Mendadak Dihentikan! Gemini 3.5 Pro Gagal Diluncurkan, Google Terjerumus ke Dalam Jurang Kekecewaan

Baru kemarin, seluruh komunitas AI masih tenggelam dalam euforia.

Berbagai bocoran bermunculan: Senjata pamungkas Google—Gemini 3.5 Pro, dengan nama sandi "Cappuccino", akan resmi diluncurkan dalam 48 jam!

Jendela konteks super besar 2 juta, mode penalaran "Deep Think" yang baru, dikabarkan hasil penilaian internal telah mengalahkan GPT-5.6 Sol dan Claude Fable 5.

Jelas, ini adalah produk penting yang akan mengubah lanskap AI.

Semua orang bersemangat menghitung mundur, bersiap untuk menyaksikan sejarah.

Namun, setelah bangun tidur, suasana langsung berubah total.

Sebuah laporan eksklusif dari Bloomberg seperti air dingin yang menyiram antusiasme semua orang: Peluncuran Gemini 3.5 Pro ditunda, dan bukan hanya beberapa hari, tetapi penundaan besar selama beberapa bulan!

Peluncuran yang seharusnya tercatat dalam sejarah, justru dipause oleh Google sendiri.

Sebenarnya, apa penyebabnya?

48 Jam Euforia dan Rem Mendadak

Baru kemarin, media sosial penuh dengan bocoran tentang Gemini 3.5 Pro.

Nama sandi: Cappuccino. 

Konteks super panjang: 2 juta token. 

Deep Think: Mode "Deep Think" baru, membuatnya mencapai level tak tertandingi dalam matematika, pemrograman, dan logika penalaran. 

Evolusi besar: Kemampuan menulis kode, alur kerja agent, desain UI front-end, dan pembuatan grafik SVG mengalami peningkatan signifikan.

Orang dalam memprediksi ini akan menjadi "senjata pamungkas" Google untuk membalas OpenAI dan Anthropic.

Reaksi ekstrem. Semua orang menantikan tanggal peluncuran legendaris 17 Juli.

Namun, pagi ini, laporan Bloomberg membuat semua orang langsung kecewa.

Orang dalam mengatakan progres pengembangan Gemini 3.5 Pro sudah tertunda berbulan-bulan. Masalah utamanya adalah model belum memenuhi standar internal yang ketat dalam kemampuan kunci, terutama kemampuan AI coding.

Pada akhir bulan lalu, Google melakukan update data pelatihan secara darurat, mencoba sprint terakhir untuk meningkatkan kemampuan coding, tetapi hasilnya "mengecewakan".

Empat kata yang menandai berakhirnya euforia 48 jam.

Harga saham Google langsung turun setelah berita keluar, sempat anjlok hingga 4,43%.

Ketika model baru OpenAI dan Meta melesat dalam kemampuan coding, keterlambatan Gemini 3.5 Pro langsung membuat kecemasan serius di internal Google.

Para insinyur, peneliti AI, dan eksekutif sangat frustrasi. Mereka makin khawatir Google kehilangan "parit pertahanan" yang sudah tipis.

“Tacitus Trap” Google: Mengapa Kekuatan Besar Tak Bisa Ciptakan AI Terkuat?

Mengapa produk spektakuler yang dinanti semua orang bisa gagal?

Laporan ini mengungkap serangkaian masalah internal Google. Ini adalah gambaran transisi era dari sebuah imperium besar.

• Inovasi Terganggu oleh Birokrasi

Laporan menyebut detail penting: internal Google sangat kompleks dengan banyak stakeholders.

Peluncuran sebuah model harus memenuhi kebutuhan search, maps, YouTube, dan seluruh lini produk besar lainnya.

Model keputusan "ingin segalanya" ini membuat distribusi sumber daya dan pengambilan keputusan jadi lambat.

Mantan karyawan memberi analogi hidup: "Mengharapkan semua bos departemen bekerja ke arah yang sama, seperti mencoba merebus seluruh lautan."

Akibatnya, instruksi sering berubah, departemen membangun ulang produk secara terpisah, sulit kolaborasi.

OpenAI dan Anthropic berlari dengan kecepatan startup, "kapal besar" Google terhenti demi koordinasi internal.

Komentar tajam dari netizen: "Google perlu memangkas birokrasi yang gemuk agar bisa maju di bidang ini."

• Kegagalan Coding AI: Obsesi ‘Darah Murni’ dan Kelaparan Compute

Kenapa justru kemampuan coding yang lemah? Ada konflik mendalam di baliknya.

Google punya budaya engineer kelas dunia, hal ini menciptakan rasa "darah murni".

Banyak engineer lama percaya semua kode penting harus ditulis manusia. Ketidakpercayaan pada kode buatan AI membatasi pemanfaatan Gemini untuk pengembangan, khawatir kode proprietary bocor ke data pelatihan.

Saat Google sadar pentingnya coding AI dan memaksa penggunaan AI, muncul masalah baru—kurang compute.

Laporan menyebut engineer sering terkendala kapasitas compute saat memakai tool AI internal.

Detail paling ironis dalam laporan: Di perusahaan yang belanja modal tahun ini diperkirakan mencapai $180-190 miliar, engineer-nya tidak bisa memakai GPU sendiri!

Data Wall Street menunjukkan belanja modal Google Q1 tahun ini $35,7 miliar, dua kali lipat tahun lalu. Banyak uang untuk chip dan data center, tapi hasilnya?

Menghadapi kekacauan ini, Google mencoba memperbaiki keadaan.

Chief AI Architect mulai menyatukan semua alat pemrograman AI ke fondasi Google Antigravity, membentuk tim pemrograman AI khusus di DeepMind, namun sudah terlambat.

• Perlombaan Internal, Lingkaran Jahanam Kehilangan Talenta

Google tidak tidak sadar akan masalahnya. Mereka punya laboratorium riset top Google DeepMind, cloud Google Cloud, tim Android, bahkan membentuk banyak tim internal untuk AI coding.

Tapi mekanisme "perlombaan" ini juga berarti konsumsi internal.

Tim berbeda bekerja terpisah, produk tumpang tindih, strategi berubah-ubah. Lebih parah, kekacauan dan frustrasi ini membuat talenta top hengkang.

Laporan menyebutkan banyak peneliti pindah ke Anthropic dan OpenAI karena kecewa dengan keterlambatan Google.

Ini membentuk lingkaran menakutkan: birokrasi → efisiensi rendah → produk tertinggal → kehilangan talenta → makin tertinggal teknologi.

Penundaan Gemini 3.5 Pro adalah konsekuensi dari lingkaran ini.

Alarm Industri, Para Raksasa Jatuh ke “Next-gen Giant Model Disappointment Trap”

Ethan Mollick dari Wharton School, saat membagikan laporan, mengajukan pandangan menakutkan—

Sebenarnya ini bukan tragedi Google saja, tapi seluruh Silicon Valley sedang mengalami "musim dingin teknologi siklikal".

Mollick dengan tajam menyebut kegagalan Google meniru penderitaan Meta Llama 4 dan xAI Grok 4 sebelumnya.

Dia menyebut fenomena ini sebagai "Next-gen Giant Model Disappointment Trap".

Model generasi berikutnya yang dilatih dengan dana dan compute besar, ternyata peningkatan performanya jauh dari ekspektasi, posisi pasar pun melorot.

Dulu, industri percaya dengan Scaling Law. Tapi begitu skala model mencapai batas tertentu, strategi "brute force" compute dan data mulai gagal.

Bottleneck data: Teks manusia berkualitas tinggi hampir "habis", efektivitas data sintetik masih harus dibuktikan.

Bottleneck algoritma: Arsitektur Transformer yang ada mungkin sudah mendekati batas performanya. Diminishing return: Demi peningkatan performa kecil membutuhkan biaya compute eksponensial.

Dalam game raksasa ini, hanya OpenAI dengan Orion/GPT-4.5 yang sementara lolos dari perangkap ini tanpa penurunan besar.

Sudah pasti, seiring skala model mendekati batas fisik dan teknik, iterasi model frontier makin sulit.

Penundaan Gemini 3.5 Pro kali ini membuat semua orang sadar—

Kita sedang di masa plateau. "AI satu hari setara manusia satu tahun" yang dulu, akan berakhir.

Bagi industri, mungkin ini hal baik. Saat kegaduhan reda, orang akan benar-benar memikirkan nilai AI.

Bagi Google, waktu dan kesabaran pasar yang tersisa, mungkin benar-benar tidak banyak.