Google Rilis Tiga Model Gemini Baru untuk AI Agent, Ini Perbedaan dan Cara Menggunakannya

Google Rilis Tiga Model Gemini Baru untuk AI Agent, Ini Perbedaan dan Cara Menggunakannya

Google memperluas pilihan model kecerdasan buatannya dengan memperkenalkan Gemini 3.6 Flash, Gemini 3.5 Flash-Lite, dan Gemini 3.5 Flash Cyber. Ketiganya dirancang untuk kebutuhan yang berbeda, mulai dari pengembangan AI agent dan pemrosesan data berkapasitas besar hingga pemeriksaan keamanan source code.

Pengumuman tersebut penting bagi developer karena AI kini tidak hanya digunakan untuk menjawab pertanyaan atau menghasilkan teks. Model AI mulai menjadi bagian dari sistem yang dapat menjalankan beberapa langkah, menggunakan alat, membaca dokumen, memanggil API, menganalisis data, dan membantu menyelesaikan pekerjaan pemrograman.

Ringkasan Utama

Gemini 3.6 Flash menjadi pilihan utama untuk pekerjaan yang membutuhkan keseimbangan antara kemampuan, kecepatan, efisiensi token, coding, penggunaan alat, dan pemrosesan multimodal. Model ini dapat dipertimbangkan untuk AI coding agent, analisis dokumen panjang, pemeliharaan aplikasi, dan proses otomatisasi bertahap.

Gemini 3.5 Flash-Lite lebih diarahkan untuk pekerjaan berjumlah besar yang mengutamakan kecepatan dan efisiensi biaya. Contohnya meliputi klasifikasi pesan, ekstraksi data dari dokumen, terjemahan massal, pembuatan deskripsi singkat, dan pengolahan katalog produk.

Sementara itu, Gemini 3.5 Flash Cyber berfokus pada pencarian dan perbaikan kerentanan perangkat lunak. Aksesnya tidak dibuka secara umum seperti dua model lainnya karena Google merencanakannya untuk penggunaan terbatas melalui program CodeMender.

Apa Itu AI Agent?

AI agent adalah sistem berbasis kecerdasan buatan yang dirancang untuk menyelesaikan sebuah tujuan melalui serangkaian tindakan. Berbeda dari chatbot sederhana yang menerima pertanyaan lalu memberikan jawaban, AI agent dapat menjalankan alur yang lebih panjang, seperti:

1. Membaca instruksi pengguna.
2. Memeriksa data yang tersedia.
3. Menentukan langkah yang perlu dijalankan.
4. Memanggil API atau alat tertentu.
5. Memeriksa hasil tindakan.
6. Mengulangi proses apabila hasilnya belum sesuai.
7. Menyajikan hasil akhir kepada pengguna.

Contoh penerapannya dalam aplikasi bisnis mencakup pengelompokan pertanyaan pelanggan, peringkasan dokumen, pemeriksaan stok, analisis laporan, bantuan pemrograman, dan otomatisasi pekerjaan administratif melalui integrasi API.

Perbedaan Tiga Model Gemini

Gemini 3.6 Flash

Gemini 3.6 Flash ditujukan untuk pekerjaan yang membutuhkan keseimbangan antara kemampuan model, kecepatan, dan efisiensi token. Model ini memiliki fokus pada coding, penggunaan alat, analisis multimodal, dan penyelesaian pekerjaan bertahap.

Multimodal berarti model dapat memproses lebih dari sekadar teks, misalnya gambar, video, audio, dan dokumen PDF. Kemampuan tersebut membuatnya relevan untuk aplikasi yang perlu membaca berbagai jenis masukan dalam satu alur kerja.

Model ini dapat dipertimbangkan untuk:

• Membantu membuat dan memeriksa kode.
• Mengolah dokumen berukuran panjang.
• Menganalisis gambar dan data visual.
• Menjalankan AI agent dengan beberapa langkah.
• Membantu migrasi atau pemeliharaan aplikasi.

Gemini 3.5 Flash-Lite

Gemini 3.5 Flash-Lite dirancang untuk aplikasi yang mengutamakan kecepatan, volume pemrosesan tinggi, dan biaya lebih rendah. Model ini cocok ketika aplikasi menjalankan banyak pekerjaan terstruktur dan tidak semuanya membutuhkan penalaran atau kemampuan coding tingkat lanjut.

Contoh penggunaannya antara lain:

• Klasifikasi pesan pelanggan.
• Ekstraksi informasi dari invoice.
• Penerjemahan konten dalam jumlah besar.
• Pembuatan deskripsi singkat.
• Pemrosesan katalog produk.
• Sub-agent dengan tugas sederhana dan berulang.

Harga lebih rendah tidak otomatis membuat model ini menjadi pilihan terbaik untuk semua pekerjaan. Tugas kompleks tetap perlu diuji menggunakan model yang memiliki kemampuan penalaran dan coding lebih kuat.

Gemini 3.5 Flash Cyber

Gemini 3.5 Flash Cyber dikembangkan untuk membantu menemukan dan memperbaiki kerentanan perangkat lunak. Model ini digunakan dalam CodeMender, yaitu agent keamanan kode yang dapat membantu mengoordinasikan proses analisis dan menghasilkan laporan.

Kemampuannya diarahkan untuk menemukan pola kode yang berpotensi tidak aman, memvalidasi dugaan kerentanan, dan mengusulkan perbaikan. Namun, model ini belum tersedia secara bebas melalui Gemini API dan direncanakan untuk program terbatas.

Pembatasan tersebut relevan karena teknologi keamanan siber memiliki fungsi ganda. Kemampuan menemukan celah dapat membantu pihak yang mempertahankan sistem, tetapi juga berisiko disalahgunakan.

Tutorial Dasar Menggunakan Gemini API

Developer perlu membuat API key melalui Google AI Studio sebelum mencoba Gemini API. API key harus disimpan di lingkungan server dan tidak boleh dicantumkan pada repository publik atau JavaScript frontend yang dapat dibaca melalui browser.

Contoh penyimpanan sebagai environment variable:

GEMINI_API_KEY=masukkan_api_key_di_sini

Jika menggunakan CodeIgniter 4, variabel tersebut dapat ditempatkan pada file .env yang tidak diunggah ke repository publik.

Contoh Python

Instal SDK resmi Google GenAI:

pip install google-genai

Kemudian buat permintaan dari backend Python:

from google import genai

client = genai.Client()

response = client.models.generate_content(
    model="gemini-3.6-flash",
    contents=(
        "Buatkan struktur endpoint REST API untuk sistem booking "
        "kendaraan menggunakan praktik keamanan yang baik."
    ),
)

print(response.text)

Contoh JavaScript

Instal paket resmi Google GenAI:

npm install @google/genai

Gunakan kode berikut pada backend Node.js:

import { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI({});

async function main() {
    const response = await ai.models.generateContent({
        model: "gemini-3.6-flash",
        contents: `
            Periksa konsep endpoint booking berikut.
            Jelaskan kemungkinan masalah validasi,
            keamanan, dan penanganan transaksi database.
        `,
    });

    console.log(response.text);
}

main();

Contoh PHP dengan cURL

Developer PHP dapat mengakses Gemini melalui REST API menggunakan cURL. Nama model dan endpoint perlu dicocokkan kembali dengan dokumentasi resmi ketika artikel dipublikasikan.

<?php

$apiKey = getenv('GEMINI_API_KEY');
$model = 'gemini-3.6-flash';
$url = "https://generativelanguage.googleapis.com/v1beta/models/{$model}:generateContent";

$data = [
    'contents' => [[
        'parts' => [[
            'text' => 'Jelaskan cara mengamankan proses login pada aplikasi PHP.'
        ]]
    ]]
];

$curl = curl_init($url);

curl_setopt_array($curl, [
    CURLOPT_RETURNTRANSFER => true,
    CURLOPT_POST => true,
    CURLOPT_TIMEOUT => 30,
    CURLOPT_HTTPHEADER => [
        'Content-Type: application/json',
        'x-goog-api-key: ' . $apiKey
    ],
    CURLOPT_POSTFIELDS => json_encode($data),
]);

$response = curl_exec($curl);
$statusCode = curl_getinfo($curl, CURLINFO_HTTP_CODE);

if (curl_errno($curl)) {
    throw new RuntimeException(curl_error($curl));
}

curl_close($curl);
$result = json_decode($response, true);

if ($statusCode < 200 || $statusCode >= 300) {
    echo 'Permintaan gagal:';
    print_r($result);
    exit;
}

print_r($result);

Untuk penggunaan produksi, aplikasi perlu dilengkapi validasi input, batas waktu permintaan, pembatasan jumlah request, pencatatan pemakaian token, pemantauan biaya, penyaringan data sensitif, dan validasi hasil model.

Dampak untuk Developer dan Bisnis

Pilihan model yang semakin spesifik memungkinkan developer menyesuaikan kemampuan AI dengan kebutuhan aplikasi. Tugas sederhana berjumlah besar dapat menggunakan model yang lebih ringan, sedangkan pekerjaan coding, analisis multimodal, dan alur agentik dapat menggunakan model yang lebih kuat.

Bagi bisnis, pemilihan model yang tepat dapat memengaruhi biaya operasional, kecepatan respons, kualitas keluaran, dan keamanan data. Model dengan kemampuan tertinggi belum tentu menjadi pilihan paling efisien untuk setiap fitur.

Sebelum digunakan pada sistem produksi, developer perlu memperhatikan beberapa hal berikut:

• Jangan mengirim password, API key, data pembayaran, atau informasi pribadi tanpa perlindungan.
• Periksa kode yang dihasilkan AI melalui code review dan pengujian.
• Berikan AI agent hak akses seminimal mungkin.
• Validasi JSON, angka, keputusan, atau perintah yang dihasilkan model.
• Pantau pemakaian token dan biaya API.
• Uji model menggunakan data yang benar-benar mewakili aplikasi.

Kesimpulan

Gemini 3.6 Flash, Gemini 3.5 Flash-Lite, dan Gemini 3.5 Flash Cyber menunjukkan bahwa Google menyediakan model yang semakin khusus untuk kebutuhan AI agent. Gemini 3.6 Flash diarahkan untuk coding, analisis, dan penggunaan alat; Gemini 3.5 Flash-Lite mengutamakan kecepatan dan efisiensi; sedangkan Gemini 3.5 Flash Cyber berfokus pada keamanan source code dengan akses terbatas.

Developer tetap perlu memeriksa dokumentasi resmi sebelum mengimplementasikan contoh kode karena nama model, endpoint, harga, batas penggunaan, dan status ketersediaan API dapat berubah. Hasil AI juga harus melalui validasi, pengujian, dan pengawasan manusia sebelum digunakan dalam proses penting.