Gêmeos revela o modelo aprimorado, contexto estendido, agentes de IA

O 1.5 Flash brilha em tarefas como resumo, aplicativos de chat e legendagem de imagens e vídeos. Ele também é hábil na extração de dados de documentos longos e tabelas. Essa versatilidade vem de ser treinado pelo 1.5 Pro por meio de "destilação", onde o conhecimento e as habilidades principais de um modelo maior são transferidos para um modelo menor e mais eficiente.

Para mais detalhes sobre o 1.5 Flash, confira nosso relatório técnico atualizado do Gemini 1.5, a página de tecnologia Gemini e saiba mais sobre sua disponibilidade e preços.

Melhorias significativas no 1.5 Pro

Nos últimos meses, fizemos avanços significativos na melhoria do 1.5 Pro, nosso principal desempenho em uma ampla gama de tarefas.

Expandimos sua janela de contexto para 2 milhões de tokens e melhoramos suas capacidades em geração de código, raciocínio lógico, planejamento, conversas de múltiplas rodadas e entendimento de áudio e imagens. Essas melhorias são respaldadas por avanços em dados e algoritmos, mostrando melhorias notáveis em benchmarks públicos e internos.

O 1.5 Pro agora lida com instruções cada vez mais complexas e nuances, incluindo aquelas que definem comportamentos em nível de produto, como papel, formato e estilo. Refinamos o controle sobre as respostas do modelo para casos de uso específicos, como personalizar personas de agentes de chat ou automatizar fluxos de trabalho com várias chamadas de função. Os usuários agora podem direcionar o comportamento do modelo com instruções do sistema.

Também adicionamos entendimento de áudio à API Gemini e ao Google AI Studio, permitindo que o 1.5 Pro processe imagens e áudio de vídeos enviados ao Google AI Studio. Estamos integrando o 1.5 Pro em produtos do Google, como Gemini Advanced e aplicativos do Workspace.

Para mais informações sobre o 1.5 Pro, confira nosso relatório técnico atualizado do Gemini 1.5 e a página de tecnologia Gemini.

Gemini Nano entende entradas multimodais

O Gemini Nano está elevando seu nível, indo além de entradas apenas de texto para incluir imagens. Começando com o Pixel, aplicativos que usam o Gemini Nano com Multimodalidade poderão interpretar o mundo de maneira mais humana, por meio de texto, visuais, som e linguagem falada.

Saiba mais sobre o Gemini 1.0 Nano no Android.

Próxima geração de modelos abertos

Hoje, também estamos atualizando o Gemma, nossa família de modelos abertos, que são construídos com a mesma pesquisa e tecnologia dos modelos Gemini.

Estamos lançando o Gemma 2, nossos modelos abertos de próxima geração para inovação responsável em IA. O Gemma 2 apresenta uma nova arquitetura para desempenho e eficiência superiores, e estará disponível em novos tamanhos.

A família Gemma está crescendo com o PaliGemma, nosso primeiro modelo de visão-linguagem inspirado no PaLI-3. Também atualizamos nosso Kit de Ferramentas de IA Generativa Responsável com o LLM Comparator para avaliar a qualidade das respostas do modelo.

Para mais detalhes, acesse o blog do Desenvolvedor.

Progresso no desenvolvimento de agentes de IA universais

No Google DeepMind, nossa missão é construir IA de forma responsável para beneficiar a humanidade. Sempre buscamos criar agentes de IA universais que possam ajudar na vida cotidiana. Por isso, estamos compartilhando nosso progresso no futuro dos assistentes de IA com o Project Astra (agente responsivo avançado de visão e fala).

Para que um agente de IA seja verdadeiramente útil, ele precisa entender e reagir ao mundo como um humano, absorvendo e lembrando o que vê e ouve para compreender o contexto e agir de acordo. Ele também deve ser proativo, ensinável e pessoal, permitindo conversas naturais e sem atrasos.

Embora tenhamos feito grandes avanços no processamento de informações multimodais, alcançar tempos de resposta conversacional é um desafio de engenharia difícil. Ao longo dos anos, refinamos como nossos modelos percebem, raciocinam e conversam para tornar as interações mais naturais.