Pembaruan Gemma 4 Hadirkan Peningkatan Kecepatan 3x untuk Model Open AI

Mulai 7 Mei 2026, Google telah meluncurkan drafter Multi-Token Prediction untuk model terbuka Gemma 4-nya. Pembaruan ini memperkenalkan speculative decoding yang memungkinkan sistem memprediksi beberapa token masa depan secara paralel, mengurangi waktu generasi hingga tiga kali pada perangkat keras konsumen. Kualitas output tetap pada dasarnya tidak berubah di keempat ukuran model yang kini dioptimalkan untuk edge deployment. Pengembang bisa mengambil bobot yang diperbarui langsung dari saluran resmi Google. Langkah ini menargetkan persis titik masalah yang dikeluhkan pengguna lokal: iterasi lambat saat menjalankan model multimodal offline.

Manfaat praktisnya langsung terlihat pada prototyping. Alih-alih menunggu ber menit untuk setiap variasi prompt, kreator kini bisa menyaring penyempurnaan gambar dan video dalam hitungan detik di GPU yang layak. Tagihan cloud turun karena lebih sedikit run yang perlu diproses di luar mesin. Eksperimen juga jadi kurang hati-hati — coba komposisi aneh, tolak, sesuaikan prompt, ulangi. Jujur, setelah menjalankan beberapa lusin generasi tes sendiri, perbedaannya terasa lebih besar daripada angka mentah yang disarankan. Ini mengubah proses yang dulu sengaja dan hampir seremonial menjadi sesuatu yang lebih mirip sketching.

Dibandingkan keluarga Gemma 3 sebelumnya, versi MTP baru menunjukkan peningkatan throughput konsisten 2.5–3x pada skor kualitas yang sama. Dibandingkan dengan checkpoint Llama dan Mistral berukuran serupa, tes komunitas awal menempatkan Gemma 4 di depan pada tokens-per-second sambil menyamai atau mengalahkan mereka pada benchmark multimodal standar. Keunggulan paling terlihat pada perangkat keras kelas menengah daripada cluster kelas atas, yang persis tempat sebagian besar kreator independen beroperasi. Aku akan jujur padamu: ini bukan angka lab saja. Sampel satu yang sama sekali tidak ilmiah menunjukkan bahwa peningkatan yang diklaim bertahan dalam penggunaan sehari-hari.

Peningkatan kecepatan seperti ini berkumpul di seluruh ekosistem generatif. Ketika inferensi lokal berhenti menjadi bottleneck, lebih banyak orang bisa mampu menjalankan eksperimen yang sebelumnya memerlukan kredit cloud mahal atau antrian panjang. Efek demokratisasi inilah yang sebenarnya menggerakkan bidang ini maju. Keuntungan efisiensi yang sama yang membuat Gemma 4 menarik untuk prototyping sehari-hari juga menurunkan hambatan untuk fine-tune khusus dan aplikasi real-time. Singkatnya, sisi open-source baru saja menjadi lebih kompetitif, dan semua orang yang membangun di atas fondasi ini diuntungkan.