Google запускает Advanced Ai Dosing Model Family Family

Во вторник Google представил Gemini 2.5, новый набор моделей ИИ, которые действительно тратят время на то, чтобы "подумать", прежде чем выдать ответ. Похоже, они пытаются подражать нам, людям, не так ли?

Возглавляет линейку Gemini 2.5 Pro Experimental, которую Google называет своей самой умной моделью на сегодняшний день. Этот парень мультимодален и справляется с задачами рассуждения как настоящий чемпион. Вы сможете опробовать его начиная со вторника в Google AI Studio, или, если вы платите 20 долларов в месяц за Gemini Advanced, вы можете получить доступ через приложение Gemini.

Google серьезно относится к этим рассуждениям — они планируют внедрить их во все свои будущие модели ИИ.

С тех пор как OpenAI выпустила свою первую модель ИИ для рассуждений, o1, в сентябре 2024 года, технологический мир стремится не отставать. Теперь Anthropic, DeepSeek, Google и xAI соревнуются, представляя свои собственные модели рассуждений. Эти модели требуют больше времени и вычислительных мощностей, чтобы перепроверить факты и обдумать проблемы перед тем, как дать ответ.

Техники рассуждений стали настоящим прорывом для ИИ, особенно в математике и программировании. Многие в технологической сфере считают, что эти модели рассуждений будут ключевыми для ИИ-агентов — автономных систем, которые могут выполнять задачи без постоянного контроля со стороны людей. Но да, они и дороже.

Google не новичок в этом — они уже экспериментировали с моделями рассуждений, например, с той "думающей" версией Gemini, выпущенной в декабре. Но Gemini 2.5? Это их большой шаг, чтобы превзойти серию "o" от OpenAI.

Google утверждает, что Gemini 2.5 Pro превосходит их старые модели и некоторых лидеров от конкурентов по множеству тестов. Они настроили Gemini 2.5 так, чтобы он блистал в создании визуально потрясающих веб-приложений и программировании проектов, которые могут работать автономно.

На тесте Aider Polyglot для редактирования кода Gemini 2.5 Pro набрал впечатляющие 68,6%, обойдя лучших от OpenAI, Anthropic и DeepSeek. Но на тесте SWE-bench Verified для разработки программного обеспечения он показал 63,8% — достаточно, чтобы превзойти o3-mini от OpenAI и R1 от DeepSeek, но уступил Claude 3.7 Sonnet от Anthropic, который набрал 70,3%.

Затем есть экзамен Humanity's Last Exam, сложный мультимодальный тест с тысячами вопросов по математике, гуманитарным наукам и естественным наукам. Gemini 2.5 Pro показал 18,8%, что лучше, чем у большинства крупных игроков.

Сразу после выпуска Gemini 2.5 Pro имеет контекстное окно в 1 миллион токенов — это как если бы вы могли прочитать всю серию "Властелин колец" за один присест. И скоро они планируют удвоить это до 2 миллионов токенов.

Google пока держит цены на API в секрете, но обещает раскрыть детали в ближайшие недели.