Google เปิดตัว Gemini 3.8 Flash รุ่นใหม่ที่ทำงานได้ดีกว่า แต่ค่าใช้จ่ายอาจสูงขึ้น
Photo: Google DeepMind / Pexels

Google ได้เปิดตัวโมเดล Gemini 3.8 Flash ซึ่งเป็นรุ่นใหม่ล่าสุดที่มาพร้อมกับการปรับปรุงประสิทธิภาพที่สำคัญ โดยเฉพาะในด้านการประมวลผลที่ซับซ้อนมากขึ้น ซึ่งบริษัทระบุว่าโมเดลนี้ “ทำงานหนักขึ้น” กว่ารุ่นก่อนหน้าอย่าง Gemini 3.7 Flash โดยสามารถทำการวิเคราะห์และเรียกใช้เครื่องมือได้อย่างมีประสิทธิภาพมากขึ้น โดยการทำงานนี้จะช่วยให้สามารถทำงานในระดับที่ซับซ้อนมากขึ้นได้อย่างมีประสิทธิภาพมากยิ่งขึ้น.

ในด้านค่าใช้จ่าย โมเดล Gemini 3.8 Flash ยังคงมีราคาเริ่มต้นที่ $0.75 ต่อหนึ่งล้านโทเคนสำหรับการป้อนข้อมูล และ $3.75 ต่อหนึ่งล้านโทเคนสำหรับข้อมูลที่ออก แต่ Google ได้เตือนว่าผู้ใช้สามารถพบว่าค่าใช้จ่ายอาจสูงขึ้นได้ เนื่องจากโมเดลนี้อาจใช้โทเคนมากขึ้นเพื่อเพิ่มประสิทธิภาพ โดยเฉพาะในระดับความพยายามที่สูงขึ้น ซึ่งหมายความว่าผู้พัฒนาที่ต้องการลดการใช้โทเคนสามารถเลือกใช้ Gemini 3.7 Flash ได้ตามต้องการ.

นอกจากนี้ การเปิดตัว Gemini 3.8 Flash ยังได้รับการตอบรับจากนักพัฒนาหลายคน ซึ่งพวกเขาได้เริ่มทดลองใช้งานและรายงานผลลัพธ์ที่น่าพอใจในด้านการประมวลผลที่ซับซ้อนมากขึ้น โดยเฉพาะในงานที่ต้องการการวิเคราะห์ที่ลึกซึ้งและการตัดสินใจที่มีความซับซ้อน. ถึงแม้ว่าโมเดลใหม่นี้จะมีค่าใช้จ่ายที่อาจสูงขึ้น แต่การเพิ่มประสิทธิภาพในการทำงานก็อาจคุ้มค่ากับการลงทุนในระยะยาว.

การพัฒนาในครั้งนี้ถือเป็นอีกก้าวสำคัญของ Google ในการพัฒนาเทคโนโลยี AI ที่มีความสามารถในการเรียนรู้และทำงานได้อย่างมีประสิทธิภาพมากขึ้น ซึ่งจะช่วยสนับสนุนการพัฒนาของธุรกิจและการใช้งานในหลายๆ ด้าน ไม่ว่าจะเป็นในการวิเคราะห์ข้อมูล การสร้างเนื้อหา หรือแม้แต่การพัฒนาแอปพลิเคชันที่ต้องการความแม่นยำสูง. การที่ Google ยังคงพัฒนาผลิตภัณฑ์ใหม่ๆ อย่างต่อเนื่อง แสดงให้เห็นถึงความมุ่งมั่นในการเป็นผู้นำในด้านเทคโนโลยี AI และการให้บริการที่ดีที่สุดแก่ผู้ใช้.

การเปิดตัว Gemini 3.8 Flash นี้จึงเป็นที่น่าจับตามองในวงการเทคโนโลยี AI และคาดว่าจะมีผลกระทบต่อการพัฒนาในอนาคตอย่างแน่นอน.


แหล่งข้อมูลอ้างอิง

บทความนี้สรุปและเขียนใหม่โดยทีมบรรณาธิการ อ้างอิงจาก Stevie Bonifield ตามลิงก์ต้นฉบับด้านล่าง

อ่านต้นฉบับ: Google says its new Gemini 3.8 Flash model ‘works harder’ but might cost more

#Google #Gemini #AI #Machine Learning