Google Gemini: Все, что вам нужно знать о генеративных приложениях и моделях ИИ

Что такое Gemini?

Gemini — это долгожданное семейство генеративных моделей ИИ следующего поколения от Google, разработанное в сотрудничестве DeepMind и Google Research. Оно создано универсальным, с различными размерами для разных задач:

• Gemini Ultra: Мощная модель для самых сложных задач.
• Gemini Pro: Надёжная модель, последняя версия — Gemini 2.0 Pro, текущий флагман Google.
• Gemini Flash: Быстрая, оптимизированная версия Pro, идеальна для быстрых задач.
• Gemini Flash-Lite: Ещё меньше и быстрее, чем Flash, создана для эффективности.
• Gemini Flash Thinking: Специализированная версия с улучшенными возможностями рассуждений.
• Gemini Nano: Два компактных модели, Nano-1 и Nano-2, последняя работает оффлайн.

Одна из ключевых особенностей Gemini — мультимодальность. В отличие от ранних моделей, таких как LaMDA от Google, ограниченных текстом, модели Gemini обучены на разнообразных данных: аудио, изображения, видео, код и текст на нескольких языках. Это позволяет им обрабатывать и генерировать различные типы контента, выделяя их в сфере ИИ.

Однако стоит учитывать этические и юридические вопросы, связанные с использованием публичных данных для обучения моделей. Google предлагает политику защиты от ИИ, но она не универсальна, поэтому при использовании Gemini в коммерческих целях действуйте осторожно.

В чём разница между приложениями Gemini и моделями Gemini?

Модели Gemini — это основа, а приложения Gemini — удобные интерфейсы для доступа к ним. Эти приложения, доступные на веб- и мобильных платформах (ранее известные как Bard), похожи на ChatGPT или Claude от Anthropic. Они обеспечивают опыт общения, подобный чат-боту, позволяя пользователям взаимодействовать с возможностями Gemini через привычный интерфейс.

На Android приложение Gemini заменило Google Assistant, а на iOS оно интегрировано в приложения Google и Google Search. Пользователи Android могут вызвать оверлей Gemini для взаимодействия с контентом на экране, например, с видео на YouTube, нажав кнопку питания или используя голосовые команды.

Приложения поддерживают различные типы ввода: изображения, голосовые команды и текст, а также могут генерировать изображения. Разговоры синхронизируются между устройствами, если вы вошли в одну и ту же учётную запись Google.

Gemini Advanced

Помимо базовых приложений, Gemini Advanced предлагает расширенные функции за ежемесячную плату в $20 в рамках плана Google One AI Premium. Этот план интегрирует Gemini в приложения Google Workspace, такие как Gmail, Docs, Maps и другие, позволяя выполнять сложные задачи, такие как составление писем, редактирование документов и создание слайдов.

Пользователи Gemini Advanced получают преимущества, такие как приоритетный доступ к новым функциям, возможность запускать и редактировать код Python прямо в приложении и увеличенные лимиты для инструментов, таких как NotebookLM. Недавно добавленная функция памяти помогает Gemini запоминать предпочтения пользователей и прошлые разговоры, улучшая пользовательский опыт. Функция Deep Research использует продвинутое рассуждение для создания подробных отчётов по сложным темам.

Gemini в Gmail, Docs, Chrome, инструментах разработки и других сервисах

Интеграция Gemini распространяется на различные сервисы Google. В Gmail и Docs она предлагает боковые панели для задач, таких как составление писем и доработка документов. В Slides она генерирует пользовательские изображения и слайды, а в Sheets помогает с организацией данных и созданием формул.

Gemini также улучшает Google Maps персонализированными рекомендациями и агрегирует отзывы. В Drive она может обобщать файлы и предоставлять быстрые аналитические данные. В Chrome она выступает как инструмент для письма с ИИ, адаптируясь к контексту веб-страницы. Влияние Gemini распространяется на инструменты безопасности и разработки Google, а также на приложения, такие как Photos, YouTube и Meet, где она поддерживает поиск на естественном языке и переводы.

Расширения Gemini и Gems

Для пользователей Gemini Advanced возможность создания Gems — уникальная функция. Это пользовательские чат-боты на базе моделей Gemini, которые можно настроить для конкретных задач, например, создания ежедневного плана бега. Gems можно делиться или держать приватными, добавляя персонализированный подход к взаимодействию с ИИ.

Приложения Gemini также используют "расширения Gemini" для интеграции с сервисами Google, такими как Drive, Gmail и YouTube, обеспечивая бесшовное взаимодействие и получение информации на разных платформах.

Gemini Live для глубоких голосовых чатов

Gemini Live предлагает уникальный опыт голосового взаимодействия, доступный в приложениях Gemini на мобильных устройствах и Pixel Buds Pro 2. Оно позволяет проводить адаптивные разговоры в реальном времени, где можно прерывать Gemini для вопросов или уточнений. Эта функция помогает с задачами, такими как подготовка к собеседованию или практика публичных выступлений.

Gemini для подростков

Google также представила версию Gemini для подростков, ориентированную на студентов. Она включает дополнительные меры безопасности и руководство по ИИ-грамотности, но в остальном предлагает опыт, схожий с базовой версией, включая функцию "двойной проверки" для точности.

Что могут делать модели Gemini?

Благодаря мультимодальным возможностям модели Gemini справляются с множеством задач, от транскрипции речи до описания изображений и видео в реальном времени. Google постоянно расширяет эти возможности, обещая ещё больше в будущем.

Однако, как и все генеративные ИИ, Gemini не лишён проблем, таких как предвзятость и возможность генерации неточной информации. Важно учитывать эти ограничения при использовании или рассмотрении платных сервисов Gemini.

Возможности Gemini Pro

Последняя версия, Gemini 2.0 Pro, превосходит в кодировании и обработке сложных запросов, опережая предшественника по различным метрикам. Разработчики могут настраивать её через платформу Vertex AI от Google, адаптируя к конкретным контекстам и интегрируя с данными или API третьих сторон. AI Studio от Google также предлагает инструменты для создания структурированных запросов и настройки параметров безопасности.

Gemini Flash — лёгкий, а Gemini Flash Thinking добавляет рассуждения

Gemini 2.0 Flash, разработанный для эффективности, идеален для задач, таких как обобщение и извлечение данных, а Gemini 2.0 Flash-Lite предлагает ещё лучшую производительность по той же цене. Версия "Thinking" Gemini 2.0 Flash повышает надёжность, обдумывая проблемы перед ответом.

Gemini Nano работает на вашем телефоне

Gemini Nano разработан для работы непосредственно на устройствах, повышая конфиденциальность и оффлайн-функциональность. Он поддерживает функции, такие как Summarize в Recorder и Smart Reply в Gboard на устройствах, таких как Pixel 8 и Samsung Galaxy S24. Будущие версии Android будут использовать Nano для обнаружения мошенничества во время звонков, а также для улучшения погодных отчётов и функций доступности.

Gemini Ultra, пока отсутствует

Хотя Gemini Ultra недавно не была в центре внимания, она остаётся частью планов Google и, возможно, вернётся с новыми возможностями в будущем.

Сколько стоят модели Gemini?

Цены на модели Gemini через API Gemini структурированы следующим образом:

• Gemini 1.5 Pro: $1.25/$2.50 за миллион входных токенов и $5/$10 за миллион выходных токенов, в зависимости от длины запроса.
• Gemini 1.5 Flash: 7.5/15 центов за миллион входных токенов и 30/60 центов за миллион выходных токенов, в зависимости от длины запроса.
• Gemini 2.0 Flash: 10 центов за миллион входных токенов и 40 центов за миллион выходных токенов, аудиовход — 70 центов за миллион токенов.
• Gemini 2.0 Flash-Lite: 7.5 центов за миллион входных токенов и 30 центов за миллион выходных токенов.

Цены на Gemini 2.0 Pro и Nano пока не объявлены.

Появится ли Gemini на iPhone?

Есть вероятность, что Gemini появится на iPhone. Apple выразила интерес к интеграции Gemini и других сторонних моделей в Apple Intelligence, хотя детали пока неясны после обсуждений на WWDC 2024.

Этот пост был впервые опубликован 16 февраля 2024 года и регулярно обновляется с учётом последних событий.