2.0 Flash
Nasz najnowszy model multimodalny z funkcjami nowej generacji i ulepszonymi możliwościami
- Wprowadzanie dźwięku, obrazów, filmów i tekstu – uzyskiwanie odpowiedzi tekstowych, obrazowych i dźwiękowych
- Interfejs API Multimodal Live umożliwia konwersacyjne interakcje o krótkim czasie oczekiwania.
1.5 Flash
Nasz najbardziej zrównoważony model multimodalny o wysokiej wydajności w przypadku większości zadań
- Wprowadzanie dźwięku, obrazów, filmów i tekstu oraz uzyskiwanie odpowiedzi tekstowych
- generować kod, wyodrębniać dane, edytować tekst i wykonywać inne czynności.
- Najlepiej sprawdza się w przypadku zadań, w których równoważone są wydajność i koszt.
1.5 Pro
Nasz najlepszy model multimodalny z funkcjami do wykonywania różnych zadań związanych z wyciąganiem wniosków
- Wprowadzanie dźwięku, obrazów, filmów i tekstu oraz uzyskiwanie odpowiedzi tekstowych
- generować kod, wyodrębniać dane, edytować tekst i wykonywać inne czynności.
- Gdy potrzebujesz zwiększenia wydajności
Warianty modelu
Gemini API udostępnia różne modele zoptymalizowane pod kątem konkretnych zastosowań. Oto krótkie omówienie dostępnych wariantów Gemini:
| Wariant modelu | Dane wejściowe | Wyniki | Zoptymalizowany dla |
|---|---|---|---|
Gemini 2.0 Flash
gemini-2.0-flash-exp |
Dźwięk, obrazy, filmy i tekst | tekst, obrazy (wkrótce) i dźwięk (wkrótce). | Funkcje nowej generacji, szybkość i generowanie multimodalne do różnych zadań |
Gemini 1.5 Flash
gemini-1.5-flash |
Dźwięk, obrazy, filmy i tekst | Tekst | szybkie i wszechstronne działanie podczas wykonywania różnych zadań; |
Gemini 1.5 Flash-8B
gemini-1.5-flash-8b |
Dźwięk, obrazy, filmy i tekst | Tekst | Zadania o dużej liczbie i mniejszym zaawansowaniu |
Gemini 1.5 Pro
gemini-1.5-pro |
Dźwięk, obrazy, filmy i tekst | Tekst | złożone zadania wymagające większej inteligencji; |
(wycofane 15 lutego 2025 r.) Gemini 1.0 Pro
gemini-1.0-pro |
Tekst | Tekst | zadania związane z językiem naturalnym, czat wieloetapowy z tekstem i kodem oraz generowanie kodu; |
Wektoryzacja tekstu
text-embedding-004 |
Tekst | wektory tekstowe, | Pomiar podobieństwa ciągów tekstowych |
AQA
aqa |
Tekst | Tekst | udzielać odpowiedzi na pytania oparte na źródłach; |
(Eksperymentalny) Gemini 2.0 Flash
Gemini 2.0 Flash oferuje funkcje nowej generacji i ulepszone możliwości, w tym większą szybkość, obsługę narzędzi natywnych, generowanie multimodalne i okno kontekstu o wielkości 1 mln tokenów. Więcej informacji o Gemini 2.0 Flash znajdziesz na stronie zestawienia.
Szczegóły modelu
| Właściwość | Opis |
|---|---|
| Kod modelu | models/gemini-2.0-flash-exp |
| Obsługiwane typy danych |
Wejścia Dźwięk, obrazy, filmy i tekst Dane wyjściowe dźwięk (wkrótce), obrazy (wkrótce) i tekst; |
| Limity tokenów[*] |
Limit tokenów wejściowych 1048 576 Limit tokenów wyjściowych 8192 |
| Limity szybkości[**] |
|
|
Wyjścia uporządkowane Obsługiwane Pamięć podręczna Nieobsługiwane Dostrajanie Nieobsługiwane Wywoływanie funkcji Obsługiwane Wykonywanie kodu Obsługiwane Wyszukiwarka Obsługiwane Generowanie obrazów Obsługiwane Korzystanie z narzędzi natywnych Obsługiwane Generowanie dźwięku Obsługiwane |
|
| Wersje |
|
| Ostatnia aktualizacja | Grudzień 2024 r. |
Gemini 1.5 Flash
Gemini 1.5 Flash to szybki i wszechstronny model multimodalny do skalowania na potrzeby różnych zadań.
Szczegóły modelu
| Właściwość | Opis |
|---|---|
| Kod modelu | models/gemini-1.5-flash |
| Obsługiwane typy danych |
Wejścia Dźwięk, obrazy, filmy i tekst Dane wyjściowe Tekst |
| Limity tokenów[*] |
Limit tokenów wejściowych 1048 576 Limit tokenów wyjściowych 8192 |
| Specyfikacja audiowizualna |
Maksymalna liczba obrazów na prompt 3,600 Maksymalna długość filmu 1 godzina Maksymalna długość dźwięku Około 9,5 godziny |
| Limity szybkości[**] |
|
|
Instrukcje dotyczące systemu Obsługiwane Tryb JSON Obsługiwane Schemat JSON Obsługiwane Ustawienia bezpieczeństwa Obsługiwane Pamięć podręczna Obsługiwane Dostrajanie Obsługiwane Wywoływanie funkcji Obsługiwane Wykonywanie kodu Obsługiwane Transmisja dwukierunkowa Nieobsługiwane |
|
| wersje |
|
| Ostatnia aktualizacja | Wrzesień 2024 r. |
Gemini 1.5 Flash-8B
Gemini 1.5 Flash-8B to mały model przeznaczony do zadań wymagających mniejszej inteligencji.
Szczegóły modelu
| Właściwość | Opis |
|---|---|
| Kod modelu | models/gemini-1.5-flash-8b |
| Obsługiwane typy danych |
Wejścia Dźwięk, obrazy, filmy i tekst Dane wyjściowe Tekst |
| Limity tokenów[*] |
Limit tokenów wejściowych 1048 576 Limit tokenów wyjściowych 8192 |
| Specyfikacja audiowizualna |
Maksymalna liczba obrazów na prompt 3,600 Maksymalna długość filmu 1 godzina Maksymalna długość dźwięku Około 9,5 godziny |
| Limity szybkości[**] |
|
|
Instrukcje dotyczące systemu Obsługiwane Tryb JSON Obsługiwane Schemat JSON Obsługiwane Ustawienia bezpieczeństwa Obsługiwane Pamięć podręczna Obsługiwane Dostrajanie Obsługiwane Wywoływanie funkcji Obsługiwane Wykonywanie kodu Obsługiwane Transmisja dwukierunkowa Nieobsługiwane |
|
| wersje |
|
| Ostatnia aktualizacja | Październik 2024 r. |
Gemini 1.5 Pro
Gemini 1.5 Pro to średniej wielkości multimodalny model zoptymalizowany pod kątem szerokiego zakresu zadań związanych z wyciąganiem wniosków. Wersja 1.5 Pro może przetwarzać duże ilości danych jednocześnie, w tym 2 godziny filmu, 19 godzin dźwięku, bazy kodów zawierające 60 tys. wierszy kodu lub 2000 stron tekstu.
Szczegóły modelu
| Właściwość | Opis |
|---|---|
| Kod modelu | models/gemini-1.5-pro |
| Obsługiwane typy danych |
Wejścia Dźwięk, obrazy, filmy i tekst Dane wyjściowe Tekst |
| Limity tokenów[*] |
Limit tokenów wejściowych 2 097 152 Limit tokenów wyjściowych 8192 |
| Specyfikacja audiowizualna |
Maksymalna liczba obrazów na prompt 7200 Maksymalna długość filmu 2 godziny Maksymalna długość dźwięku Około 19 godzin |
| Limity szybkości[**] |
|
|
Instrukcje dotyczące systemu Obsługiwane Tryb JSON Obsługiwane Schemat JSON Obsługiwane Ustawienia bezpieczeństwa Obsługiwane Pamięć podręczna Obsługiwane Dostrajanie Nieobsługiwane Wywoływanie funkcji Obsługiwane Wykonywanie kodu Obsługiwane Transmisja dwukierunkowa Nieobsługiwane |
|
| wersje |
|
| Ostatnia aktualizacja | Wrzesień 2024 r. |
(Wycofane) Gemini 1.0 Pro
Gemini 1.0 Pro to model NLP, który obsługuje zadania takie jak konwersacje tekstowe i z kodem oraz generowanie kodu.
Szczegóły modelu
| Właściwość | Opis |
|---|---|
| Kod modelu | models/gemini-1.0-pro |
| Obsługiwane typy danych |
Wejście Tekst Dane wyjściowe Tekst |
| Limity szybkości[**] |
|
|
Instrukcje dotyczące systemu Nieobsługiwane Tryb JSON Nieobsługiwane Schemat JSON Nieobsługiwane Ustawienia bezpieczeństwa Obsługiwane Pamięć podręczna Nieobsługiwane Dostrajanie Obsługiwane Wywoływanie funkcji Obsługiwane Konfiguracja wywoływania funkcji Nieobsługiwane Wykonywanie kodu Nieobsługiwane Transmisja dwukierunkowa Nieobsługiwane |
|
| Wersje |
|
| Ostatnia aktualizacja | Luty 2024 r. |
Wektory dystrybucyjne tekstu
Wstawianie tekstu
Wkłady tekstowe służą do pomiaru podobieństwa ciągów znaków i są powszechnie stosowane w wielu zastosowaniach AI.
text-embedding-004 osiąga lepszą skuteczność wyszukiwania i przewyższa wyniki dotychczasowych modeli
przy porównywalnych wymiarach w ramach standardowych testów porównawczych w ramach MTEB.
Szczegóły modelu
| Właściwość | Opis |
|---|---|
| Kod modelu |
Gemini API
|
| Obsługiwane typy danych |
Wejście Tekst Dane wyjściowe wektory tekstowe, |
| Limity tokenów[*] |
Limit tokenów wejściowych 2048 Rozmiar wymiaru wyjściowego 768 |
| Limity szybkości[**] | 1500 żądań na minutę |
| ustawienia bezpieczeństwa | Nieobsługiwane |
| Ostatnia aktualizacja | Kwiecień 2024 r. |
Umieszczanie
Możesz użyć modelu embeddingu, aby wygenerować embeddingi tekstu dla tekstu wejściowego.
Model embeddingu jest zoptymalizowany pod kątem tworzenia embeddingów o 768 wymiarach w przypadku tekstu zawierającego do 2048 tokenów.
Szczegóły modelu wektora dystrybucyjnego
| Właściwość | Opis |
|---|---|
| Kod modelu |
models/embedding-001
|
| Obsługiwane typy danych |
Wejście Tekst Dane wyjściowe wektory tekstowe, |
| Limity tokenów[*] |
Limit tokenów wejściowych 2048 Rozmiar wymiaru wyjściowego 768 |
| Limity szybkości[**] | 1500 żądań na minutę |
| ustawienia bezpieczeństwa | Nieobsługiwane |
| Ostatnia aktualizacja | Grudzień 2023 r. |
AQA
Model AQA możesz wykorzystać do wykonywania zadań związanych z przypisywaniem odpowiedzi na pytania (AQA) na podstawie dokumentu, korpusie lub zbioru fragmentów. Model AQA zwraca odpowiedzi na pytania oparte na podanych źródłach wraz z oszacowaniem prawdopodobieństwa odpowiedzi.
Szczegóły modelu
| Właściwość | Opis |
|---|---|
| Kod modelu | models/aqa |
| Obsługiwane typy danych |
Wejście Tekst Dane wyjściowe Tekst |
| Obsługiwany język | angielski |
| Limity tokenów[*] |
Limit tokenów wejściowych 7168 Limit tokenów wyjściowych 1024 |
| Limity szybkości[**] | 1500 żądań na minutę |
| ustawienia bezpieczeństwa, | Obsługiwane |
| Ostatnia aktualizacja | Grudzień 2023 r. |
Aby poznać możliwości tych wariantów modeli, zapoznaj się z przykładami.
[*], token to około 4 znaków w przypadku modeli Gemini. 100 tokenów to około 60–80 słów po angielsku.
[**] RPM: żądania na minutę
TPM: tokeny na minutę
RPD: żądania na dzień
TPD: tokeny na dzień
Ze względu na ograniczenia pojemności nie gwarantujemy podanych maksymalnych limitów szybkości.
Wzorce nazw wersji modelu
Modele Gemini są dostępne w wersjach testowych lub stabilnych. W kodzie możesz użyć jednego z tych formatów nazwy modelu, aby określić, którego modelu i której wersji chcesz użyć.
Najnowsza:wskazuje najnowszą wersję modelu dla określonej generacji i wariantu. Model bazowy jest regularnie aktualizowany i może być wersją podglądową. Tego aliasu powinny używać tylko aplikacje do testów eksploracyjnych i prototypy.
Aby określić najnowszą wersję, użyj tego wzorca:
<model>-<generation>-<variation>-latest. Na przykład:gemini-1.0-pro-latest.Najnowsza stabilna wersja: wskazuje najnowszą stabilną wersję opublikowaną dla określonego pokolenia i wariantu modelu.
Aby określić najnowszą stabilną wersję, użyj tego wzoru:
<model>-<generation>-<variation>. Na przykład:gemini-1.0-pro.Stabilny: wskazuje konkretny stabilny model. Stabilne modele się nie zmieniają. Większość produkcyjnych aplikacji powinna używać konkretnego stabilnego modelu.
Aby określić wersję stabilną, użyj tego wzoru:
<model>-<generation>-<variation>-<version>. Na przykład:gemini-1.0-pro-001.Eksperymentalny: wskazuje model eksperymentalny dostępny w trybie podglądu zgodnie z definicją w Warunkach, co oznacza, że nie jest przeznaczony do użytku w środowisku produkcyjnym. Publikujemy modele eksperymentalne, aby zbierać opinie, szybko udostępniać deweloperom najnowsze aktualizacje i pokazywać tempo wprowadzania innowacji w Google. Dzięki temu, co dowiadujemy się z wersji eksperymentalnych, możemy lepiej przygotować się na ich szersze wdrożenie. Model eksperymentalny można zastąpić innym bez wcześniejszego powiadomienia. Nie możemy zagwarantować, że model eksperymentalny stanie się w przyszłości modelem stabilnym.
Aby określić wersję eksperymentalną, użyj tego wzorca:
<model>-<generation>-<variation>-<version>. Na przykład:gemini-exp-1121.
Dostępne języki
Modele Gemini są trenowane pod kątem tych języków:
- arabski (
ar), - bengalski (
bn) - bułgarski (
bg), - chiński uproszczony i tradycyjny (
zh), - Chorwacki (
hr) - czeski (
cs) - duński (
da), - Holenderski (
nl) - Angielski (
en) - estoński (
et), - fiński (
fi), - Francuski (
fr) - Niemiecki (
de) - grecki (
el), - hebrajski (
iw), - hindi (
hi), - węgierski (
hu), - indonezyjski (
id), - włoski (
it), - japoński (
ja) - koreański (
ko) - łotewski (
lv), - litewski (
lt), - norweski (
no), - Polski (
pl) - Portugalski (
pt) - rumuński (
ro) - rosyjski (
ru), - serbski (
sr) - słowacki (
sk) - słoweński (
sl), - hiszpański (
es), - suahili (
sw), - szwedzki (
sv) - tajski (
th), - turecki (
tr), - ukraiński (
uk) - wietnamski (
vi),