Gemini
Um modelo geral nativamente multimodal, feito para contextos muito longos
O texto completo é apresentado em inglês; o título e o resumo estão traduzidos.
O QUE É
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.
Por que vale a pena lembrar
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.
Especificações-chave
- Context window
- 1M tokens (Gemini 1.5 Pro)
- Modality
- Text, image, audio, video in; text out
- Released
- 2023-12
- Open weights
- No
Capacidades
Conversa e seguimento de instruções
Entender a intenção ao longo do diálogo e agir
Geração de texto
Continua um texto palavra a palavra
Raciocínio e cadeia de pensamento
Decompor um problema difícil em passos intermediários
Compreensão de imagens e VQA
Olhar uma imagem e responder perguntas livres
Conceitos relacionados
Arquitetura Transformer
Substituir o revezamento palavra a palavra por uma sala onde todos falam ao mesmo tempo, deixando dependências distantes a um salto
Geração multimodal
Um único modelo que aprende a falar, desenhar, mover-se e até modelar o mundo 3D
Mecanismo de atenção
Cada posição pode olhar diretamente para todas as outras e distribuir atenção conforme a relevância
Produtos semelhantes
GPT-4o
2024Um modelo geral nativamente multimodal: texto, imagem e áudio por uma única porta
Claude
2023Um modelo de conversa geral conhecido por contexto longo e alinhamento de segurança
Llama
2023A família que tornou a rota de pesos abertos mainstream
o3
2025Raciocina longamente antes de responder, trocando computação na inferência por mais acerto
Grok
2023Um modelo de conversa ligado aos dados de uma rede social