Berita Perangkat Keras dan Teknologi AI Offline: Google Membawa Gemini Nano ke Aplikasi Seluler Tanpa Cloud

AI Offline: Google Membawa Gemini Nano ke Aplikasi Seluler Tanpa Cloud

Arkadiy Andrienko
Baca versi lengkap

Google meluncurkan alat yang memungkinkan pengembang menyematkan AI generatif langsung ke dalam aplikasi seluler, tanpa bergantung pada server cloud. SDK ML Kit yang diperbarui sekarang mendukung Gemini Nano, model bahasa kompak yang dirancang untuk berjalan secara lokal di smartphone. Ini memungkinkan fitur seperti merangkum teks, mengubah kata-kata konten, atau menghasilkan keterangan gambar — semuanya sambil menjaga data pengguna di perangkat.

Keuntungan utama di sini adalah privasi. Segala sesuatu — dari input hingga output — diproses secara lokal. Itu berarti fitur seperti ringkasan notifikasi atau pengeditan teks dapat berfungsi bahkan tanpa koneksi internet. Namun, Gemini Nano memiliki keterbatasan dibandingkan dengan model berbasis cloud: output teksnya dibatasi hingga tiga poin, dan penggambaran keterangan gambar saat ini hanya tersedia dalam bahasa Inggris. Kinerja juga bervariasi berdasarkan versi model: yang terkecil (XXS) hanya berukuran 25MB dan hanya menangani teks, sementara yang standar (XS) membutuhkan sekitar 100MB memori.

Pada peluncurannya, Gemini Nano didukung di perangkat unggulan seperti Google Pixel 9a, Samsung Galaxy S25, dan Xiaomi 15, dengan lebih banyak yang akan datang. Jumlah aplikasi yang menggunakan AI di perangkat juga diharapkan meningkat. Pengembang sudah dapat mulai menguji API dalam versi beta, tetapi ada beberapa kendala: aplikasi terikat pada kuota permintaan, dan pemrosesan latar belakang dibatasi. Misalnya, jika pengguna meminimalkan aplikasi, fitur AI-nya akan dijeda.

Menariknya, Google bukanlah yang pertama mengejar AI di perangkat. Qualcomm dan MediaTek telah memperkenalkan solusi mereka sendiri, tetapi itu lebih sulit untuk diadaptasi di berbagai ponsel. Dengan mengintegrasikan Gemini Nano melalui ML Kit, Google menyederhanakan prosesnya — pengembang tidak perlu membangun model dari awal atau menyempurnakannya untuk setiap chipset. Namun, adopsi yang lebih luas akan terhambat oleh daya pemrosesan terbatas dari banyak smartphone.

Manfaat di dunia nyata sudah mulai muncul: misalnya, Pixel dapat menganalisis tangkapan layar di perangkat, dan Motorola Razr Ultra dapat menghasilkan ringkasan notifikasi offline. Dengan Gemini Nano, fitur-fitur semacam itu bisa menjadi norma — tetapi untuk saat ini, kinerja yang stabil akan bergantung pada upaya berkelanjutan dari pengembang dan produsen perangkat keras.

    Tentang Penulis