Gemini Deep Think: Uji pada 5 Masalah Dunia Nyata

Google baru-baru ini merilis mode Deep Think untuk Gemini 2.5 Pro. Deep Think adalah fitur yang dirancang untuk memecahkan masalah yang kompleks. Fitur ini bekerja dengan menerapkan pemikiran paralel untuk mengeksplorasi banyak ide secara bersamaan, membandingkannya, lalu memilih solusi yang paling efektif.

Dalam artikel ini, saya akan mengeksplorasi kemampuannya dengan memintanya memecahkan masalah dunia nyata. Dari pertanyaan tingkat PhD hingga tantangan bisnis, saya menguji Deep Think pada lima masalah kompleks untuk menilai performanya.

Kami terus memberi pembaca pembaruan terbaru seputar AI melalui The Median, buletin gratis setiap Jumat yang merangkum kisah-kisah kunci pekan ini. Berlangganan dan tetap tajam hanya dalam beberapa menit setiap minggu:

Apa Itu Gemini Deep Think?

Gemini Deep Think adalah peningkatan baru yang ditambahkan ke model Gemini 2.5 Pro, mendorong kemampuan pemecahan masalah ke level baru. Versi yang tersedia merupakan versi sederhana dari model yang baru-baru ini meraih performa puncak di International Mathematical Olympiad (IMO) tahun ini.

Versi aslinya membutuhkan waktu berjam-jam untuk mengerjakan soal matematika sulit, tetapi versi yang dirilis hari ini jauh lebih cepat dan lebih cocok untuk tugas sehari-hari, sambil tetap meraih tingkat Perunggu di IMO 2025.

Deep Think dirancang untuk pertanyaan sehari-hari namun tetap mempertahankan kemampuan pemecahan masalah yang kuat. Pengguna dapat mengharapkan jawaban yang mendalam dan berwawasan saat Deep Think menangani tugas kompleks dengan memperpanjang "waktu berpikir," sehingga mampu menghasilkan, menilai, dan memadukan berbagai ide dengan sangat efisien.

Perlu dicatat bahwa fitur Deep Think tidak sama dengan Deep Research, yang dirancang untuk mengumpulkan dan merangkum informasi dari web, lengkap dengan sumber dan laporan terstruktur. Yang satu berpikir lebih dalam, yang lain meneliti lebih dalam.

Cara Mengakses Deep Think?

Saat ini, Deep Think dapat diakses di Aplikasi Gemini namun hanya tersedia pada langganan Google AI Ultra, yang biayanya €274,99 per bulan.

Fitur ini juga tersedia melalui API, tetapi hanya untuk sejumlah pengguna terpilih. Kami belum tahu apakah akan dirilis untuk semua orang.

Jika Anda memiliki langganan Google AI Ultra, Anda dapat mengaktifkan Deep Think dengan mengklik tombol di bagian bawah kolom masukan prompt.

Perlu diingat bahwa meskipun dengan langganan Ultra, Anda dibatasi sekitar lima pesan per hari.

Cara Kerja Deep Think

Gemini Deep Think beroperasi dengan menjalankan proses mirip dengan curah pendapat manusia, di mana ia mengeksplorasi banyak kemungkinan secara bersamaan untuk memecahkan suatu masalah.

Hal ini dicapai melalui pemikiran paralel, memungkinkan AI mempertimbangkan berbagai jalur dan alternatif sekaligus, alih-alih hanya satu pendekatan linear. Dengan memberi "waktu berpikir" yang diperpanjang, Gemini Deep Think menganalisis, membandingkan, dan memadukan berbagai ide untuk mencapai solusi terbaik yang mungkin.

Metode ini memungkinkan Gemini menangani tugas kompleks secara efektif dengan mensimulasikan berbagai hasil dan strategi, sehingga menawarkan respons yang tangguh dan inventif terhadap pertanyaan menantang dalam waktu yang relatif singkat.

Uji 1: Mengatasi Masalah PhD Terbuka

Saat menulis disertasi Ph.D. saya, saya meninggalkan beberapa masalah terbuka yang tidak bisa saya pecahkan. Saya memutuskan untuk menguji Gemini Deep Think pada salah satunya.

Masalahnya tentang jaringan komputer. Lalu lintas berjalan di jaringan komputer menggunakan lintasan terpendek, mirip dengan menggunakan GPS saat mengemudi di jalan. Panjang setiap tautan jaringan hanyalah angka positif, dan dapat dikonfigurasi menjadi berapa pun.

Namun, tidak praktis mengonfigurasi panjang yang sangat besar pada tautan jaringan, jadi kami ingin membuat bobot terbesar sekecil mungkin.

Berikut prompt yang dikirim ke Gemini Deep Think:

Setelah sekitar 15 menit, ia kembali dengan jawaban. Ia mengusulkan algoritme rakus. Ini adalah algoritme yang tidak optimal tetapi berusaha menemukan solusi yang cukup baik.

Saya menyadari prompt awal saya bukan yang saya inginkan. Saya ingin ia menemukan algoritme yang menghasilkan solusi terbaik atau membuktikan bahwa algoritme semacam itu kemungkinan tidak ada.

Jadi saya melanjutkan percakapan:

Setelah 15 menit lagi, ia menjawab bahwa masalahnya adalah NP-hard. Ini berarti algoritme cepat untuk masalah ini kemungkinan tidak ada.

Saya juga berpikir jawabannya demikian. Saya mulai membaca buktinya, tetapi banyak detail krusial yang terlewat. Alih-alih, ia memberi beberapa detail tingkat tinggi dan mengatakan jawabannya sangat kompleks:

Saya terus mendesak dan meminta informasi yang hilang, tetapi saya tidak pernah berhasil mendapatkan bukti yang benar-benar terperinci, sehingga saya tidak bisa memeriksa apakah masalahnya benar-benar terpecahkan.

Rasanya agak seperti meme matematika klasik oleh Sidney Harris:

Dalam jawabannya, saya perhatikan cara penulisannya membuatnya seolah-olah itu bukan temuan baru, melainkan menggunakan bukti yang sudah dikenal. Saya menanyakannya, dan ia mengatakan itu adalah hasil yang sudah dikenal, disajikan dalam sebuah makalah pada 2002.

Ia memberikan judul makalahnya, tetapi saya tidak dapat menemukannya di mana pun secara online. Ternyata, penulisnya adalah anggota komite disertasi saya. Akan cukup lucu jika mereka sudah memecahkan masalahnya dan tidak pernah memberi tahu saya.

Saya akhirnya tidak tahu harus berpikir apa tentang contoh ini. Apakah ia menemukan jawabannya, tetapi tidak membagikan semua detailnya? Apakah ia hanya memuntahkan jawaban yang sudah ada? Atau detailnya hilang karena jawabannya tidak benar?

Uji 2: Menemukan Cara Terbaik Bermain Gim

Ada sebuah gim kartu strategi yang saya mainkan, dan baru-baru ini saya sedang berupaya mencari jumlah sumber daya maksimum yang dapat saya hasilkan dalam keadaan gim tertentu.

Beberapa waktu lalu saya membuat rumus yang saya kira optimal, tetapi saya belum membuktikan bahwa itu memang optimal. Saat itu, saya meminta model penalaran AI lain untuk mencari solusinya, dan semuanya gagal total. Bukan hanya jawabannya tidak optimal; jawabannya tidak masuk akal jika dibandingkan dengan aturan gim.

Jadi saya memutuskan mencoba Gemini Deep Think pada masalah ini. Saya tidak memberikan aturan gimnya (saya berasumsi itu bagian dari pelatihannya). Namun saya memberikan aturan untuk masing-masing kartu. Anda tidak perlu memahami gimnya atau prompt saya untuk mengikuti contoh ini.

Berikut prompt-nya:

Satu hal yang perlu diketahui tentang Gemini adalah cukup lambat dibanding model lain, jadi harapkan waktu tunggu antara 5 hingga 20 menit untuk mendapat respons. Contoh ini termasuk yang lebih cepat dan memakan waktu sekitar 5 menit.

Berikut sebagian jawaban yang kami dapat. Bagian ini menunjukkan langkah-langkah dan rumus. Sebelumnya, ia menjelaskan penalarannya:

Namun, karena saya telah memecahkan masalah ini sebelumnya, saya tahu ini tidak benar, dan masih bisa dilakukan lebih baik. Ini karena sebuah aturan yang memungkinkan mengakali beberapa batasan kartu, yang tidak saya nyatakan secara eksplisit. Saya tidak tahu apakah itu terlewat karena penalaran yang kurang baik atau karena aturan tersebut tidak sepenuhnya digunakan dalam pelatihan.

Namun, ini menggambarkan bahwa ia mungkin memiliki titik buta di bidang yang sangat spesifik domainnya, sehingga kita harus berhati-hati terhadap jawaban yang kita dapatkan. Jika ini pertanyaan penting yang belum saya pecahkan, saya tidak akan tahu bahwa jawabannya tidak baik dan mungkin menggunakannya begitu saja, dengan asumsi itu benar. Di sisi lain, jika saya perlu memecahkannya sendiri, maka saya tidak membutuhkan AI sejak awal.

Saya memberi tahu bahwa jawabannya keliru dan memberikan beberapa informasi tambahan untuk melihat apakah jawabannya bisa ditingkatkan.

Kali ini, ia memberikan jawaban yang sama dengan yang saya temukan. Berikut sebagian jawaban yang diberikan:

Satu hal yang mengecewakan saya adalah ia tidak memberikan bukti bahwa ini adalah jawaban terbaik yang mungkin.

Uji 3: Memecahkan Teka-teki Logika

Selanjutnya, saya mencoba memintanya memecahkan teka-teki logika yang sangat saya sukai.

Dalam kasus ini, ia menjawab jauh lebih cepat. Jawabannya diawali dengan menyebut ini adalah masalah logika klasik.

Lalu ia menjelaskan strategi untuk memecahkan teka-teki tersebut. Dalam kasus ini, jelas tidak banyak penalaran yang dilakukan dan AI kemungkinan sudah dilatih pada solusinya.

Ini adalah salah satu pertanyaan sulit saat mengevaluasi model-model ini. Apakah ia menemukan jawabannya karena menyusunnya sendiri, atau jawabannya sudah terenkode dan ia hanya perlu memuntahkannya?

Untuk mendorongnya lebih jauh, saya menambahkan kendala lain untuk melihat hasilnya. Saya menemukan varian ini saat itu juga dan belum pernah melihatnya sebelumnya. Saya tidak tahu apakah versi ini punya solusi.

Kali ini ia kembali membutuhkan waktu lama untuk menjawab, yang merupakan pertanda baik. Ia mengatakan menemukan solusi untuk varian yang lebih sulit ini:

Namun, setelah membaca seluruh jawaban, tampaknya solusinya memiliki beberapa kesalahan. Di akhir jawaban, ia memberikan contoh eksekusi rencana dan menyadari bahwa itu tidak bekerja.

Ia memang mengatakan ada solusi, tetapi saya tidak mendorongnya lebih jauh. Perilakunya mirip dengan contoh sebelumnya, di mana beberapa langkah penting dihilangkan, sehingga kita tidak yakin apakah ia benar-benar dapat memecahkan masalahnya atau tidak.

Contoh 4: Strategi Kartu Loyalti untuk Bisnis

Saya sedang menerapkan program kartu loyalti digital di kedai kopi saya, dan saya bertanya-tanya strategi terbaiknya apa. Saya memberikan detailnya kepada Gemini Deep Think dan meminta analisis lengkap berbagai strategi serta rekomendasi.

Berikut prompt yang saya gunakan:

Ini adalah contoh lain di mana ia tidak butuh banyak waktu untuk menjawab. Ia mengusulkan empat solusi dan memberikan kelebihan serta kekurangan masing-masing.

Solusi pertama:

Solusi kedua:

Solusi ketiga:

Solusi keempat:

Untuk masalah ini, meskipun saya menyukai jawabannya, saya tidak menemukan banyak perbedaan dari yang dihasilkan model lain. Saya merasa menggunakan Deep Think untuk masalah seperti ini berlebihan dan model AI generik pun bisa memberikan hasil yang sama baiknya untuk tugas semacam ini.

Contoh 5: Menulis Kode

Terakhir, saya menguji Gemini Deep Think pada tugas pengodean. Saya tidak menentukan bahasa atau detail teknis apa pun, hanya masalah yang ingin saya selesaikan.

Jawabannya sangat mengecewakan, dan bahkan tidak memberikan kodenya. Ini mungkin bug sederhana, tetapi dengan harga Deep Think, itu tidak dapat diterima.

Jawabannya tidak hanya gagal memberikan kode, tetapi juga tidak menjelaskan cara kerja solusinya. Saya memang mencapai batas pesan saat mengirim pesan ini, jadi saya bertanya-tanya apakah itu memengaruhi jawabannya. Meski menurut saya itu aneh karena pesan ini sendiri masih dalam batas.

Kesimpulan

Dengan masalah yang saya coba, saya tidak merasa ada jarak besar antara jawaban yang diberikan Deep Think dan model chain-of-thought lainnya. Jadi, terlepas dari performa benchmark yang lebih baik dan kemampuannya meraih medali emas, saya bertanya-tanya apakah ia menawarkan banyak nilai bagi kebanyakan orang. Saya melihatnya sebagai alat yang ditujukan untuk peneliti.

Satu hal yang mengganggu saya adalah setelah Anda mencapai batas Deep Think, Anda tidak bisa melanjutkan percakapan dengan model biasa. Sering kali, saya merasa akan cukup baik memulai pemecahan masalah menggunakan Deep Think dan kemudian membiarkan model biasa mengambil alih ide awal untuk mencapai solusi akhir.

Saya memang berpikir bahwa Deep Think memiliki beberapa pencapaian yang mengesankan. Memenangkan medali di IMO bukan hal kecil, dan seiring berkembangnya model-model ini, mereka bisa menjadi alat yang sangat berguna bagi peneliti. Menurut saya, dipasangkan dengan manusia, Deep Think dapat membantu mendorong penelitian maju.

Saat menempuh PhD, saya sering buntu saat berbagi ide dengan orang lain, meski mereka tidak berhasil memberikan solusi. Akan sangat luar biasa memiliki model seperti Deep Think di sisi saya untuk curah gagasan lebih sering dan lebih cepat membantu saya memvalidasi atau menolak ide.