Berapa banyak penaakulan diperlukan untuk laporan mingguan? Pelan ujian Gemini 4 Hydrogen
Gunakan rakaman mesyuarat, PDF dan hamparan yang sama untuk membandingkan tetapan penaakulan Gemini 4 Hydrogen dari segi masa semakan, kos dan ketepatan rujukan.
Mesyuarat berakhir empat puluh minit yang lalu. Anda ada rakaman, hamparan dan PDF projek yang telah disemak semula. Pengarah anda mahu taklimat ringkas yang menyatakan tarikh akhir yang diluluskan, orang yang bertanggungjawab bagi setiap tindakan dan sebab bagi sebarang perubahan. Jawapan mungkin muncul dalam beberapa saat, tetapi anda masih perlu mengambil lima belas minit lagi untuk mendengar semula mesyuarat bagi mengetahui dari mana tarikh akhir itu datang.
Google melancarkan Gemini 4 Hydrogen pada 12 November 2026 sebagai model Gemini 4 untuk kerja pengaturcaraan dan tugas berasaskan ejen sehari-hari. Pengumuman itu menyenaraikan aplikasi Gemini, Google AI Studio, Gemini API dan beberapa persekitaran Google yang lain. Dalam Agent Platform di Google Cloud, Hydrogen menerima audio, imej, video dan teks, serta beberapa jenis fail Office dan OpenDocument. Empat tahap penaakulan membolehkan pembangun melaraskan usaha penaakulan untuk permintaan yang selainnya sama. Pengumuman pelancaran Google · Dokumentasi model Google Cloud
Untuk ujian pertama, pilih satu laporan yang memang anda sediakan setiap minggu. Minta dua tetapan Hydrogen menghasilkan taklimat yang sama daripada fail yang sama. Kemudian ukur berapa lama seseorang perlu menyemak dan meluluskan setiap versi. Perbandingan itu membantu menentukan sama ada penaakulan lebih mendalam mengurangkan kerja apabila sumber bercanggah.
Jawapan ringkas boleh memerlukan banyak bukti
Bayangkan slaid 12 dalam PDF projek menyatakan pelancaran dirancang pada 14 Mei, jadual penjejakan menyatakan 19 Mei dan rakaman mengandungi cadangan untuk mengalihkannya ke 21 Mei. Ketiga-tiganya ialah maklumat yang berbeza jenis. Cadangan itu mungkin wajar dimasukkan dalam taklimat, tetapi perlu dilabelkan secara berbeza daripada tarikh akhir yang sudah disahkan. Jawapan yang berguna mengekalkan perbezaan itu walaupun perenggan akhirnya hanya empat baris.
Tugasan ini sesuai untuk input multimodal yang disokong secara langsung kerana bukti pentingnya tersebar dalam beberapa media. Seseorang dalam mesyuarat mungkin menerangkan sebab angka dalam hamparan berubah. PDF boleh menunjukkan versi rancangan yang telah diedarkan. Sel dalam hamparan boleh mengandungi jumlah yang diluluskan, dengan unit tertera pada tajuk lajur. Menggunakan semua bahan itu bersama boleh menjimatkan kerja menyediakan transkrip, menaip semula jadual atau menampal halaman terpilih ke dalam arahan yang sama. Pilihan bukti oleh model juga menjadi lebih penting.
Berikan nama yang konsisten kepada setiap input sebelum membuat perbandingan. Nyatakan nama fail rakaman dan format cap masa yang dikehendaki. Bagi hamparan, nyatakan helaian serta minta rujukan sel atau baris. Bagi PDF, bezakan nombor halaman bercetak daripada kedudukan halaman dalam fail jika kedua-duanya berbeza. Sedikit struktur ini memudahkan semakan rujukan walaupun fail dipindahkan ke folder kongsi.
Berikan sumber yang boleh dibuka oleh penyemak bagi setiap dakwaan penting. Ilustrasi asal oleh Telli.sh.
Masukkan satu kes yang mudah sebagai kawalan ujian. Jika belanjawan yang diluluskan tertera pada satu helaian yang dilabel dengan jelas, kedua-dua tetapan sepatutnya dapat mendapatkannya dengan mudah. Kemudian tambah kes lebih sukar, misalnya mesyuarat yang membincangkan dua senario belanjawan tanpa keputusan akhir. Beri markah jika model menyatakan keputusan itu masih belum dibuat. Perbandingan menjadi berguna apabila kes sukar menyerupai kesilapan semakan yang benar-benar dihadapi oleh pasukan.
Empat tahap penaakulan memberi pilihan yang boleh diuji
Google Cloud mendokumenkan LOW, MEDIUM, HIGH dan XHIGH untuk Hydrogen. HIGH ialah tetapan lalai pada API yang diterangkan. Pasukan yang membandingkan tetapan boleh bermula dengan LOW dan tetapan lalai, kemudian menambah tetapan lain jika kedua-duanya kurang baik dalam menangani kes khas yang kerap timbul. Semak persekitaran yang akan anda gunakan. Pilihan yang ada melalui API mungkin tidak dipaparkan sebagai menu empat pilihan yang sama dalam aplikasi pengguna. Dokumentasi model Google Cloud
Pastikan konfigurasi ringkas. Gunakan ID model, lampiran, arahan dan format jawapan yang sama. Nyahdayakan alat yang tidak diperlukan dalam perbandingan supaya semakan dokumen tidak bertukar menjadi carian web atau tindakan yang tiada kaitan. Hadkan jawapan mengikut keperluan pembaca sebenar. Jika jawatankuasa semakan memerlukan enam keputusan dalam satu halaman, berikan enam keputusan dalam satu halaman, walaupun sesuatu tetapan mampu menghasilkan laporan yang lebih panjang.
Rekodkan masa dari permintaan hingga jawapan lengkap. Jika seseorang membaca output yang dihantar secara beransur-ansur, rekodkan juga masa untuk output pertama muncul. Kemudian catat berapa lama penyemak mengambil masa untuk memeriksa, membetulkan dan meluluskan draf. Kelewatan sebelum token pertama terasa janggal dalam aplikasi interaktif. Token pertama yang pantas pula boleh diikuti jawapan yang lambat selesai. Kedua-dua ukuran mungkin berguna dan masing-masing masih tidak merangkumi masa untuk manusia membetulkan angka tanpa sokongan.
Untuk laporan yang dikongsi, letakkan kedua-dua draf dalam format semakan yang sama dan sembunyikan tetapannya daripada orang yang menilai. Minta penyemak menandakan setiap tarikh akhir, pemilik tindakan dan dakwaan berangka. Berikan markah lebih kepada rujukan yang menunjuk tepat ke sumber berbanding pautan ke folder projek umum. Bezakan pembetulan fakta daripada suntingan gaya supaya perubahan nada tidak mengaburkan prestasi model dalam memilih bukti.
| Perkara yang direkodkan | Pemerhatian yang berguna | Mengapa penting |
|---|---|---|
| Masa hingga respons lengkap | Tempoh sehingga jawapan akhir sedia | Mengukur masa menunggu sebelum semakan secara kelompok boleh bermula |
| Ketepatan rujukan | Sama ada halaman, sel atau julat masa tertentu menyokong dakwaan | Membantu mengukur kerja yang perlu untuk mengesahkan rujukan |
| Cara menangani percanggahan | Sama ada tarikh yang bercanggah masih ditandakan sebagai belum selesai | Mengurangkan risiko cadangan sementara dianggap sebagai keputusan |
| Masa semakan manusia | Minit untuk mengesahkan, membetulkan dan menerima taklimat | Merangkumi kerja sebenar yang masih ada selepas penjanaan |
| Kos permintaan | Penggunaan dan bil pada persekitaran pilihan, termasuk percubaan semula | Menunjukkan kos untuk mendapatkan laporan yang boleh digunakan |
Satu juta token masih perlu dibahagikan
Google Cloud menyenaraikan 1,048,576 token sebagai had gabungan input dan output bagi persekitaran Hydrogen yang didokumenkan. Dalam pengiraan itu, output meliputi penaakulan, panggilan fungsi dan jawapan akhir. Satu segmen penjanaan di latar depan boleh menghasilkan sehingga 65,536 token output. Aliran sambungan yang disokong boleh memanjangkan penjanaan selagi jumlah gabungan dipatuhi. Perbezaan ini penting jika anda membandingkan Hydrogen dengan sistem yang menyenaraikan had konteks dan output secara berasingan. Dokumentasi model Google Cloud
Anda tidak perlu memasukkan seluruh arkib jabatan dalam percubaan pertama. Untuk taklimat keputusan mingguan, berikan sumber terkini dan sedikit sejarah yang diperlukan untuk mentafsir perubahan. Jadual penjejakan lama berguna jika anda mahu log perubahan. Meletakkannya bersebelahan dengan fail terkini tanpa tarikh atau status menambah bilangan jawapan yang kelihatan munasabah dan boleh dirujuk oleh sistem.
Audio dan dokumen imbasan juga memerlukan kes ujian tersendiri. Orang yang bercakap perlahan atau menyebut beberapa nama hampir sama mungkin lebih sukar dikenal pasti berbanding individu yang dinamakan dalam metadata mesyuarat. Google Cloud menerangkan bahawa pengecaman aksara optik (OCR) bagi PDF yang diimbas tidak digunakan secara lalai. Jika lampiran imbasan itu penting, sahkan bahawa aliran pemprosesan anda menyediakan teks yang diperlukan sebelum menyimpulkan bahawa tahap penaakulanlah yang membuat perbezaan. Dokumentasi model Google Cloud
Satu cara menggunakan konteks secara terancang ialah mengajukan dua soalan daripada set sumber yang sama. Mula-mula minta senarai keputusan yang padat. Kemudian minta audit bagi satu kenyataan yang dipertikaikan, berserta petikan atau cap masa yang sepadan dan catatan tentang sebarang ketidakpastian. Jawapan pertama patut mudah diteliti sepintas lalu. Jawapan kedua patut menyediakan bahan yang cukup untuk menyelesaikan perbezaan tanpa memulakan semakan dari awal.
Bandingkan dua tetapan pada input yang sama dan ukur kerja semakan selepas jawapan dijana. Ilustrasi asal oleh Telli.sh.
Draf pantas hanya menang jika dapat diluluskan lebih awal
Dalam pengumuman pelancaran, Google melaporkan skor Hydrogen sebanyak 53.4% pada penanda aras Multimodal Knowledge Agent dan 71.6% pada Agents’ Last Exam v1.1. Angka itu dilaporkan oleh Google bagi penilaian tertentu dan memberi sebab untuk memasukkan sintesis dokumen dalam ujian rintis. Pasukan yang sering berdepan percanggahan antara versi hamparan masih perlu menguji kes mereka sendiri. Penilaian itu juga perlu mengambil kira jawapan yang meyakinkan walaupun angka dalam hamparan menyatakan perkara lain. Penanda aras dan demonstrasi pelancaran Google
Ambil dua keputusan andaian. Draf pertama muncul dalam 20 saat dan mengambil empat minit untuk disemak kerana dua rujukannya kabur. Draf kedua muncul dalam 45 saat dan disemak dalam satu minit kerana setiap angka mempunyai sumber khusus. Penjana yang lebih pantas kalah apabila masa yang diambil oleh penyemak turut dikira. Sebaliknya, tetapan lebih mendalam yang mengambil masa tambahan untuk menerangkan fail yang sudah jelas boleh melambatkan taklimat biasa tanpa meningkatkan mutunya.
Sediakan lembaran kerja mudah untuk perbandingan. Catat sama ada jawapan perlu dijana semula dan sebabnya. Untuk ralat yang sangat penting, perhatikan sama ada model mengabaikan input, tersalah membaca format tarikh, memetik bahagian sebenar yang tidak menyokong dakwaan, atau menyimpulkan bahawa sesuatu telah diluluskan walaupun kelulusan tidak pernah diberi. Setiap kategori memerlukan pembaikan yang berbeza. Maklumat yang hilang mungkin memerlukan persediaan fail yang lebih baik. Percanggahan yang disalah tafsir mungkin memerlukan tetapan model yang lain atau semakan manusia yang disasarkan.
Ukur kelajuan permintaan pertama dan permintaan berulang secara berasingan jika tugasan sering merujuk bahan latar yang sama. Google Cloud menerangkan penggunaan cache tersirat untuk Hydrogen. Ambil kira penggunaan cache dan bil sebenar semasa membandingkan tetapan. Permintaan kedua boleh berbeza daripada yang pertama atas sebab yang hampir tiada kaitan dengan penaakulan. Untuk anggaran laporan mingguan yang boleh dipercayai, tiru corak fail dan konteks berulang yang dijangka dalam penggunaan produksi. Dokumentasi model Google Cloud
Ujian rintis kecil boleh membentuk laporan seterusnya
- Pilih tiga set bahan laporan terdahulu yang keputusan dan sumbernya sudah diketahui. Sertakan satu set rutin, satu set dengan semakan dalam fail berasingan dan satu set dengan percanggahan sebenar. Gunakan bahan awam, sintetik atau yang diluluskan untuk perkhidmatan pilihan anda.
- Buka Hydrogen melalui API atau ruang kerja yang berkaitan dengan pelaksanaan anda. Apabila membandingkan tahap penaakulan melalui API, sahkan tetapan aktif dan pastikan butiran permintaan lain kekal sama. Mulakan dengan
LOWdanHIGHpada API Cloud yang didokumenkan. - Minta taklimat satu halaman dengan keputusan, pemilik tindakan, masa dan sumber tepat bagi setiap perkara. Arahkan model membezakan cadangan daripada kelulusan dan menandakan percanggahan sumber dengan jelas. Minta rujukan halaman, sel helaian atau julat cap masa jika boleh.
- Nilai setiap draf tanpa mengetahui tetapan yang menghasilkannya. Kira ralat bukti secara berasingan daripada suntingan bahasa. Rekodkan masa hingga jawapan lengkap, jumlah masa penyemak, percubaan semula dan kos yang diperhatikan menggunakan maklumat penggunaan perkhidmatan.
- Agihkan kerja mengikut keputusan perbandingan. Jika set mudah lulus secara konsisten, mulakan dengan pilihan itu. Apabila perbezaan kerap timbul, gunakan tetapan lebih kuat atau semakan manusia terhadap dakwaan yang dipertikaikan. Tambah contoh baharu apabila aliran kerja berubah.
Perbandingan ini sesuai untuk tugas lain yang serupa. Pasukan kejayaan pelanggan boleh menggabungkan rakaman serah tugas dengan dokumen skop kerja untuk mengenal pasti perkara yang dijanjikan. Penyelidik boleh menggabungkan rakaman taklimat dengan jadual hasil yang diterbitkan dan menyemak sama ada tafsiran lisan sepadan dengan angka. Dalam kedua-dua keadaan, susun jawapan berdasarkan tempat dalam sumber yang akan dirujuk orang ketika mengesahkannya.
Jika aliran kerja menghantar taklimat siap kepada orang lain, semak sekali lagi cara ketidakpastian dinyatakan. Draf awal yang menyebut «pemilik belum disahkan» boleh lebih berguna daripada tekaan yang yakin. Pastikan fakta yang masih tiada itu kekal jelas dalam versi akhir, dan catat perkara yang memerlukan keputusan manusia sebelum dihantar. Itu memudahkan semakan seterusnya walaupun modelnya kekal sama.
Pilihan penaakulan Hydrogen memberi anda lebih kawalan terhadap masa yang diambil untuk menjana laporan. Tetapan yang lebih baik wajar digunakan apabila ia mengurangkan kerja antara membuka fail sumber dan meluluskan laporan yang boleh dipercayai tentang apa yang berlaku.
Sumber
- Pengumuman Gemini 4 Hydrogen oleh Google, 12 November 2026, termasuk penanda aras dan demonstrasi rasmi
- Spesifikasi model Google Cloud dan antara muka yang disokong
Untuk menyimpan dokumen sumber, rekod mesyuarat dan nota susulan bersama, cipta akaun Telli.sh.