Gemini 2.0 Flash Thinking Experimental: Panduan dengan Contoh

Apa Itu Gemini 2.0 Flash Thinking Experimental?

Google memperkenalkan Gemini 2.0 Flash Thinking Experimental sebagai model AI baru yang dirancang untuk penalaran tingkat lanjut. Awalnya tersedia melalui Google AI Studio, Gemini API, dan Vertex AI, kini model ini juga diluncurkan untuk pengguna aplikasi Gemini.

Tidak seperti model bahasa standar yang mengutamakan menghasilkan respons yang fasih, Flash Thinking bertujuan mengurai proses berpikirnya, menampilkan penalaran langkah demi langkah, mengevaluasi beberapa opsi, dan menjelaskan kesimpulannya dengan cara yang lebih terstruktur.

Gemini 2.0 Flash Thinking Experimental adalah model AI multimodal, artinya dapat memproses teks dan gambar sebagai input. Ini berarti kita dapat menggunakannya untuk tugas yang memerlukan konteks visual, seperti menafsirkan diagram, menganalisis bagan, atau mengekstrak wawasan dari dokumen kompleks.

Namun, berbeda dari beberapa model multimodal lain, Flash Thinking hanya menghasilkan output berbasis teks, sehingga tidak akan membuat gambar atau data visual sebagai respons.

Salah satu fiturnya yang menonjol adalah jendela konteks yang sangat besar, mendukung hingga 1 juta token untuk input dan menghasilkan respons hingga 64.000 token. Ini menjadikannya salah satu model AI paling luas untuk penalaran panjang, memungkinkan analisis seluruh buku, makalah riset, atau percakapan panjang sambil menjaga koherensi.

Batas token yang besar memastikan model dapat melacak argumen kompleks sepanjang interaksi yang panjang, mengurangi kebutuhan pengguna untuk berulang kali memperkenalkan kembali konteks.

Satu keterbatasan penting yang perlu diingat adalah Flash Thinking memiliki batas pengetahuan pada Juni 2024. Ini berarti tidak memiliki pengetahuan bawaan tentang peristiwa setelah tanggal tersebut.

Karena itu, model ini bisa menghalusinasi atau membuat asumsi yang salah, seperti pada contoh di bawah. Karena belum pernah mendengar tentang Gemini 2.0 Flash Thinking Experimental, model ini keliru menganggap model tersebut setara dengan Gemini Advanced dan memberikan tanggal yang salah.

Gemini 2.0 Flash Thinking Experimental dengan Aplikasi

Untuk mengatasi batas pengetahuan di atas, Google telah mengintegrasikan fungsi YouTube, Maps, dan Search ke dalam Gemini 2.0 Flash Thinking Experimental. Anda dapat mengaktifkan fungsi ini dari menu tarik-turun model:

Perlu dicatat bahwa penggunaan alat ini tidak menjamin jawaban yang benar. Misalnya, model tetap salah mengenai tanggal rilis, tetapi kali ini lebih mendekati—tanggal rilis yang benar adalah 5 Februari 2025 (lihat contoh di bawah). Ini terjadi karena model menggunakan alat Search dan mengambil informasi dari dua situs yang dikutip. Karena situs-situs tersebut diterbitkan pada 6 Februari 2025, model keliru menyimpulkan bahwa itulah tanggal rilis Gemini 2.0 Flash Thinking Experimental.

Model secara otomatis memilih alat yang dibutuhkan berdasarkan prompt. Misalnya, ketika saya meminta rute berkendara terbaik dari Bucharest ke London, model otomatis memilih alat Google Maps. Perhatikan ikon Google Maps di bawah dan penyebutan alat Google Maps dalam proses penalarannya.

Perlu dicatat bahwa saya hanya menggunakan pertanyaan sepele ini untuk menjelajahi model—untuk pertanyaan di atas, model 2.0 Flash yang sederhana sudah cukup. Seperti yang akan kita lihat di bagian berikutnya, Gemini 2.0 Flash Thinking Experimental paling cocok untuk matematika, sains, dan penalaran multimodal tingkat lanjut.

Tolok Ukur: Gemini 2.0 Flash Thinking Experimental

Gemini 2.0 Flash Thinking Experimental dari Google menunjukkan peningkatan signifikan dalam tugas berbasis penalaran, melampaui pendahulunya di berbagai tolok ukur kunci (dengan fokus pada matematika, sains, dan penalaran multimodal).

Sumber: Google

Pada tolok ukur AIME2024 (matematika), Gemini 2.0 Flash Thinking Experimental mencapai 73,3%, peningkatan besar dari skor 35,5% milik Gemini 2.0 Flash Experimental dan 19,3% milik Gemini 1.5 Pro. Sebagai perbandingan, o3-mini (tinggi) dari OpenAI meraih 87,3% pada tolok ukur ini.

Demikian pula, untuk GPQA Diamond (sains), model mencapai 74,2%, naik dari 58,6% pada versi sebelumnya. Sebagai perbandingan, DeepSeek-R1 meraih 71,5% (pass@1—pada percobaan pertama) pada tolok ukur ini, sementara o1 milik OpenAI meraih 75,7 (pass@1), dan o3-mini (tinggi) meraih 79,7%.

Dalam MMMU (penalaran multimodal), yang mengevaluasi kemampuan model untuk mengintegrasikan dan menafsirkan informasi lintas berbagai modalitas, Gemini 2.0 Flash Thinking Experimental meraih 75,4%, kembali melampaui iterasi sebelumnya.

Seperti yang kita lihat pada model penalaran lainnya, kemampuan penalaran 2.0 Flash Thinking meningkat seiring bertambahnya komputasi inferensi (lihat grafik di bawah). Komputasi inferensi mengacu pada jumlah daya komputasi yang digunakan setelah Anda memberikan prompt ke model.

Sumber: Google

Cara Mengakses Gemini 2.0 Flash Thinking Experimental

Google menyediakan Gemini 2.0 Flash Thinking Experimental melalui berbagai platform, termasuk akses langsung bagi pengguna Gemini.

Gemini Chat (Aplikasi & Web Gemini)

Cara termudah mengakses Gemini 2.0 Flash Thinking adalah melalui antarmuka chat Gemini milik Google, tersedia baik di aplikasi web Gemini maupun aplikasi seluler Gemini.

Pada saat artikel ini diterbitkan, akses ke 2.0 Flash Thinking tersedia gratis untuk semua pengguna.

Gunakan menu tarik-turun di kiri atas untuk mengakses model:

Google AI Studio

Google AI Studio adalah cara lain untuk menggunakan Flash Thinking. Platform berbasis web ini ditujukan untuk pengguna yang lebih mahir, dan memungkinkan Anda bereksperimen dengan kemampuan penalaran model, mengatur parameter seperti temperature, menguji kueri kompleks, mengeksplorasi respons terstruktur, dan sebagainya.

Gemini API

Bagi pengembang yang ingin mengintegrasikan Flash Thinking ke aplikasi mereka, Gemini 2.0 Flash Thinking tersedia melalui Gemini API.

Kesimpulan

Gemini 2.0 Flash Thinking Experimental memperluas dorongan Google ke ranah penalaran AI, kini tersedia bagi pengguna aplikasi Gemini. Model ini menonjol karena menjelaskan proses berpikirnya, menyusun respons langkah demi langkah, dan menggunakan alat seperti Search, YouTube, dan Maps.

Meski menjanjikan, Flash Thinking masih menghadapi tantangan seperti ketidakakuratan sesekali dan ketergantungan berlebih pada sumber. Dengan OpenAI dan DeepSeek yang juga memajukan model penalaran, akan menarik melihat bagaimana persaingan di bidang ini berkembang. Saya juga merekomendasikan untuk melihat panduan kami tentang model Gemini 3 yang baru.