Peluncuran Gemini 3.5 Flash Omni: Update AI Multimodal Google untuk Kreator

Per 20 Mei 2026, debu baru saja mengendap dari Google I/O 2026, dan pengumuman tersebut sudah terasa seperti langkah maju yang berarti untuk alat multimodal. Gemini 3.5 Flash kini menjadi model default di seluruh aplikasi Gemini dan mode AI di Search. Ini memberikan kecepatan sekitar empat kali lipat dibandingkan pendahulunya sekaligus meningkatkan bantuan coding dan perilaku agentic, semuanya dengan biaya inferensi yang lebih rendah. Pada acara yang sama, Google memperkenalkan Gemini Omni, model dunia multimodal yang mampu mengubah campuran teks, gambar diam, klip video, dan audio menjadi output video yang koheren. Demo awal menunjukkan model ini menyatukan prompt teks pendek dengan foto referensi dan beberapa detik suara ambient menjadi gerakan yang sangat stabil. Peluncuran langsung Gemini Omni Flash ditargetkan untuk pelanggan Google AI Plus, Pro, dan Ultra melalui aplikasi utama, Google Flow, dan YouTube Shorts, dengan akses API yang lebih luas diharapkan dalam beberapa minggu mendatang.

Kecepatan dan konsistensi lebih penting bagi kreator daripada spesifikasi utama. Peningkatan performa Gemini 3.5 Flash seharusnya memangkas waktu antara prompt dan output yang dapat digunakan, yang sangat berarti saat Anda menyempurnakan urutan melalui beberapa take. Peningkatan agentic juga memungkinkan model merencanakan tugas multi-langkah sederhana, seperti membuat storyboard lalu memperluas frame terpilih menjadi klip pendek. Pendekatan input campuran Gemini Omni terasa sangat berguna untuk pipeline image-to-video. Kreator dapat memasukkan gambar diam yang ada, video referensi gaya, dan catatan suara singkat yang menjelaskan gerakan kamera, lalu menerima output yang menghormati ketiga sinyal sekaligus. Tingkat kontrol semacam ini sebelumnya sulit dicapai tanpa pasca-produksi yang berat.

Kepatuhan prompt yang lebih baik dan konsistensi karakter adalah dua peningkatan yang paling sering disebut kreator dalam pengujian awal. Saat gerakan tetap terikat pada subjek yang sama di seluruh shot, waktu editing turun secara signifikan. Prompt media campuran juga membuka eksperimen kreatif yang lebih kecil: memasukkan render produk ke dalam adegan gaya hidup, atau melapisi dialog di atas footage yang dihasilkan, tanpa harus membangun ulang seluruh shot dari awal. Jujur saja, setelah menjalankan beberapa pengujian input campuran sendiri, saya menemukan hasilnya lebih dapat digunakan daripada yang saya duga, meskipun masih jauh dari sempurna pada gerakan kamera yang kompleks. Kemajuan multimodal seperti ini sudah membentuk alat video generasi berikutnya, termasuk pembicaraan berkelanjutan seputar penanganan konten eksplisit oleh Gemini Omni, yang saya bahas lebih detail di sini: Gemini omni nsfw: Mengapa Model Video AI Google Memblokir Konten Eksplisit.