JawabanDipublikasikan16 sumber
Gemini 3.8 Flash “Skimaki”: Strategi Google Mengejar Ketertinggalan AI Coding
Google mencantumkan Gemini 3.8 Flash sebagai model yang tersedia secara umum dan siap dipakai untuk produksi sejak 2 September 2026. Dalam pengujian internal melalui alat coding Jetski, sejumlah engineer Google dilaporkan lebih memilih Gemini 3.8 Flash dibandingkan model Opus milik Anthropic.
Diterbitkan olehDiedit dengan GPT-5.6 LunaGambar dibuat dengan GPT Image 1.5
Jawaban penelitian
Poin-poin penting
- Google mencantumkan Gemini 3.8 Flash sebagai model yang tersedia secara umum dan siap dipakai untuk produksi sejak 2 September 2026.
- Dalam pengujian internal melalui alat coding Jetski, sejumlah engineer Google dilaporkan lebih memilih Gemini 3.8 Flash dibandingkan model Opus milik Anthropic.
- Strategi Flash menekankan kemampuan coding dan agen AI yang praktis, dengan latensi serta biaya inferensi lebih rendah daripada model flagship berskala frontier.
AI Perintah
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Google’s reportedly imminent Gemini 3.8 Flash coding AI model, internally known as “Skimaki,” when might it be released, how did Goo. Article summary: Gemini 3.8 Flash, reportedly codenamed “Skimaki,” was described as a coding-focused, efficient Gemini model intended to close Google’s perceived gap with OpenAI and Anthropic. The report said it could launch as early as . Topic tags: general, news, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
Google telah mendorong Gemini 3.8 Flash—yang kabarnya dikenal secara internal dengan nama kode “Skimaki”—sebagai model yang ditujukan bukan sekadar untuk percakapan chatbot. Dokumentasi resmi Google untuk pengembang mencantumkannya sebagai model yang tersedia secara umum (general availability/GA) dan siap digunakan dalam produksi sejak 2 September 2026. 3
Fokus utamanya adalah rekayasa perangkat lunak jangka panjang, agen AI otonom, serta alur kerja perusahaan yang kompleks. Bagi Google, peluncuran ini menjadi cara untuk memperkuat kemampuan coding dan penggunaan alat tanpa harus selalu mengandalkan model terbesar yang mahal dan lebih lambat.
Gemini 3.8 Flash dirancang untuk pekerjaan coding berlapis
Google menyebut Gemini 3.8 Flash sebagai model Flash paling cerdas yang mereka miliki, dengan rekayasa khusus untuk long-horizon software engineering, agen otonom, dan kebutuhan enterprise. 3
Artinya, model ini ditujukan untuk tugas yang berlangsung dalam banyak tahap. Alih-alih hanya menghasilkan satu potongan kode, agen AI perlu:
- memahami repositori yang belum dikenal;
- membaca dokumentasi dan struktur proyek;
- menggunakan terminal atau alat pengembangan lain;
- mengubah beberapa berkas;
- menjalankan pengujian;
- mendiagnosis kegagalan; dan
- memperbaiki hasilnya secara berulang hingga tugas selesai.
Pola kerja semacam ini merupakan ujian yang lebih berat bagi AI agent. Model bisa terlihat mengesankan saat menjawab satu prompt, tetapi belum tentu mampu mempertahankan konteks, mengambil keputusan yang konsisten, dan memulihkan diri dari kesalahan setelah puluhan interaksi dengan berbagai alat.
Label “Flash” menunjukkan kompromi produk yang dipilih Google. Model ini tidak diposisikan terutama sebagai sistem flagship terbesar dan termahal, melainkan sebagai perpaduan antara penalaran serta kemampuan coding yang mumpuni, waktu respons rendah, dan biaya inferensi yang lebih terjangkau.
Dalam dokumentasinya, Google mencantumkan harga perkenalan hingga akhir tahun sebesar 0,75 dolar AS per 1 juta token input dan 3,75 dolar AS per 1 juta token output. 3 Token adalah unit kecil teks yang diproses model; biaya aktual tetap bergantung pada panjang konteks, jumlah panggilan alat, dan seberapa sering agen harus mengulang pekerjaan.
Uji Jetski melawan Claude Opus: sinyal positif, bukan bukti final
Karyawan Google yang dikutip The Wall Street Journal mengatakan bahwa engineer perusahaan membandingkan Gemini 3.8 Flash dengan model Opus dari Anthropic melalui Jetski, alat coding internal Google. Dalam sejumlah perbandingan langsung, beberapa engineer dilaporkan lebih memilih model Google tersebut. 1
Temuan ini penting karena menunjukkan adanya peningkatan yang dirasakan oleh pengguna internal dalam lingkungan pengembangan Google sendiri. Namun, hasil itu tidak sama dengan benchmark publik yang independen.
Laporan tersebut tidak memuat rangkaian pengujian yang sepenuhnya dapat direproduksi, metode penilaian terperinci, konfigurasi model, maupun hasil dari penguji independen. Karena itu, informasi tersebut belum cukup untuk menyimpulkan bahwa Gemini 3.8 Flash secara umum lebih unggul daripada Claude Opus.
Kinerja coding agent sangat dipengaruhi lingkungan di sekitarnya. Pilihan repositori, akses terhadap dokumentasi, kemampuan menjalankan tes, batas konteks, latensi, serta kemauan model untuk mengoreksi pekerjaan yang salah dapat mengubah hasil perbandingan secara signifikan.
Kesimpulan yang paling aman untuk saat ini lebih terbatas: penguji internal Google dilaporkan melihat peningkatan kemampuan coding yang berarti, dan dalam beberapa uji di Jetski mereka lebih menyukai Gemini 3.8 Flash dibandingkan Opus. Apakah keunggulan itu bertahan dalam pengujian independen masih harus dibuktikan.
Mengapa Google memilih model Flash yang cepat dan hemat?
Satu tugas yang dikerjakan agen coding dapat memicu banyak panggilan ke model. Dalam kondisi seperti itu, latensi dan biaya per token bisa sama pentingnya dengan kemampuan puncak pada satu tantangan.
Model yang sedikit kurang unggul dalam sebuah soal terisolasi, tetapi lebih cepat dan murah saat digunakan berulang kali untuk membaca kode, menjalankan alat, serta memperbaiki kesalahan, bisa jadi lebih berguna di lingkungan produksi.
Interpretasi yang paling didukung oleh informasi yang tersedia adalah bahwa Google mengejar efisiensi teknis dan komersial: kemampuan coding serta agen yang cukup kuat untuk digunakan pada skala besar di produk dan layanan enterprise. 1
3
38
Belum ada bukti yang menetapkan bahwa penghindaran peninjauan pemerintah atau ambang regulasi tertentu merupakan alasan penentu Google memilih kelas Flash. Dengan kata lain, kaitan antara desain yang lebih kecil dan isu regulasi masih merupakan dugaan strategis, bukan fakta yang telah dikonfirmasi.
Peran reinforcement learning dalam lompatan dari Gemini 3.7 Flash
Laporan mengenai pengembangan model ini menyebut adanya penekanan yang lebih besar pada reinforcement learning. Secara umum, reinforcement learning merupakan tahap pelatihan lanjutan yang menggunakan umpan balik atau penghargaan untuk memperbaiki cara model menyelesaikan tugas.
Dalam konteks coding agent, pendekatan ini dapat mengarahkan model agar tidak hanya menghasilkan kode yang terlihat masuk akal, tetapi juga:
- menyelesaikan tugas dengan benar;
- menggunakan alat secara efektif;
- menjalankan validasi;
- menindaklanjuti hasil pengujian; dan
- memperbaiki kesalahan secara mandiri.
Penekanan tersebut membantu menjelaskan bagaimana Google dapat bergerak cepat dari Gemini 3.7 Flash ke Gemini 3.8 Flash. Sasaran pengembangannya tampaknya bukan hanya memperbesar model dasar, melainkan memperbaiki perilaku yang diperlukan dalam alur kerja rekayasa perangkat lunak yang panjang. 1
Meski demikian, informasi publik belum cukup untuk mengukur seberapa besar peningkatan itu berasal dari reinforcement learning, metode pascapelatihan lain, perubahan arsitektur, integrasi alat, atau pemilihan evaluasi. Detail tersebut akan penting ketika developer menguji model secara langsung.
Peluncuran di tengah penataan ulang Google DeepMind
Gemini 3.8 Flash hadir ketika Google DeepMind berada dalam tekanan untuk mempercepat pengembangan dan komersialisasi AI. Pada Agustus, Demis Hassabis berpindah dari posisi yang menangani kepemimpinan operasional harian Google DeepMind menjadi ketua organisasi tersebut sekaligus kepala ilmuwan Alphabet.
Google mengatakan Hassabis tetap akan dekat dengan organisasi dan memberi nasihat terkait model serta riset, sementara tanggung jawab operasional sehari-hari diberikan kepada eksekutif lain. 2
9
Reuters juga melaporkan bahwa salah satu pendiri Google, Sergey Brin, mendorong staf AI utama untuk berfokus penuh pada Gemini ketika Alphabet berusaha memperkecil jarak dengan OpenAI dan Anthropic. 37 Dalam strategi komersial Google, agen AI juga ditempatkan sebagai komponen penting untuk menjual layanan AI kepada pelanggan enterprise.
38
Dalam konteks itu, Gemini 3.8 Flash bukan sekadar pembaruan rutin. Model yang berorientasi coding dan siap produksi cocok dengan strategi Google untuk memasukkan agen yang berguna ke produk serta alur kerja bisnis dengan cepat, sembari perusahaan tetap mengembangkan sistem yang lebih besar.
Targetnya: menutup kesenjangan coding dengan OpenAI dan Anthropic
Google dilaporkan berusaha mengejar ketertinggalan di bidang rekayasa perangkat lunak dan coding berbasis agen, area yang dianggap menjadi kelemahan relatifnya dibandingkan OpenAI dan Anthropic. 1
Langkah OpenAI yang semakin berfokus pada coding agent membuat persaingan makin ketat. Di sisi lain, model Claude dari Anthropic telah menjadi salah satu pembanding penting bagi developer yang membangun alat pengembangan perangkat lunak.
Respons Google tidak hanya berupa janji bahwa model frontier yang lebih besar nantinya akan mengejar pesaing. Gemini 3.8 Flash menawarkan pendekatan yang lebih mudah diterapkan: meningkatkan kualitas coding, mempertahankan kecepatan, dan menekan biaya interaksi agen agar cukup terjangkau untuk penggunaan luas.
Jika performanya juga kuat di luar lingkungan internal Google, kombinasi tersebut bisa lebih penting daripada sekadar kemenangan di satu papan peringkat. Coding agent harus praktis bagi developer, tim engineering, dan pelanggan cloud—bukan hanya terlihat mengesankan dalam demonstrasi yang terkontrol.
Apa saja yang masih belum terbukti?
Peluncuran resmi dan hasil uji internal Jetski belum dapat menjawab sejumlah pertanyaan penting:
- Performa coding independen: Preferensi internal Google terhadap Opus bukan benchmark publik yang dapat direproduksi oleh pihak luar.
1
- Keandalan dalam jangka panjang: Agen coding harus tetap efektif setelah banyak panggilan alat, pengujian, dan revisi, bukan hanya ketika menyelesaikan satu instruksi.
- Cakupan repositori nyata: Hasil dapat berbeda menurut bahasa pemrograman, framework, kualitas dokumentasi, kode lama, dan sistem yang sensitif terhadap keamanan.
- Harga dan performa dalam praktik: Harga perkenalan API memberi gambaran awal, tetapi developer perlu menghitung biaya total, latensi, frekuensi penggunaan alat, serta biaya pemulihan dari kegagalan pada beban kerja mereka sendiri.
3
- Daya tahan keunggulan: OpenAI dan Anthropic dapat merespons dengan cepat, sehingga keunggulan awal Gemini 3.8 Flash belum tentu bertahan lama.
Untuk saat ini, Gemini 3.8 Flash paling tepat dipahami sebagai upaya Google menjadikan coding dan penggunaan alat secara otonom sebagai kapabilitas produk yang cepat serta dapat diskalakan. Ketersediaan resminya telah dikonfirmasi, dan hasil uji internalnya terdengar menjanjikan. Namun, klaim yang lebih besar—bahwa model ini telah mengungguli Claude Opus atau sepenuhnya menutup kesenjangan coding Google—masih membutuhkan evaluasi publik yang transparan dan pengalaman developer independen.
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "Gemini 3.8 Flash “Skimaki”: Strategi Google Mengejar Ketertinggalan AI Coding"?
Google mencantumkan Gemini 3.8 Flash sebagai model yang tersedia secara umum dan siap dipakai untuk produksi sejak 2 September 2026.
Apa poin penting yang harus divalidasi terlebih dahulu?
Google mencantumkan Gemini 3.8 Flash sebagai model yang tersedia secara umum dan siap dipakai untuk produksi sejak 2 September 2026. Dalam pengujian internal melalui alat coding Jetski, sejumlah engineer Google dilaporkan lebih memilih Gemini 3.8 Flash dibandingkan model Opus milik Anthropic.
Apa yang harus saya lakukan selanjutnya dalam latihan?
Strategi Flash menekankan kemampuan coding dan agen AI yang praktis, dengan latensi serta biaya inferensi lebih rendah daripada model flagship berskala frontier.