AI Models9 menit baca

Seberapa banyak penalaran yang dibutuhkan laporan mingguan? Rencana uji Gemini 4 Hydrogen

Gunakan rekaman rapat, PDF, dan spreadsheet yang sama untuk membandingkan waktu pemeriksaan, biaya, dan ketepatan rujukan pada beberapa setelan penalaran Gemini 4 Hydrogen.

K
Ken Jo

Rapat berakhir empat puluh menit lalu. Ada rekaman, spreadsheet, dan PDF proyek yang telah direvisi. Direktur Anda menginginkan ringkasan singkat yang memuat tenggat yang disetujui, penanggung jawab tiap tindakan, dan alasan setiap perubahan. Respons bisa muncul dalam hitungan detik, tetapi Anda mungkin masih perlu lima belas menit untuk memutar ulang rapat dan memastikan dari mana tenggat itu berasal.

Pada 12 November 2026, Google meluncurkan Gemini 4 Hydrogen sebagai model Gemini 4 untuk tugas coding sehari-hari dan pekerjaan berbasis agen. Pengumumannya menyebut aplikasi Gemini, Google AI Studio, Gemini API, dan beberapa layanan Google lain. Di Agent Platform Google Cloud, Hydrogen menerima audio, gambar, video, dan teks, serta sejumlah format Office dan OpenDocument. Empat tingkat penalaran memungkinkan pengembang mengubah kedalaman proses berpikir dengan komponen permintaan lain tetap sama. Pengumuman peluncuran Google · Dokumentasi model Google Cloud

Sebagai uji pertama, pilih satu laporan yang biasa Anda susun tiap minggu. Minta dua setelan Hydrogen menghasilkan ringkasan yang sama dari berkas yang sama. Lalu ukur waktu yang diperlukan seseorang untuk menyetujui masing-masing versi. Perbandingan ini membantu menentukan apakah penalaran yang lebih mendalam mengurangi pekerjaan ketika sumbernya bertentangan.

Jawaban singkat bisa membutuhkan banyak bukti

Bayangkan slide 12 di PDF proyek menyatakan rencana peluncuran tanggal 14 Mei, dokumen pelacakan menyebut 19 Mei, dan rekaman memuat usulan untuk menggesernya ke 21 Mei. Ketiganya merupakan jenis informasi yang berbeda. Usulan itu mungkin cukup penting untuk disertakan dalam ringkasan, tetapi statusnya harus dibedakan dari tenggat yang sudah disahkan. Keluaran model yang berguna menjaga perbedaan ini meski paragraf akhirnya hanya empat baris.

Ini pekerjaan yang menjanjikan untuk input multimodal bawaan karena buktinya tersebar di berbagai media. Seorang peserta rapat bisa menjelaskan mengapa angka di spreadsheet berubah. PDF bisa menetapkan versi rencana yang diedarkan. Suatu sel dapat memuat jumlah yang disetujui, dengan satuan di judul kolom. Menyatukan bahan-bahan itu bisa menghemat pekerjaan mengekstrak transkrip, mengetik ulang tabel, atau menempelkan halaman tertentu ke satu prompt. Pilihan bukti oleh model pun menjadi lebih menentukan.

Sebelum membandingkan setelan, berikan nama yang konsisten pada tiap input. Untuk rekaman, sebutkan nama berkas dan format penanda waktu. Untuk spreadsheet, tentukan lembar dan minta rujukan sel atau baris. Untuk PDF, bedakan nomor yang tercetak di dokumen dari nomor halaman berkas bila keduanya berbeda. Struktur sederhana ini membuat kutipan mudah diperiksa walaupun berkas dipindah ke folder bersama.

Rekaman rapat, PDF proyek, dan spreadsheet menghasilkan klaim yang diperiksa peninjau dengan merujuk ke sumber aslinya

Berikan sumber yang bisa dibuka peninjau untuk setiap klaim penting. Ilustrasi asli oleh Telli.sh.

Sertakan satu kasus yang sangat mudah sebagai kontrol. Bila anggaran yang disetujui terlihat jelas pada satu lembar, kedua setelan semestinya dapat menemukannya dengan mudah. Kemudian tambahkan kasus yang lebih sulit, misalnya rapat yang membahas dua skenario anggaran tanpa keputusan akhir. Beri nilai jika hasilnya menandai keputusan sebagai belum tuntas. Perbandingan lebih berguna ketika kasus sulit mencerminkan kesalahan yang benar-benar dihadapi tim saat memeriksa laporan.

Empat tingkat penalaran memberi pilihan yang bisa diuji

Google Cloud mendokumentasikan LOW, MEDIUM, HIGH, dan XHIGH untuk Hydrogen. HIGH adalah default pada API yang didokumentasikan. Tim bisa mulai membandingkan LOW dengan setelan default, lalu menambah tingkat lain jika keduanya masih kesulitan menangani kasus khusus yang berulang. Periksa layanan yang akan Anda gunakan. Opsi yang tersedia melalui API belum tentu muncul sebagai menu empat pilihan yang sama di aplikasi konsumen. Dokumentasi model Google Cloud

Gunakan konfigurasi yang sederhana. Pertahankan ID model, lampiran, prompt, dan format keluaran. Nonaktifkan alat yang tidak diperlukan agar pemeriksaan dokumen tidak berubah menjadi penelusuran web atau serangkaian tindakan yang tidak berkaitan. Sesuaikan panjang jawaban dengan audiensnya. Jika komite perlu enam keputusan dalam satu halaman, berikan enam keputusan dalam satu halaman walaupun model mampu membuat laporan yang jauh lebih panjang.

Catat selang waktu dari pengiriman permintaan hingga respons selesai, serta waktu keluaran pertama bila orang membacanya saat respons mengalir. Setelah itu, ukur waktu yang diperlukan peninjau untuk memeriksa, mengoreksi, dan menyetujui. Latensi token pertama yang tinggi bisa terasa mengganggu di aplikasi interaktif. Token pertama yang cepat juga bisa muncul pada respons yang lama selesai. Keduanya bisa relevan dan belum mencakup waktu manusia untuk mengoreksi angka yang tak didukung bukti.

Untuk laporan bersama, sajikan kedua draf dalam format pemeriksaan yang sama dan sembunyikan setelannya dari penilai. Minta peninjau menandai setiap tenggat, penanggung jawab, dan klaim numerik. Beri nilai lebih untuk kutipan yang mengarah ke sumber persis daripada tautan ke folder proyek umum. Bedakan koreksi fakta dari penyuntingan gaya agar perubahan nada tidak mengaburkan ketepatan bukti yang dipilih model.

Hal yang dicatatPengamatan yang bergunaMengapa penting
Waktu sampai respons lengkapWaktu berlalu hingga jawaban akhir siapMengukur waktu tunggu sebelum peninjau bisa mulai
Ketepatan sumberApakah halaman, sel, atau rentang waktu yang dirujuk mendukung klaimMengukur upaya untuk memastikan sebuah kutipan layak dipercaya
Penanganan pertentanganApakah tanggal yang bertentangan terlihat jelas sebagai belum diputuskanMengurangi risiko usulan diam-diam dianggap keputusan
Waktu pemeriksaan manusiaMenit untuk memastikan, mengoreksi, dan menyetujui ringkasanMemasukkan pekerjaan yang tersisa setelah pembuatan draf
Biaya permintaanPenggunaan dan tagihan pada layanan yang dipilih, termasuk percobaan ulangMenunjukkan biaya laporan yang benar-benar bisa digunakan tim

Satu juta token tetap perlu dibagi

Google Cloud mencantumkan 1.048.576 token sebagai batas gabungan masukan dan keluaran pada layanan Hydrogen yang didokumentasikan. Perhitungan keluaran mencakup penalaran, panggilan fungsi, dan jawaban akhir. Satu segmen yang berjalan langsung dapat menghasilkan hingga 65.536 token keluaran, sedangkan alur kelanjutan yang didukung bisa memperpanjang generasi dengan tetap mengikuti batas gabungan. Perbedaan ini penting bila model dibandingkan dengan sistem lain yang menjelaskan batas konteks dan keluaran secara terpisah. Dokumentasi model Google Cloud

Tidak banyak alasan memasukkan seluruh arsip departemen dalam uji pertama. Untuk ringkasan keputusan mingguan, berikan sumber terkini dan riwayat minimum yang diperlukan untuk memahami perubahan. Dokumen pelacakan lama mungkin berguna untuk mencatat perubahan. Meletakkannya di samping berkas terbaru tanpa tanggal atau status memperbanyak jawaban masuk akal yang mungkin dikutip sistem.

Audio dan dokumen pindai juga layak memiliki kasus uji tersendiri. Orang yang berbicara pelan atau menyebut beberapa nama serupa bisa lebih sulit diidentifikasi daripada orang yang tercantum dalam metadata rapat. Google Cloud mencatat bahwa OCR untuk PDF pindai tidak dipakai secara default. Jika lampiran pindai sangat penting, periksa apakah pipeline Anda menyediakan teks yang diperlukan sebelum menyimpulkan bahwa perbedaan hasil disebabkan tingkat penalaran. Dokumentasi model Google Cloud

Salah satu cara memakai konteks dengan terarah adalah mengajukan dua pertanyaan dengan kumpulan sumber yang sama. Pertama, minta daftar keputusan yang ringkas. Lalu minta pemeriksaan mendalam terhadap satu pernyataan yang diperselisihkan, lengkap dengan kutipan terkait atau penanda waktu dan catatan ketidakpastian. Jawaban pertama semestinya mudah dipindai. Jawaban kedua perlu memberi peninjau cukup bahan untuk menyelesaikan perbedaan tanpa mengulang dari awal.

Kumpulan sumber yang sama diberikan ke dua tingkat penalaran, lalu jawabannya dibandingkan berdasarkan latensi, biaya, ketepatan sumber, dan upaya pemeriksaan

Bandingkan dua setelan dengan input yang sama dan hitung pekerjaan pemeriksaan yang tersisa setelah draf dihasilkan. Ilustrasi asli oleh Telli.sh.

Draf cepat unggul jika bisa disetujui lebih cepat

Dalam pengumuman, Google melaporkan Hydrogen meraih 53,4% pada tolok ukur Multimodal Knowledge Agent dan 71,6% pada Agents' Last Exam v1.1. Itu adalah hasil yang dilaporkan Google untuk evaluasi yang disebutkan. Hasil ini memberi alasan mengikutsertakan perangkuman lintas dokumen dalam uji coba. Tim yang berulang kali menghadapi pertentangan antarversi spreadsheet tetap perlu kasusnya sendiri, termasuk kasus ketika jawaban terlihat meyakinkan tetapi isi spreadsheet menunjukkan hal lain. Tolok ukur dan demo peluncuran Google

Pertimbangkan dua percobaan hipotetis. Draf pertama selesai dalam 20 detik dan memerlukan empat menit untuk diperiksa karena dua rujukannya kabur. Draf kedua selesai dalam 45 detik dan hanya perlu satu menit untuk diperiksa karena setiap angka memiliki sumber yang spesifik. Penghasil draf yang lebih cepat kalah pada perbandingan waktu yang penting bagi peninjau. Sebaliknya, setelan yang lebih mendalam dan menghabiskan waktu untuk menjelaskan berkas yang sudah jelas bisa memperlambat ringkasan rutin tanpa memperbaikinya.

Buat lembar sederhana untuk membandingkan. Catat apakah jawaban perlu dihasilkan ulang dan alasannya. Untuk kesalahan penting, periksa apakah model mengabaikan input, salah memahami format tanggal, merujuk bagian yang memang ada tetapi tidak membuktikan klaim, atau menyimpulkan adanya persetujuan yang tidak pernah diberikan. Jenis kesalahan mengarah ke perbaikan yang berbeda. Informasi yang hilang mungkin perlu diperbaiki saat menyiapkan berkas, sedangkan kekeliruan membaca sumber yang bertentangan dapat membenarkan setelan lain atau pemeriksaan manusia yang terarah.

Jika pekerjaan berulang kali memakai bahan latar yang sama, pisahkan pengukuran kecepatan permintaan pertama dan permintaan ulang. Google Cloud mendokumentasikan caching implisit untuk Hydrogen. Saat membandingkan setelan, pertimbangkan perilaku cache dan tagihan aktual karena percobaan kedua bisa berbeda dari yang pertama karena faktor di luar penalaran. Untuk memperkirakan laporan mingguan secara masuk akal, tiru pola berkas dan konteks berulang yang akan ditemui di produksi. Dokumentasi model Google Cloud

Uji coba kecil bisa memandu laporan berikutnya

  1. Pilih tiga kumpulan berkas laporan terdahulu yang keputusan dan sumbernya sudah diketahui. Sertakan satu kasus rutin, satu kasus dengan revisi di berkas terpisah, dan satu kasus dengan pertentangan nyata. Gunakan materi publik, sintetis, atau yang disetujui untuk layanan pilihan Anda.
  2. Buka Hydrogen di API atau ruang kerja yang relevan dengan deployment Anda. Jika membandingkan tingkat penalaran lewat API, periksa setelan yang aktif dan pertahankan komponen permintaan yang lain. Mulai dari LOW dan HIGH pada API Cloud yang didokumentasikan.
  3. Minta ringkasan satu halaman yang mencantumkan keputusan, penanggung jawab, waktu, dan sumber persis untuk tiap butir. Instruksikan model membedakan usulan dari persetujuan dan menandai pertentangan sumber dengan jelas. Minta rujukan halaman, sel, atau rentang waktu bila memungkinkan.
  4. Nilai draf sebelum mengetahui setelan yang menghasilkannya. Hitung kesalahan bukti secara terpisah dari penyuntingan kata. Catat latensi respons lengkap, total waktu peninjauan, percobaan ulang, dan biaya yang terlihat dalam data penggunaan layanan.
  5. Atur pembagian kerja sesuai hasil perbandingan. Jika kasus mudah lulus secara konsisten, mulai dari setelan yang lolos. Jika perbedaan sering muncul, gunakan setelan yang lebih kuat atau pemeriksaan manusia untuk klaim yang disengketakan. Tambahkan contoh baru bila alur kerja berubah.

Perbandingan ini berlaku untuk pekerjaan lain dengan pola serupa. Tim customer success bisa menggabungkan rekaman serah terima dan dokumen cakupan pekerjaan untuk mengetahui hal yang dijanjikan. Peneliti bisa menggabungkan rekaman pengarahan dan tabel hasil terbitan untuk memeriksa apakah penjelasan lisan sesuai angkanya. Pada keduanya, susun jawaban berdasarkan letak sumber yang benar-benar akan dipakai untuk verifikasi.

Saat alur kerja mengirim ringkasan akhir ke orang lain, periksa sekali lagi bagaimana ketidakpastian ditangani. Draf awal yang mengatakan “penanggung jawab belum dikonfirmasi” bisa lebih berguna daripada tebakan yang terdengar yakin. Pertahankan fakta yang belum tersedia sebagai hal terbuka saat menyiapkan versi akhir dan catat butir yang memerlukan keputusan manusia sebelum dikirim. Ini memudahkan pemeriksaan berikutnya meski modelnya sama.

Pilihan penalaran Hydrogen memberi lebih banyak kendali atas waktu pembuatan laporan. Setelan yang lebih baik memangkas pekerjaan dari membuka berkas sumber hingga menyetujui catatan yang dapat dipercaya tentang apa yang terjadi.

Sumber


Untuk menyimpan dokumen sumber, rekaman rapat, dan catatan tindak lanjut di satu tempat, buat akun Telli.sh.


← Kembali ke blog