Bản đồ AI AI ATLAS

Gemini

Mô hình đa phương thức gốc, xử lý ngữ cảnh siêu dài

Google DeepMind Mô hình Đóng

đầu vàoVăn bảnHình ảnhÂm thanhVideoVăn bản

Toàn văn của trang này được trình bày bằng tiếng Anh; tiêu đề và phần dẫn đã được bản địa hóa.

NÓ LÀ GÌ

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.

Vì sao đáng ghi nhớ

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.

Thông số chính

Context window: 1M tokens (Gemini 1.5 Pro)
Modality: Text, image, audio, video in; text out
Released: 2023-12
Open weights: No

Năng lực liên quan

Hội thoại và tuân thủ chỉ dẫn

Hiểu ý định qua các lượt hội thoại và thực hiện

Văn bảnVăn bản

Sinh văn bản

Viết tiếp văn bản từng từ một

Văn bảnVăn bản

Suy luận và chuỗi tư duy

Chia bài toán khó thành các bước trung gian

Văn bảnVăn bản

Hiểu hình ảnh và hỏi đáp thị giác

Nhìn ảnh và trả lời câu hỏi tự do

Hình ảnhVăn bảnVăn bản

Khái niệm liên quan

Kiến trúc Transformer

Thay cách truyền từng từ bằng một phòng họp nơi mọi từ cùng lên tiếng, để phụ thuộc xa chỉ còn cách một bước

Xử lý ngôn ngữ tự nhiên và mô hình ngôn ngữ lớn

Sinh đa phương thức

Một mô hình học nói, vẽ, chuyển động — thậm chí mô hình hóa thế giới ba chiều

Cơ chế chú ý (Attention)

Mọi vị trí đều có thể nhìn thẳng vào mọi vị trí khác và phân bổ chú ý theo mức liên quan

Xử lý ngôn ngữ tự nhiên và mô hình ngôn ngữ lớn

Sản phẩm cùng loại

GPT-4o

Mô hình đa phương thức gốc, xử lý văn bản, hình ảnh và âm thanh qua một cửa vào

Mô hình Đóng

Văn bảnHình ảnhÂm thanhVăn bảnÂm thanh

Claude

Mô hình hội thoại phổ thông nổi bật với ngữ cảnh dài và căn chỉnh an toàn

Mô hình Đóng

Văn bảnHình ảnhVăn bản

Llama

Dòng mô hình đưa trọng số mở trở thành xu hướng chính

Mô hình Trọng số mở

Văn bảnVăn bản

o3

Suy luận dài trước khi trả lời, đổi tính toán lúc suy luận lấy độ chính xác ổn định hơn

Mô hình Đóng

Văn bảnHình ảnhVăn bản

Grok

Mô hình hội thoại gắn với dữ liệu mạng xã hội

Mô hình Đóng

Văn bảnHình ảnhVăn bản