, Mengungguli Astra dan Fable dalam Uji Coba

Benar-benar tersembunyi dalam kedalaman!

Kali ini, Google akhirnya mengungkapkan kartu trufnya.

Dalam dua hari ini, Arena Model Besar secara diam-diam meluncurkan model baru, yang bernama 'gemini-3.8-flash'.

Setelah berinteraksi beberapa putaran dengan para ahli AI dan pengembang yang baru mencoba, hampir terkesiap—

Ini sangat mungkin adalah Gemini 4 Pro, flagship generasi berikutnya yang telah dipahami oleh Google DeepMind selama enam bulan penuh!

Sebuah grafik acuan yang tersebar luas di seluruh internet, benar-benar mengerikan.

Gemini 4 Pro benar-benar menghancurkan, unggul secara menyeluruh atas GPT-6 Astra dan Claude Fable 5.1 di bidang pemrograman, agen, dan penalaran.

Setelah mengalami sendiri, pengembang Vidhi benar-benar terkejut dengan Gemini 4 Pro.

Gambar SVG seekor kucing membuktikan semuanya. GPT-6 Astra langsung mengeluarkan seekor «kucing besar» (mirip kucing, tapi lebih seperti laofu).

Seperti yang beredar, Google telah mengimplementasikan RSI di dalamnya, sehingga Gemini 4 Pro dapat bersaing langsung dengan Astra/Fable.

Raksasa yang telah lama tenggelam, benar-benar kembali dengan kuat!

AI belum pernah semacam ini selama lama.

Perlu diketahui, pembaruan besar versi Google untuk Gemini 3.1 Pro sudah terjadi 7 bulan yang lalu (19 Februari).

Di acara Google I/O, Pi Chai sebelumnya memprediksi: Gemini 3.5 Pro akan diluncurkan pada Juni.

Tidak disangka, pengumuman besar ini terus ditunda, hingga akhirnya «gagal sejak awal»!

Pada awal bulan ini, WSJ mengungkap eksklusif bahwa Gemini 3.5 Pro dibatalkan, alasannya sederhana—

Tingkat evolusi 3.5 Pro tidak sampai sejauh Flash.

Untungnya, Gemini 4 melakukan evaluasi yang sangat baik selama pra-pelatihan, dan pelatihan lanjutan masih berjalan lancar.

Saat ini, Gemini 4 Pro ternyata mengenakan "jaket" gemini-3.8-flash dan muncul di checkpoint pertama di Arena.

Setelah semua, model Gemini 3.8 Flash sudah dirilis pada awal September, sehingga munculnya kembali dengan nama yang sama sangat tidak biasa.

Sejumlah besar pengembang yang telah mencoba pengalaman langsung terkesan dengan 4 Pro, bahkan merasakan kinerjanya melebihi Astra dan Fable.

Dari grafik benchmark yang bocor, dapat dilihat bahwa 4 Pro mencapai dominasi menyeluruh, dengan hasil yang sangat menonjol—

DeepSWE v1.1: Pada tugas pemrograman agen AI, 4 Pro mencapai skor tertinggi 88,8%, lebih tinggi hampir 2% dibanding Astra;

GDPval-AA v2: Dalam tugas pengetahuan nyata, 4 Pro satu-satunya yang mendapatkan 2064 Elo;

Terminal-bench 2.1: 4 Pro juga memiliki kemampuan encoding terminal terkuat sebesar 95,3%;

OSWorld-2.0: Dalam hal kemampuan penggunaan komputer, 4 Pro meraih 86,8%, mengalahkan Astra dan Fable.

Jika skor pada tabel ini akurat, Gemini 4 Pro benar-benar AI terkuat di dunia.

Dari segi harga, ia juga yang paling hemat biaya di antara "Tiga Besar" dibandingkan Astra dan Fable. Harga input sebesar $2,25 per juta token, dan harga output sebesar $11,25 per juta token.

Peneliti AI Qwinah menemukan setelah masuk ke backend Gemini 4 Pro bahwa ia memiliki batas input 10 juta, batas output 256.000, memori lintas sesi permanen, dan dapat terhubung ke internet tanpa API.

Yang benar-benar lebih menarik daripada benchmark adalah uji coba nyata yang mengesankan secara global.

Desain web UI, selera meningkat signifikan

Ini dia, setelah menguji, pengembang Bee langsung berkata, "Gemini 4 Pro terlalu tidak nyata......"

Dalam hanya 14 menit, 4 Pro menciptakan sebuah 'halaman web pameran kreatif' bertema sketsa, pensil, dan tekstur grafit.

Ia bahkan dapat mengonseptualisasi konsep "scroll as stroke" dari halaman web, di mana garis menjadi semakin gelap saat Anda menggulir ke bawah, dengan interaksi yang sangat halus.

Ini adalah situs kerja yang menggabungkan gaya cyberpunk dan retrofuturisme.

4 Pro dalam proses desainnya, layar pertama menggabungkan kisi 3D, dashboard data, dan model 3D yang dapat diinteraksi.

3D+SVG, sangat populer

Uji coba klasik "Pelikan Mengendarai Sepeda" yang sedang viral di seluruh dunia, hasil yang dikeluarkan oleh Gemini 4 Pro sangat mengesankan.

Warna, mode siang-malam, lampu mobil, anotasi anatomi, kontrol cadence, tingkat penyelesaian keseluruhan setara dengan model besar terkemuka.

Pankaj Kumar setelah mengalami, langsung merangkum beberapa perubahan:

Sangat cepat, generasi SVG dan 3D jelas mengalami kemajuan; sekali prompt saja sudah bisa memahami permintaan kompleks dengan cukup akurat.

Bahkan, ia sudah dapat secara langsung menghasilkan game kecil dengan logika interaktif lengkap dan efek visual yang bagus.

Mari kita lihat lagi pengujian menara 3D bergaya pixel, rasanya seperti benar-benar berada di dalamnya.

Ini adalah model 3D helikopter Airbus H145 yang dibuat dalam 10 menit oleh 4 Pro.

Selain itu, dalam pengujian simulasi penerbangan 3D, efek visual 4 Pro jauh melampaui Gemini 3.8 Flash.

Dari hal ini, dapat dibuktikan bahwa Gemini 3.8 Flash dan gemini-3.8-flash di arena bukanlah produk yang sama.

Game yang bisa dimainkan langsung dengan satu klik

Dalam hal generasi game, Gemini 4 Pro juga tidak ketinggalan.

"Minecraft" dari pembangunan halaman, desain setiap modul dalam game besar, sama sekali tidak kalah dengan pengujian Astra yang sebelumnya dirilis.

Dan ada game balap kart 3D ini, yang terlihat lebih modern dibandingkan game balap populer seperti KartRider; dan ini dibuat oleh Gemini 4 Pro dalam waktu singkat.

Jika siklus RSI ini benar-benar dapat berputar terus-menerus, kecepatan pembaruan model mungkin berubah sepenuhnya.

Bulan lalu, Jasjeet Sekhon, Chief Strategy Officer Google DeepMind, secara langsung mengungkapkan hal ini di acara di Berkeley—

RSI (Recursive Self-Improvement) telah menjadi bagian kunci dalam logika investasi besar-besaran AI.

Seluruh industri bertaruh pada kurva kemampuan yang terus meningkat.

Namun, jika benar-benar terjadi rekursif self-improvement, kurva ini bahkan mungkin mempercepat dari "pertumbuhan eksponensial" lebih lanjut.

Baru-baru ini, beredar pernyataan yang lebih radikal di seluruh jaringan:

Gemini 4 berhasil menyelesaikan pra-pelatihan lebih awal karena Google DeepMind mencapai "RSI tertutup" selama pelatihan.

Yang menarik, pada tanggal 14, penelitian Google bernama Dream-RSI juga dirilis.

Ini meneliti bagaimana membuat Agent terus meningkatkan strategi pencariannya selama proses eksplorasi, dan terus meng-upgrade eksplorasi berikutnya berdasarkan pengalaman.

Dapat dikonfirmasi bahwa Google DeepMind telah secara terbuka menempatkan RSI pada posisi yang sangat penting.

Selain itu, semakin banyak tanda bahwa AI terlibat dalam meningkatkan AI.

「Tiga Besar」akan kembali?

Jadi, Gemini 4 Pro menghadapi meja permainan yang telah berubah total.

OpenAI memiliki Astra; Anthropic memiliki Fable 5.1.

Dua raksasa telah mengubah persaingan dari sekadar obrolan menjadi tugas panjang, agen, kode, penalaran, bahkan penelitian mandiri.

Google jika hanya membuat model yang "lebih kuat dari Gemini 3.8" sudah tidak cukup.

Gemini 4 Pro harus membuktikan kembali satu hal: Gemini masih di garis terdepan!

Agar Google dapat mempertahankan kapitalisasi pasar saat ini sebesar $4,23 triliun, penting untuk menjaga keunggulan AI di tingkat teratas.

Referensi:

https://x.com/HarshithLucky3/status/2100524699780600136

Artikel ini berasal dari akun WeChat "Sinzhiyuan" (ID: AI_era), penulis: Peach Marco