Gemini 3.6 Flash ir 3.5 Cyber: Google modelius stumia į agentų darbą
·
Gemini 3.6 Flash šiandien nėra teorinis žaislas. Tai jau darbas, pinigai, duomenys ir kartais labai žemiškas klausimas: kas prisiims atsakomybę, kai DI pradės veikti už žmogų?
Google liepos 21 d. pristatė Gemini 3.6 Flash, 3.5 Flash-Lite ir 3.5 Flash Cyber. Pagrindinė žinutė labai aiški: nauji modeliai turi būti greitesni, pigesni ir patikimesni tada, kai DI agentai atlieka daug mažų veiksmų.
Turiu prisipažinti, tokias naujienas skaitau ne kaip blizgančią vitriną. Skaitau kaip žmogus, kuris iš karto galvoja apie komandą pirmadienio rytą. Kas iš to bus naudinga? Kur bus painiava? Ir kur po mėnesio kas nors pasakys: „mes galvojom, kad čia automatiškai susitvarkys“.
KAS NUTIKO
Google rašo, kad nauji Gemini modeliai orientuoti į efektyvumą, mažesnę delsą, patikimumą ir agentų kūrimą mastu. 3.5 Flash Cyber atskirai taikomas kibernetinio saugumo užduotims.
Čia nėra tik „dar vienas modelis“. Agentų pasaulyje brangiausias dalykas dažnai būna ne vienas atsakymas, o šimtas mažų žingsnių. Kiekvienas jų kainuoja, stringa arba sugadina eigą.
Čia svarbi detalė: kalbame ne apie dar vieną gražų demonstracinį video. Kalbame apie produktus, politiką, infrastruktūrą arba tyrimus, kurie keičia, kaip žmonės dirba su DI realiose organizacijose.
KODĖL TAI SVARBU
Kai agentas analizuoja failus, kviečia įrankius, tikrina rezultatą ir grįžta taisyti klaidų, jam reikia modelio, kuris dirba stabiliai. Ne tik gražiai parašo sakinį.
DI jau išlipo iš „parašyk tekstą“ dėžutės. Jis naršo, jungiasi prie įrankių, analizuoja duomenis, planuoja veiksmus, kartais tvarko dokumentus ar padeda priimti sprendimą. Trumpai: jis artėja prie darbo proceso, ne tik prie pokalbio lango.
Ir čia smegenys mėgsta paslysti. Norisi sakyti: „ai, čia dar užsienyje“. Bet tas pats modelis ar funkcija rytoj atsiras kliento kompiuteryje, darbuotojo naršyklėje arba partnerio pasiūlyme.
KĄ TAI REIŠKIA VERSLUI
Įmonėms tai signalas, kad modelio pasirinkimą reikia matuoti pagal užduoties pabaigimą. Ar agentas užbaigė darbą? Kiek kainavo? Kiek kartų reikėjo žmogaus taisymo?
- lyginti modelius pagal pilną užduotį
- matuoti delsą ir kainą, ne tik kokybę
- atskirti bendrus agentus nuo saugumo agentų
- nepamiršti logų ir ribų
Geras testas: duokite agentui 20 panašių užduočių su tikrais duomenų apribojimais. Ne vieną gražų demo. Dvidešimt.
Man patinka paprastas testas: ar po šios naujienos tavo komanda turi vieną aiškesnį sprendimą? Jei ne, vadinasi dar tik skaitome. Skaityti galima. Tik nereikia apsimesti, kad tai jau strategija.
KUR GALI SKAUDĖTI
Rizika – vaikytis naujausio modelio pavadinimo. Kartais pigesnis ir greitesnis modelis konkrečiam procesui duos daugiau naudos nei didžiausias modelis su gražiu marketingu.
Dažniausia klaida labai ūkiška. Žmonės įsijungia įrankį, pabando, nustemba, pasidžiaugia ir tada palieka viską savieigai. Po kelių savaičių paaiškėja, kad vieni darbuotojai kelia jautrius failus, kiti matuoja naudą iš jausmo, o treti net nežino, kas leidžiama.
Ne tragedija. Bet tvarkos reikia.
KĄ PASIDARYTI ŠIĄ SAVAITĘ
Pasidarykite vieną agento vertinimo lentelę: kaina, laikas, klaidos, žmogaus įsikišimai ir užbaigimo procentas.
Šaltinis: Google Blog.
DUK
Kas yra Gemini 3.6 Flash?
Tai Google pristatytas Gemini modelis, orientuotas į efektyvumą, mažesnę delsą ir agentų užduotis.
Kam skirtas Gemini 3.5 Flash Cyber?
Google jį pristato kaip modelį kibernetinio saugumo užduotims ir saugumo agentams.
Kaip verslui vertinti naujus modelius?
Reikia testuoti pilną darbo eigą: kainą, laiką, klaidas ir užduoties pabaigimą.
Jei nori DI naudoti praktiškai, pradėk nuo vieno proceso. Vienas pasikartojantis darbas. Vienas atsakingas žmogus. Vienas matavimas. Daugiau praktikos rasi MasterSprint.
