Najmoćniji Googleov AI dosad: upoznajte Gemini 3

Model Gemini 3 dolazi iz razvojne radionice tvrtke Google DeepMind kao najnovija generacija njihove umjetne inteligencije koja ima za cilj pomaknuti granice onoga što veliki jezični modeli mogu učiniti. Iako nije upotpunosti potvrđeno kada će biti globalno dostupan, dostupni su brojni indikatori i procurjele informacije koje daju vrlo dobru sliku njegovih ključnih značajki i tehničkih mogućnosti.

Prvo, ono što se s pravom smatra velikim pomakom jest radno „razmišljanje“ (reasoning), tako Gemini 3 višestruko nadograđuje mogućnost modela da shvati složene zadatke, kombinira modalitete (tekst, sliku, zvuk, video) i izvodi bolje zaključivanje. Prema izvorima, model bi mogao imati izrazito veliki prostor za kontekst (na razini stotina tisuća tokena) što omogućuje analiziranje dugih dokumenata, više slika ili višestrukih modaliteta u jednoj sesiji. Također, prema dostupnim izvještajima, Google ju u procesu tihe nadogradnje korisničkih verzija Gemini aplikacije, gdje su korisnici primijetili znatno poboljšane rezultate kod zadataka poput web-dizajna, generiranja SVG animacija i složenih vizualnih promptova, što bi ukazivalo da je Gemini 3 već djelomično aktivan.

Još jedna velika novost jest multimodalna integracija: Gemini 3 navodno bolje povezuje tekstualne inpute s vizualnim i zvučnim podacima, omogućujući korisniku da unese, na primjer, sliku ili video, postavi kompleksno pitanje i dobije odgovor koji uključuje generirani tekst uz popratne vizualne elemente ili grafičke prikaze. Taj korak čini ga znatno sofisticiranijim od mnogih ranijih generativnih modela koji su bili ograničeniji na tekst ili sliku.

Za razvojne programere i tvrtke, novi model donosi novi API-kontrolni sloj i alate za integraciju: moguće je da Gemini 3 bude djelomično integriran u paket alata za programere, uključujući veću fleksibilnost u konfiguraciji razine kvalitete, (na primjer „standard“ ili „duboko“ razmišljanje), veće prozore konteksta, specijalizirane module za kodiranje i vizualni output. Također, u nekim izvještajima spominje se integracija Gemini 3-temeljenih agenata koji mogu automatski izvršavati zadatke, poput generiranja koda, analize podataka ili vizualnih projekata.

Trenutna integracija u Google Pretraživanje
Za razliku od prethodnih lansiranja koja su često bila ograničena na razvojna okruženja ili posebne aplikacije, Google je odlučio odmah integrirati Gemini 3 u svoju najvažniju uslugu – Google Pretraživanje (Search). Od danas, korisnici diljem svijeta primijetit će da su rezultati pretraživanja postali intuitivniji. Gemini 3 u stvarnom vremenu sintetizira informacije iz više izvora kako bi dao izravne odgovore na kompleksna pitanja, smanjujući potrebu za klikanjem na desetke linkova.

Ova integracija ide ruku pod ruku s novim “Dynamic View” (Dinamički prikaz) i “Visual Layout” (Vizualni raspored) značajkama u Gemini aplikaciji. Ovi noviteti omogućuju modelu da informacije prezentira ne samo kao tekst, već kao interaktivne tablice, grafikone ili vizualne kartice, ovisno o tome što je najkorisnije za korisnika u danom trenutku.

Međutim, postoje i izazovi i ograničenja: premda su tehničke performanse impresivne, model još uvijek nije javno detaljno testiran u razmjeru koji omogućuje potpuni neovisni benchmarking. Google sam naglašava da je generativna AI „eksperimentalna“ u određenim primjenama, što znači da korisnici i tvrtke moraju biti svjesni mogućih pogrešaka, (generiranih netočnih informacija) i potrebe za ljudskim nadzorom. Također, primjena za složene multimodalne zadatke može biti računalno zahtjevnija i skuplja, što može ograničiti upotrebu u manjim organizacijama ili aplikacijama s nižim budžetom.