Рік тому Google запустила серію мовних моделей Gemini, але початок був невдалим – генерація зображень супроводжувалася помилками. Відтоді технологія помітно покращилася, і тепер компанія робить ставку на друге покоління Gemini 2.0, прагнучи створити найкраще рішення для користувачів і бізнесу.
Сьогодні Google анонсувала кілька нових версій цієї моделі: Gemini 2.0 Flash, полегшену версію Flash-Lite та експериментальну версію Gemini 2.0 Pro. Ці моделі тепер доступні через Google AI Studio і Vertex AI, при цьому Flash-Lite перебуває в публічному тестуванні, а Pro – у ранньому доступі.
За словами головного технічного директора Google DeepMind Корая Кавукчуоглу, всі моделі підтримують мультимодальне введення з текстовим виведенням, а найближчим часом будуть додані нові функції. Це дає Google конкурентну перевагу перед такими компаніями, як DeepSeek і OpenAI.
На відміну від Google, нові моделі DeepSeek і OpenAI поки що не підтримують мультимодальне введення – зображення або файли. DeepSeek-R1, хоч і може працювати з ними через сайт і мобільний застосунок, використовує лише OCR (оптичне розпізнавання символів), щоб витягувати текст, але не аналізує інші дані.
Однак обидві моделі належать до нового класу «мислячих» моделей, які аналізують відповіді довше, щоб поліпшити їхню точність. Це відрізняє їх від серії Gemini 2.0, де наголос робиться на швидкість і продуктивність.
Цікаво, що сьогодні на своїй сторінці в соцмережі X генеральний директор Google Сундар Пічаї анонсував оновлення мобільного застосунку Google Gemini для iOS і Android. Нова версія оснащена моделлю Flash Thinking, яка може бути інтегрована з YouTube, Google Maps і Google Search.
