Hindi na sabay ang direksyon ng Google sa OpenAI at Anthropic pagdating sa AI. Ang target ng mga kalaban ay AI na kusang gumagaling sa sarili nilang kakayahan, pero ang target ng Google ay AI na talagang nakakaintindi ng totoong mundo.
Madaling hindi mapansin yung pagkakaiba kasi patuloy pa rin nagre-release ng bagong models at kumikita ang Google. Pero sa isang independent na ranking, pang-sampu lang ang latest na model na nilabas nila.
Ano Ba Talaga ang Sinasabi (at Hindi Sinasabi) ng Google Tungkol sa AI Race?
Nilabas ng Google ang Gemini 3.6 Flash noong July 21. Ang pinaka-bentahe na in-highlight nila ay bilis at mas tipid na presyo, hindi power mismo.
I-follow kami sa X para laging updated sa mga pinakabagong balita!
Ayon sa blog ng Google, mas kaunti ng 17% ang token na nilalabas ng bagong model kumpara sa dating version. Ang “tokens” ay maliit na piraso ng text na sinusulat ng AI. Kung mas kaunti ang tokens, mas mura ang sagot.
Pero iba pa rin ang usapan pagdating sa power. Sa Artificial Analysis index, pang-10 ang model nila. Lahat ng ibang major lab, mas mataas ang rank.
Hindi naman natutulog ang Google. Sinimulan na nila yung pinakamalaking training run nila para sa Gemini 4. Pinapatest pa rin nila sa partners ang mas malaki na Gemini 3.5 Pro.
Iba ang tinutukan ni Sundar Pichai. Sa halip na leaderboard o paramihan ng AI power, nakatutok siya sa roadmap papunta sa personalized AI agents.
Pero para sa investors, di sila kampante. Bumagsak ng 6% ang shares ng Alphabet noong June matapos umalis ang dalawang senior na researcher at lumipat sa ibang kumpanya.
Bakit All-in ang DeepMind sa World Models?
Ang tinutukoy na “world model” ay AI na natututo kung paano gumagana ang mga bagay sa totoong mundo, mula gravity, galaw, hanggang cause and effect. Kaya nyang i-predict ang susunod na mangyayari sa isang kwarto, hindi lang yung susunod na word sa isang sentence.
Sa mismong website ng DeepMind, makikita mo na dito nila pinupusta ang lakas nila. Nilalagay nila ang Genie 3 at Gemini Robotics sa kategorya ng world models at embodied AI—ibig sabihin software na kayang mag-control ng mga tunay na machine.
Noong May, in-expand nila yung Project Genie sa Street View. Nag-release din sila ng SIMA 2, isang agent na natututo sa pamamagitan ng paglaro sa loob ng virtual 3D worlds.
Samantala, magkaibang direksyon naman ang OpenAI at Anthropic. Pinupuntirya nila ang tinatawag na recursive self-improvement o RSI.
Sa simpleng salita, gusto nila ng AI na marunong gumawa ng mas advanced na AI, na tapos, yon namang next AI ay kayang gumawa ulit ng even better na version.
Pinunto rin ng writer na si Alberto Romero nitong Tuesday na parang sinadyang lumayo ang Google sa labang ito.
“Iba ang taya ni Hassabis: world models. Mga models na kayang maintindihan at i-simulate ang real world, hindi lang magpredict ng next token,” ayon kay Alberto Romero sa kanyang analysis kamakailan.
Hindi pa naman totally umaamin ang Google dito. Si Demis Hassabis ng Google DeepMind, hindi pa naman nagsasabi in public na hindi nila pinapansin ang RSI.
Bakit Sinasabing “Outlier” ang DeepMind Ayon sa Co-Founder ng Kalabang Kumpanya?
Pinakamatinding insight galing mismo sa kalaban, ilang buwan na ang nakalipas.
Si Jack Clark, co-founder ng Anthropic, naglabas ng essay noong May 4 tungkol sa direksyon ng AI industry.
Sabi niya, may 60% chance na kayang magpatakbo mag-isa ng AI ng sariling research bago matapos ang 2028. Binigyan din niya ng 30% chance na mangyari ito ng 2027.
Tinukoy ni Clark kung alin mga lab ang talagang humahabol sa goal na ‘yan. Para sa kanya, “pinaka-cautious ang DeepMind sa big three,” ayon sa kanya. Ibig sabihin, mas maingat sila kumpara sa iba.
Galing mismo sa DeepMind ang basehan niya. Kinilala niya ang kanilang AI safety paper ng 2025 na co-written ng co-founder na si Shane Legg.
Mas aggressive naman ang Anthropic. Sa isang study tungkol sa recursive self-improvement, naka-report na si Claude (AI model nila) ang sumulat ng 80% ng code ng company bago mag-May 2026.
Bago mag-February 2025, halos zero pa ang share na yan.
May dokumentado rin silang mga AI na gumagawa ng mas magaling na AI. Sa isang speed test, 52x na mas mabilis na ang models nila nitong April kumpara sa 2.9x noong isang taon.
Para makuha ang 4x gain sa parehong task, mga 4–8 oras ang kailangan ng isang skilled na engineer.
Pwede Bang Hindi Pa Talaga Umaalis ang Google sa AI Race?
May dalawang bagay na nagko-contradict sa idea na ito:
- Google ang nangunguna pagdating sa test na halos sukatin kung gaano kagaling ang skills sa AI research.
Ang MLE-Bench, tinatanong nito ang isang model kung kaya nitong mag-build ng sarili nitong machine-learning system. Noong February, ang Gemini 3 model umabot ng 64.4%. Yun na ang best result noon. Ngayong July, ang Google Gemini 3.6 Flash pumalo naman sa 63.9%.
Bihira ang lab na nag-quit sa isang field na makuha pa ang top spot sa scoreboard.
- Hindi naman totally wala si Google sa market.
Ibinida ni Pichai sa investors na merong 950 million na monthly users ang Gemini app. Hindi lang sumali ang Google sa open AI alliance ng NVIDIA ngayong buwan. Ganun din OpenAI at Anthropic, hindi rin sila sumali.
Kaya pa bang maghintay ni Google?
Simple lang ang dahilan kung bakit pwede pang maghintay. Yung kita nila sa search ads ang nagbabayad ng lahat, kaya pwede pang mag-take ng time ang DeepMind.
Pero base mismo sa filing ng Alphabet, lumiliit na yung financial buffer nila.
Umabot sa $119.8 billion ang revenue nila nitong June quarter, tumaas ng 24%, ayon sa results na na-file noong July 22. Sa search pa lang, meron na agad $63.3 billion na kita.
Pero malaki rin ang gastos. Nasa $44.9 billion ang nilaan ng Alphabet para sa data centers at equipment sa loob lang ng tatlong buwan. Halos doble kumpara noong nakaraang taon.
Dahil dito, pumalo sa negative $5.86 billion ang free cash flow nila. Ang free cash flow, yan ang natitira pag nabayaran na ang mga gastusin sa pagpapatayo at iba pa.
Noong March, positive pa ‘yan na $10.1 billion. Sa December, umabot pa ng $24.6 billion.
Pina-cover ng Alphabet ang kakulangan sa pamamagitan ng pagbebenta ng $49.6 billion na bagong shares nitong June. Dagdag pa, umutang sila ng $20.3 billion.
Sa loob ng anim na buwan, halos nadoble ang long-term debt nila — from $46.5 billion naging $98.2 billion.
Yung line item sa accounting nila para sa shared AI research, nalugi ng $5.79 billion — tumaas pa kumpara sa $3.37 billion dati. Ngayon, may presyo na talaga ang pagiging patient.
Ano ang mga Dapat Bantayan sa Susunod na 30 Araw
- Kung mailalabas na ang Gemini 3.5 Pro, at kung ano ang ranking nito
- Kung magpapakita ang DeepMind ng world-model results na related sa Gemini 4
- Kung magiging positive ulit ang cash flow ng Alphabet pagdating ng September
- Kung sasagutin ni Hassabis nang direkta ang tanong tungkol sa self-improvement ng AI
Ang Gemini 4 talaga ang matinding test dito. Kung gumana ang world models kahit hindi mag-perform ang coding agents, magmumukhang matalino ang mabagal na approach nila imbes na natatakot lang.
Sa susunod na earnings report, malalaman natin kung hanggang kailan kakayanin pang maglabas ng budget ng Alphabet para dito.
