Vibe coding bisa sangat menyenangkan dengan pola pikir yang tepat. Yang Anda perlukan hanya sebuah ide dan chatbot seperti Claude, Gemini dan ChatGPT yang dapat menghasilkan kode yang bisa dijalankan berdasarkan instruksi Anda. Saya telah menghabiskan cukup banyak waktu melakukan vibe coding untuk kalender acara dan game retro hanya dengan mengobrol bersama LLM, dan ini dapat membuka dunia baru bagi orang yang tak pernah menyangka bisa menciptakan sesuatu dari kode.
Namun, model yang Anda gunakan dapat berdampak dramatis pada kualitas keluaran proyek. Saya ingin melihat bagaimana model yang lebih ringan dibandingkan dengan model “berpikir”, sebagaimana Google dan OpenAI menyebutnya. Model yang lebih ringan ini memiliki nama yang bervariasi: antarmuka Gemini Google menyebutnya Fast (meski modelnya sebenarnya bernama, contohnya, Gemini 2.5 Flash), sementara OpenAI menyebutnya Instant.
Untuk merasakan betapa berbedanya setiap model untuk vibe coding, saya memutuskan melakukan eksperimen longgar. Saya memulai dengan membuat proyek menggunakan model Thinking Gemini — Gemini 3 Pro — lalu ingin melihat apakah saya dapat mereplikasi proyek yang sama dengan model fast menggunakan _prompt_ yang identik dari proyek sebelumnya. Mengingat tidak ada jaminan respons dari setiap model akan sama, saya tahu akan ada perbedaan dan percakapan akan bercabang, namun sebagian besar saya menggunakan _prompt_ yang identik untuk kedua proyek.
Saat pengujian ini, model fast-nya adalah Gemini 2.5 Flash. Saya menduga hasil akhirnya akan berbeda, dan memang begitu, tapi tidak sebanyak yang saya kira. Yang berbeda adalah bagaimana saya mencapai tujuan dari A ke Z dengan setiap model.
Saya benar-benar tidak tahu dari mana memulai proyek saya, jadi saya hanya meminta Gemini untuk mengusulkan beberapa proyek vibe coding yang menarik. Salah satunya adalah “Trophy Display Case,” dan saya jadikan itu titik awal. Saya minta Gemini untuk menampilkan daftar film horor, alih-alih piala, dan memberikan informasi lebih lanjut saat salah satu poster diklik. Di luar persyaratan itu, saya beri kedua model Gemini kendali kreatif.
Jangan lewatkan konten teknologi independen dan ulasan berbasis lab kami. Tambahkan CNET sebagai sumber pilihan di Google.
Model AI fast vs. thinking: Apa bedanya?
Jika Google memberi kita pilihan antara model Flash dan Pro, pasti mereka sangat berbeda, bukan? Iya dan tidak. Mereka sama-sama _large language model_, tetapi beroperasi dengan cara berbeda. Bagi pengguna sehari-hari, “fast” dan “thinking” cukup mendefinisikan perbedaan keduanya: kecepatan versus kedalaman.
Sebuah model penalaran adalah LLM yang telah disesuaikan untuk memecah masalah kompleks menjadi langkah-langkah kecil sebelum menghasilkan keluaran akhir. Ini dilakukan dengan menjalankan jalur penalaran _chain of thought_ internal. Baik Gemini 2.5 Flash maupun Gemini 3 Pro adalah model penalaran, tetapi Gemini 2. Flash mengambil pendekatan hibrida: Ia menawarkan aksi penyeimbang antara kecepatan dan penalaran.
Gemini 3 Pro adalah model penalaran yang lebih kuat, dan dioptimalkan untuk menyelam lebih dalam mencari jawaban. Alhasil, ia lebih lambat dibanding model yang lebih efisien seperti 2.5 Flash. Google sejak itu telah merilis Gemini 3 Flash, model dasar yang lebih _powerful_ yang menggantikan 2.5 Flash. Gemini 3 Pro tetap menjadi model penalaran paling kuat yang tersedia di Gemini bagi kebanyakan orang.
Model Gemini 3 Pro Lebih Mudah Digunakan Dibanding Flash
Proyek akhir yang dibuat Gemini 3 Pro tidak sempurna, tetapi lebih baik dari ide orisinal saya dan jauh lebih unggul dari yang dihasilkan Gemini 2.5 Flash.
Google Gemini/Screenshot by Blake Stimac/CNET
Dengan Gemini 3 Pro, saya berhasil membuat _landing page_ yang memamerkan film-film dari daftar saya, lengkap dengan gambar poster, dan saat Anda mengklik judulnya, sebuah halaman akan terbuka dan menampilkan informasi tambahan, beserta tautan untuk menonton _trailer_-nya di YouTube. Ini bukan proyek yang rumit, tetapi saya menemui banyak masalah dan _error_ sepanjang jalan.
Awalnya saya ingin _trailer_-nya tertanam di dalam halaman, tetapi terus muncul _error_ yang tidak bisa diperbaiki Gemini, sehingga berujung pada penskalaan kembali dengan hanya menyediakan gambar bertaut untuk menonton _trailer_ di YouTube. Itu tidak masalah, tetapi kurang mulus dari yang saya inginkan. Meski demikian, saya menghargai bagaimana Gemini 3 Pro merinci masalah spesifik yang dialaminya dengan fitur ini dan mengizinkan saya memutuskan untuk membatalkannya.
Masalah lain yang coba diperbaiki Gemini 3 Pro beberapa kali adalah apa yang disebutnya sebagai masalah _layering_. Saat mengklik poster, _pop-up_ dengan detail film akan ditampilkan, bersama tombol kecil untuk keluar dari tampilan itu, meski tidak pernah berfungsi. Saya minta Gemini memperbaikinya empat kali, dan gagal mengatasi masalah itu sampai permintaan terakhir. Gemini menjelaskan apa yang dilakukannya dengan kode secara garis besar, tetapi tidak pernah terlalu mendetail, meski saya membayangkan ia akan memberikan rincian spesifik jika saya minta.
Proyek orisinalnya hanyalah cara untuk menampilkan kumpulan film dan mendapatkan informasi lebih tentangnya. Di luar itu, saya tidak memikirkan apapun tentang _styling_ atau cara membuat aplikasi webnya menarik, dan Gemini 3 Pro sangat membantu di area ini. Ketika saya tanya bagaimana cara membuat aplikasinya lebih baik, baik dalam desain maupun fitur, ia menyarankan untuk menambahkan efek roda 3D pada film-film dan opsi pilihan acak.
Proyek ini memakan hampir 20 iterasi. Produk akhirnya sudah sebaik mungkin, dan itu adalah proyek yang menyenangkan, tetapi ada masalah-masalah yang lebih sering tidak berhasil diperbaiki Gemini. Produk akhirnya melakukan lebih dari yang saya harapkan, jadi saya puas. Namun dengan semua masalah yang saya temui, saya mulai bertanya-tanya bagaimana model Gemini fast akan menangani proyek yang sama.
Vibe Coding dengan Gemini 2.5 Flash Lebih Manual
Tidak mengejutkan, menggunakan model “fast” lebih cepat daripada Gemini 3 Pro, tetapi lebih seringnya, model ini menyarankan pendekatan yang lebih manual untuk mencari solusi bagi proyek. AI-nya bekerja cepat, tetapi menciptakan lebih banyak — dan lebih lambat — pekerjaan bagi saya.
Contohnya, saya ingin aplikasi web menampilkan baik poster maupun sinopsis setiap film dalam daftar, tetapi tidak pernah memikirkan bagaimana informasi itu akan dihasilkan. Tanpa diminta khusus, Gemini 3 Pro menyarankan saya bisa mendaftar ke The Movie Database dan mendapatkan kunci API untuk menarik detail-detail itu secara otomatis, sedangkan Gemini 2.5 Flash pada dasarnya menyuruh saya untuk “mengakuisisi” gambar-gambarnya dan melanjutkan dari sana. Bagaimana saya mengakuisisi gambar-gambar itu tampaknya terserah saya.
Gemini 2.5 Flash terkadang terasa hampir malas dibandingkan Gemini 3 Pro. Ada hal-hal yang akan dilakukan model Gemini Pro tanpa diminta, tetapi Flash membutuhkan _prompting_ yang lebih spesifik. Terkadang, rasanya seperti saya sedang memberi instruksi pada anak yang mendengar perintahnya tetapi sengaja menghindari tugasnya.
Dalam beberapa kesempatan, setelah saya minta Gemini 2.5 Flash melakukan perubahan, ia melakukannya dan memberikan kode yang diperbarui, tetapi hanya untuk bagian spesifik yang dimodifikasinya. Kemudian ia akan memerintahkan saya untuk menukar kode lama dengan kode baru. Jika Anda tahu apa yang dicari, mengganti satu bagian kode dengan yang lain mungkin bukan masalah besar, tetapi ini vibe coding, dan jika Anda tidak tahu di mana menempatkan kodenya, meskipun itu tugas yang mudah, hal itu dapat menghentikan beberapa orang. Itu bisa mengacaukan _vibe_-nya.
Selain itu, Gemini 2.5 Flash hanya menyarankan saya untuk “mengakuisisi” gambar poster film dan detail tambahan. Jadi, sambil melanggar batas parameter eksperimen untuk hanya menggunakan _prompt_ yang sama di kedua proyek (yang longgar, setidaknya), saya memutuskan untuk bertanya pada Gemini 2.5 Flash apa pendapatnya tentang ide menambahkan kunci API untuk The Movies Database. Ia menyambut ide itu dan memberi tahu saya di mana menambahkan kuncinya. Alih-alih, saya minta model untuk menambahkan kunci yang saya berikan. Ia menambahkan kuncinya, tetapi saat saya jalankan aplikasi webnya, ia tidak benar-benar menarik gambar poster dari film yang saya daftarkan, jadi saya harus memintanya memperbaiki itu lagi. Model tersebut mengisyaratkan keterbatasannya dengan berkata, “Mencari ID TMDB yang tepat untuk setiap film dalam daftar orisinal Anda memakan waktu, tetapi saya akan mengisi _array_ dengan ID yang dikonfirmasi sebanyak mungkin untuk membuat koleksinya akurat sesuai daftar yang Anda minta.”
Jika ia melakukan apa yang dikatakannya, saya tidak menyadarinya. Dibandingkan dengan beragam film liar yang muncul, kecocokan apa pun dari daftar yang saya berikan terasa seperti kebetulan. Tetap, meski 99% poster film yang muncul salah, secara teori itu masih mencegah saya dari kebutuhan menambahkan gambar secara manual. Sebaliknya, Gemini 3 Pro mengisi semua poster film yang benar dalam satu kali percobaan.
Bagaimana Model Fast dan Thinking Berbeda Saat Vibe Coding
Setiap kali saya minta model thinking Gemini untuk sebuah penyesuaian, ia akan melakukan perubahan dan segera menulis ulang semua kode sehingga saya bisa cukup menyalin dan menempel seluruh kode di mana pun saya inginkan tanpa perlu tahu di mana kode diperbarui.
Gemini 2.5 Flash berbeda. Pada satu titik, setelah melakukan penyesuaian minor, ia memberikan kodenya dan menyuruh saya menggantinya dengan yang ada di sana. Berharap menghindari ini, saya minta ia menulis ulang kode lengkapnya agar saya tidak perlu mengubah apapun. Balasannya: “Itu permintaan yang besar.” Meski tampaknya ia mengira saya meminta jauh lebih banyak darinya saat itu, ini agak mengejutkan bila dibandingkan dengan Gemini 3 Pro.
Proyek-proyeknya
Gemini 2.5 Flash membuat proyek yang agak bisa dijalankan, tetapi penuh dengan kesalahan bahkan setelah berusaha memperbaiki _error_-nya.
Google Gemini/Screenshot by Blake Stimac/CNET
Di akhir pengujian saya, kedua model tidak ada yang sempurna, tetapi bekerja dengan Gemini 3 Pro jauh lebih mudah. Meski kedua model bisa, dalam proyek lain, menghasilkan hasil yang sangat mirip, mencapai tujuan akhir itu kemungkinan akan melalui dua jalur yang sangat berbeda.
Bekerja dengan Gemini 2.5 Flash, Anda perlu spesifik tentang apa yang ingin Anda lakukan dan siap untuk mengoreksinya ketika ia tampak mengambil jalan pintas. Diperlukan latihan dan pengalaman, termasuk bekerja dengan model AI lain, untuk mengenali kapan model mengambil jalan pintas yang dapat mempengaruhi proyek. Jika ini satu-satunya model yang Anda gunakan, Anda perlu lebih teliti dengannya secara keseluruhan.
Gemini 3 Pro benar-benar layak menyandang namanya. Tidak hanya ia menangani pekerjaan berat untuk proyek ini, tetapi juga menawarkan saran-saran bermanfaat yang mengangkatnya dari ide dasar yang saya mulai.