Gemini
Un modèle général nativement multimodal, conçu pour de très longs contextes
Le texte intégral est présenté en anglais ; le titre et le résumé sont localisés.
CE QUE C'EST
Gemini is Google DeepMind’s multimodal model family, announced in December 2023 and designed from the start to handle text, image, audio and video together. It is integrated across Google’s existing products, serving Search, Workspace and cloud platforms at once. The Gemini 1.5 generation extended the context window to the million-token range, enough to read long documents, code bases or hours of video in one pass. It is both a model and an application brand, spanning lightweight on-device to large cloud-scale versions.
Pourquoi il compte
By pushing the context window to the million-token range and demonstrating it publicly, it reset expectations for how much a model can read in one pass and made multimodal input standard for general models.
Caractéristiques clés
- Context window
- 1M tokens (Gemini 1.5 Pro)
- Modality
- Text, image, audio, video in; text out
- Released
- 2023-12
- Open weights
- No
Capacités
Conversation et suivi d’instructions
Comprendre l’intention au fil des tours et agir
Génération de texte
Poursuit un texte mot après mot
Raisonnement et chaîne de pensée
Décomposer un problème difficile en étapes intermédiaires
Compréhension d’images et VQA
Regarder une image et répondre à des questions libres
Concepts liés
Architecture Transformer
Remplacer le relais mot à mot par une salle où tous parlent en même temps, pour que les dépendances lointaines soient à un saut
Génération multimodale
Un seul modèle qui apprend à parler, dessiner, bouger — et même à modéliser le monde 3D
Mécanisme d’attention
Chaque position peut regarder directement toutes les autres et répartir dynamiquement son attention selon la pertinence
Produits comparables
GPT-4o
2024Un modèle général nativement multimodal : texte, image et audio par une même entrée
Claude
2023Un modèle de conversation général réputé pour son long contexte et son alignement sécurisé
Llama
2023La famille qui a fait des poids ouverts une voie grand public
o3
2025Il raisonne longuement avant de répondre : du calcul à l’inférence contre plus de justesse
Grok
2023Un modèle de conversation lié aux données d’une plateforme sociale