Google ล่าช้ากว่ากำหนดในการเปิดตัว Gemini 3.5 Pro เนื่องจากปัญหาด้าน Coding Performance

Key takeaway

• Google ล่าช้ากว่า Internal Schedule หลายเดือนในการเปิดตัว Gemini 3.5 Pro เนื่องจาก Coding Performance ยังไม่ผ่านเกณฑ์ที่กำหนด แม้จะทำการ Refresh Training Data ไปแล้ว ซึ่งสะท้อนให้เห็นว่า Coding Capability กลายเป็น Benchmark สำคัญที่แยก Leading AI Models ออกจากกัน และปัจจุบัน OpenAI กับ Meta ยังมีความได้เปรียบในด้านนี้เหนือกว่า Google อยู่
• โครงสร้างองค์กรขนาดใหญ่ของ Google ที่ต้อง Integrate Gemini เข้ากับ Ecosystem ครอบคลุมตั้งแต่ Search, Android ไปจนถึง Cloud กลายเป็นตัวฉุดรั้งความคล่องตัว เพราะ Competing Priorities ระหว่าง DeepMind, Google Cloud และ Team ต่าง ๆ ทำให้ Decision-Making ช้าลง และยังมี Internal Disagreements ด้าน AI-Generated Code ที่จำกัด Experimentation ในช่วงต้น
• แม้ Google จะปรับปรุงสถานการณ์ด้วยการ Consolidate Coding Tools ภายใต้ Platform Google Antigravity และอ้างว่า 75% ของ Production Code ถูก Generate โดย AI แล้ว แต่ความท้าทายที่แท้จริงคือการ Ship Frontier Models ให้ทันกับ Competitive Pace ที่คู่แข่งวัดกันเป็นสัปดาห์ ไม่ใช่เดือน

Google ซึ่งเป็นหนึ่งในผู้จุดประกาย AI Race ยุคใหม่ กลับพบว่าการรักษาความได้เปรียบในตลาดนั้นยากกว่าที่คาดไว้มาก Bloomberg รายงานล่าสุดว่าบริษัทล่าช้ากว่า Internal Schedule ไปหลายเดือนในการเปิดตัว Gemini 3.5 Pro ซึ่งเป็น Flagship AI Model รุ่นถัดไป โดย Engineering Team ยังคงเร่งแก้ไขจุดอ่อนที่สำคัญที่สุดของโมเดล นั่นคือความสามารถด้าน Coding

ความล่าช้าครั้งนี้ไม่ใช่เพียงการปรับแต่งรายละเอียดปลีกย่อย แต่สะท้อนปัญหาเชิงโครงสร้างที่ Google กำลังเผชิญอยู่ ทั้ง Engineering Team ขนาดใหญ่, Product Division ที่หลากหลาย และข้อกำหนดด้าน AI Safety ที่เข้มงวดขึ้นเรื่อย ๆ ล้วนเป็นปัจจัยที่ฉุดรั้งความสามารถในการแข่งขันกับคู่แข่งที่พร้อมเดินหน้าได้อย่างคล่องตัวกว่า

Coding ยังคงเป็นความท้าทายที่ใหญ่ที่สุดของ Gemini

Bloomberg อ้างอิงข้อมูลจากพนักงานปัจจุบันและอดีตพนักงาน Google หลายราย โดยรายงานว่า Gemini 3.5 Pro ถูกเลื่อนออกไปเนื่องจากบริษัทยังไม่สามารถบรรลุ Benchmark ด้าน Coding Performance ตามเป้าหมายที่วางไว้ ทั้งนี้ Google ได้ทำการ Refresh Training Data ของโมเดลเมื่อปลายเดือนที่ผ่านมาเพื่อยกระดับขีดความสามารถด้าน Coding แต่ผลลัพธ์ที่ได้ยังไม่ผ่านเกณฑ์ Internal Expectations

ในปัจจุบัน ความสามารถด้าน Coding กลายเป็น Benchmark สำคัญที่ใช้แยกแยะ Leading AI Models ออกจากกัน ทั้ง OpenAI, Anthropic และ Meta ต่างทุ่มเทลงทุนอย่างหนักใน Developer-Focused AI Systems ที่สามารถ Write, Debug และ Reason ผ่าน Complex Software Projects ได้อย่างมีประสิทธิภาพ ซึ่งจากรายงานพบว่าทั้ง OpenAI และ Meta มี Coding Performance ที่เหนือกว่า Google อยู่ในขณะนี้

อย่างไรก็ตาม Google ยืนยันว่าการพัฒนายังคงดำเนินไปอย่างต่อเนื่อง โดยระบุในแถลงการณ์ที่ Bloomberg อ้างอิงว่ากำลัง Testing Gemini 3.5 Pro, Upgraded Flash Model และ AI Systems อื่น ๆ ร่วมกับ Partners พร้อมกับดำเนินการหารือกับรัฐบาลสหรัฐฯ เกี่ยวกับ Testing Standards และ AI Safety

ความล่าช้าครั้งนี้ยิ่งน่าสังเกตเป็นพิเศษ เมื่อพิจารณาว่านักวิเคราะห์หลายรายเคยคาดการณ์ว่า Gemini 3.5 Pro จะเปิดตัวในงาน Google I/O ช่วงต้นปี แต่สุดท้ายบริษัทกลับมุ่งเน้นไปที่การปรับปรุง Gemini แบบ Incremental แทน ในขณะที่คู่แข่งยังคง Ship New Frontier Models ออกมาอย่างต่อเนื่อง

จุดแข็งที่ใหญ่ที่สุดของ Google อาจกลายเป็นตัวฉุดรั้งตัวเอง

ต่างจาก AI Startups ส่วนใหญ่ Google ไม่ได้พัฒนา Model แบบ Standalone เพราะทุก Major Gemini Release จะต้องทำงานร่วมกับระบบนิเวศผลิตภัณฑ์ขนาดใหญ่ ไม่ว่าจะเป็น Search, YouTube, Maps, Android, Workspace, Cloud และอีกหลายสิบ Product Scale ดังกล่าวมอบ Competitive Advantage มหาศาลให้กับ Google รวมถึงการเข้าถึง Real-World Data ในปริมาณที่ไม่มีใครเทียบได้ แต่ในเวลาเดียวกันก็สร้าง Internal Coordination Layers ที่ซับซ้อนและชะลอ Decision-Making Process ลงอย่างหลีกเลี่ยงไม่ได้

Bloomberg รายงานว่าพนักงานปัจจุบันและอดีตพนักงานต่างบรรยายถึง Competing Priorities ระหว่าง DeepMind, Google Cloud, Android และ Team อื่น ๆ รวมถึง Overlapping AI Coding Efforts ที่ทำให้การรักษา Unified Strategy เป็นเรื่องยากยิ่งขึ้น นอกจากนี้ยังมีรายงานถึง Internal Disagreements เกี่ยวกับ AI-Generated Code และข้อจำกัดในช่วงก่อนหน้าในการใช้ Gemini สำหรับ Software Development ซึ่งส่งผลให้ Experimentation ในช่วง Early Rollout ถูกจำกัดลงไปด้วย

Google ระบุว่า Policy เหล่านั้นได้รับการปรับปรุงแล้ว โดยอ้างว่าปัจจุบันประมาณ 75% ของ Production Code ถูก Generate โดย AI ขณะที่ Internal Coding Tools กำลังถูก Consolidate ภายใต้ Platform กลางที่ชื่อว่า Google Antigravity รายงานยังระบุด้วยว่า Engineer ทุกคนถูกคาดหวังให้ใช้ AI ในการ Coding แม้บางส่วนยังประสบปัญหา Computing Capacity Constraints จาก Internal Demand สำหรับ GPU Resources ที่พุ่งสูงขึ้น

นอกจากนี้ รายงานยังชี้ให้เห็นถึงความไม่พอใจที่เพิ่มขึ้นภายใน AI Organisation ของ Google โดยมี Researcher บางส่วนย้ายไปร่วมงานกับคู่แข่งอย่าง Anthropic ในขณะที่ลูกค้าเองก็มีมุมมองที่แตกต่างกันต่อ Gemini 3.5 Flash บริษัทอย่าง Figma ยกย่องความสมดุลระหว่าง Speed และ Quality ของโมเดลนี้ แต่บางรายรวมถึง Education Platform อย่าง Platzi กลับมองว่าโมเดลนี้ตกอยู่ใน Awkward Middle Ground ที่มี Cost สูงกว่า Flash Model รุ่นก่อน แต่ Reasoning Capabilities ยังไม่สามารถเทียบชั้น Premium Rivals ได้

บทสรุป

ภาพรวมที่กว้างกว่านั้นคือ AI Challenge ของ Google ในตอนนี้ไม่ใช่การพิสูจน์ว่าสามารถสร้าง Frontier Models ได้อีกต่อไป เพราะแทบไม่มีใครตั้งคำถามในเรื่องนั้น คำถามที่แท้จริงคือ บริษัทขนาดใหญ่อย่าง Google จะสามารถ Ship โมเดลเหล่านั้นได้เร็วพอในอุตสาหกรรมที่คู่แข่งวัด Progress กันเป็น สัปดาห์ แทนที่จะเป็น เดือน ได้หรือไม่

Why it matters

💡 การล่าช้าของ Gemini 3.5 Pro ไม่ใช่แค่ข่าว Internal ของ Google แต่เป็นสัญญาณเตือนสำคัญสำหรับทุกคนในวงการ AI ที่ต้องติดตาม เพราะสะท้อนให้เห็นว่าแม้แต่ยักษ์ใหญ่ด้านเทคโนโลยีระดับโลกก็ยังสะดุดกับ Coding Performance ซึ่งกลายเป็น Benchmark หลักของ AI ยุคนี้ นักพัฒนาและ Tech Professional ควรทำความเข้าใจว่าการแข่งขันครั้งนี้กำลังเปลี่ยนโฉมหน้าอุตสาหกรรมซอฟต์แวร์อย่างไร และใครจะเป็นผู้นำตลาดในอนาคตอันใกล้

ข้อมูลอ้างอิงจาก https://www.digitaltrends.com/phones/googles-next-gemini-upgrade-might-not-arrive-as-soon-as-expected/