Gemini
Универсальная модель с нативной мультимодальностью, рассчитанная на очень длинный контекст
Полный текст статьи представлен на английском; заголовок и аннотация локализованы.
ЧТО ЭТО
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.
Почему стоит запомнить
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.
Ключевые характеристики
- Context window
- 1M tokens (Gemini 1.5 Pro)
- Modality
- Text, image, audio, video in; text out
- Released
- 2023-12
- Open weights
- No
Возможности
Диалог и следование инструкциям
Понимать намерение по ходу диалога и выполнять его
Генерация текста
Продолжает текст слово за словом
Рассуждение и цепочка мыслей
Разбить трудную задачу на промежуточные шаги
Понимание изображений и визуальные вопросы
Смотреть на изображение и отвечать на свободные вопросы
Связанные концепции
Архитектура Transformer
Замена эстафеты по одному слову залом, где все говорят сразу, — и дальние зависимости оказываются в одном шаге
Мультимодальная генерация
Одна модель учится говорить, рисовать, двигаться — и даже моделировать трёхмерный мир
Механизм внимания
Каждая позиция может напрямую «видеть» все остальные и динамически распределять внимание по релевантности
Аналоги
GPT-4o
2024Универсальная модель с нативной мультимодальностью: текст, изображение и звук через один вход
Claude
2023Универсальная диалоговая модель, известная длинным контекстом и выравниванием по безопасности
Llama
2023Семейство моделей, сделавшее открытые веса массовым путём
o3
2025Сначала длинная цепочка рассуждений, затем ответ: вычисления на выводе в обмен на точность
Grok
2023Диалоговая модель, связанная с данными социальной платформы