O Gemini é uma família de modelos de IA generativa que permite aos desenvolvedores gerar conteúdo e resolver problemas. Esses modelos são projetados e treinados para processar texto e imagens como entrada. Neste guia, fornecemos informações sobre cada variante de modelo para ajudar você a decidir qual é o melhor para seu caso de uso.
Idiomas disponíveis
Os modelos são treinados para funcionar com os seguintes idiomas: árabe (ar/sueco), sueco (27/2), sueco (ar/sueco), sueco (ar), sueco/vietnamita (bg),
búlgaro (bg), simplificado e tradicional (zh), sueco/tradicional (zh), sueco (hr), sueco/tcheco (hr), sueco (da),
Bengali (bn), búlgaro/vietnês (bg), bn,csnlenetfifrdeeliwhihuiditjakolvltnoplptrorusrskslesswsvthtrukvi
Os modelos do PaLM só funcionam bem em inglês. O uso de outras linguagens pode produzir resultados inesperados.
Variantes de modelo
A API Gemini oferece modelos diferentes que são otimizados para casos de uso específicos. Confira uma breve visão geral das variantes do Gemini disponíveis:
| Variante do modelo | Entradas | Saída | Otimizado para |
|---|---|---|---|
| Gemini 1.5 Pro (pré-lançamento) | Áudio, imagens, vídeos e texto | Texto | Tarefas de raciocínio, incluindo, mas não se limitando a, geração de código e texto, edição de texto, solução de problemas, extração e geração de dados |
| Gemini 1.5 Flash (pré-lançamento) | Áudio, imagens, vídeos e texto | Texto | Desempenho rápido e versátil para várias tarefas |
| Gemini 1.0 Pro | Texto | Texto | Tarefas de linguagem natural, chat de código e texto com várias interações e geração de código |
| Gemini 1.0 Pro Vision | Imagens, vídeos e texto | Texto | Desempenho otimizado para tarefas relacionadas a recursos visuais, como gerar descrições de imagens ou identificar objetos em imagens |
| Incorporação de texto | Texto | Embeddings de textos | Gere embeddings de texto elástico com até 768 dimensões para texto de até 2.048 tokens |
| Incorporação | Texto | Embeddings de textos | Gere embeddings de texto com 768 dimensões para até 2.048 tokens de texto |
| AQA (link em inglês) | Texto | Texto | Realizar tarefas relacionadas às perguntas atribuídas no texto fornecido |
A tabela abaixo descreve os atributos dos modelos Gemini que são comuns a todas as variantes de modelo:
| Atributo | Descrição |
|---|---|
| Dados de treinamento | O limite de conhecimento do Gemini é no início de 2023. O conhecimento sobre os eventos após esse período é limitado. |
| Idiomas disponíveis | Confira os idiomas disponíveis |
| Parâmetros de modelo configuráveis |
|
Consulte a seção de parâmetros do modelo do guia de modelos generativos para ver informações sobre cada um desses parâmetros.
Gemini 1.5 Pro (Pré-lançamento)
O Gemini 1.5 Pro é um modelo multimodal de tamanho médio otimizado para uma ampla gama de tarefas de raciocínio, como:
- Geração de códigos
- Geração de texto
- Edição de texto
- Solução de problemas
- Geração de recomendações
- Extração de informações
- Extração ou geração de dados
- Criação de agentes de IA
O 1.5 Pro pode processar grandes quantidades de dados de uma só vez, incluindo 1 hora de vídeo, 9,5 horas de áudio, bases de código com mais de 30 mil linhas de código ou 700 mil palavras.
O 1.5 Pro é capaz de lidar com tarefas de aprendizado zero, one-shot e few-shot.
Detalhes do modelo
| Propriedade | Descrição |
|---|---|
| Código do modelo | models/gemini-1.5-pro-latest |
| Entradas | Áudio, imagens, vídeo e texto |
| Saída | Texto |
| Métodos de geração com suporte |
generateContent
|
| Limite de tokens de entrada[**] | 1.048.576 |
| Limite de tokens de saída[**] | 8.192 |
| Número máximo de imagens por comando | 3.600 |
| Duração máxima do vídeo | 1 hora |
| Duração máxima do áudio | Aproximadamente 9,5 horas |
| Número máximo de arquivos de áudio por comando | 1 |
| Segurança do modelo | Configurações de segurança aplicadas automaticamente, que podem ser ajustadas pelos desenvolvedores. Consulte nossa página sobre configurações de segurança para mais detalhes. |
| Limites de taxa[*] |
|
| Instruções do sistema | Compatível |
| Modo JSON | Compatível |
| Versão mais recente | gemini-1.5-pro-latest |
| Versão estável mais recente | gemini-1.5-pro |
| Atualização mais recente | Abril de 2024 |
Flash 1.5 do Gemini (pré-lançamento)
O Gemini 1.5 Flash é um modelo multimodal rápido e versátil para escalonamento em diversas tarefas.
Detalhes do modelo
| Propriedade | Descrição |
|---|---|
| Código do modelo | gemini-1.5-flash-latest |
| Entradas | Áudio, imagens, vídeo e texto |
| Saída | Texto |
| Métodos de geração com suporte |
generateContent
|
| Limite de tokens de entrada[**] | 1.048.576 |
| Limite de tokens de saída[**] | 8.192 |
| Número máximo de imagens por comando | 3.600 |
| Duração máxima do vídeo | 1 hora |
| Duração máxima do áudio | Aproximadamente 9,5 horas |
| Número máximo de arquivos de áudio por comando | 1 |
| Segurança do modelo | Configurações de segurança aplicadas automaticamente, que podem ser ajustadas pelos desenvolvedores. Consulte nossa página sobre configurações de segurança para mais detalhes. |
| Limites de taxa[*] |
|
| Instruções do sistema | Compatível |
| Modo JSON | Compatível |
| Versão mais recente | gemini-1.5-flash-latest |
| Versão estável mais recente | gemini-1.5-flash |
Gemini 1.0 Pro
O Gemini 1.0 Pro é um modelo de PLN que processa tarefas como chat de código e texto com várias interações e geração de código.
O 1.0 Pro é capaz de lidar com tarefas de aprendizado zero, one-shot e few-shot.
Detalhes do modelo
| Propriedade | Descrição |
|---|---|
| Código do modelo | models/gemini-pro |
| Salvaguardas | Texto |
| Saída | Texto |
| Métodos de geração com suporte |
generate_content
generateContent
|
| Limites de taxa[*] |
|
| Instruções do sistema | Sem suporte |
| Modo JSON | Sem suporte |
| Versão mais recente | gemini-1.0-pro-latest |
| Versão estável mais recente | gemini-1.0-pro |
| Versões estáveis | gemini-1.0-pro-001 |
| Atualização mais recente | February 2024 |
Gemini 1.0 Pro Vision
O Gemini 1.0 Pro Vision é um modelo multimodal com desempenho otimizado que pode realizar tarefas relacionadas a elementos visuais. Por exemplo, o 1.0 Pro Vision pode gerar descrições de imagens, identificar objetos presentes em imagens, fornecer informações sobre lugares ou objetos presentes em imagens e muito mais.
O 1.0 Pro Vision lida com tarefas zero, one-shot e few-shot.
Detalhes do modelo
| Propriedade | Descrição |
|---|---|
| Código do modelo | models/gemini-pro-vision |
| Entradas | Texto, vídeo e imagens |
| Saída | Texto |
| Métodos de geração com suporte |
generate_content
generateContent
|
| Limite de tokens de entrada[*] | 12.288 |
| Limite de tokens de saída[*] | 4.096 |
| Tamanho máximo da imagem | Sem limite |
| Número máximo de imagens por comando | 16 |
| Duração máxima do vídeo | 2 minutos |
| Número máximo de vídeos por comando | 1 |
| Segurança do modelo | Configurações de segurança aplicadas automaticamente, que podem ser ajustadas pelos desenvolvedores. Consulte nossa página sobre configurações de segurança para mais detalhes. |
| Limite de taxa[*] | 60 solicitações por minuto |
| Versão mais recente | gemini-1.0-pro-vision-latest |
| Versão estável mais recente | gemini-1.0-pro-vision |
| Atualização mais recente | Dezembro de 2023 |
Embedding de textos
Incorporação de texto
É possível usar o modelo de embedding de texto para gerar embeddings de texto para o texto de entrada. Para mais informações sobre o modelo de embedding de texto, acesse a documentação da IA generativa na Vertex AI sobre embeddings de texto.
O modelo de embedding de texto é otimizado para criar embeddings com 768 dimensões para texto de até 2.048 tokens. O embedding de texto tem tamanhos elásticos inferiores a 768. É possível usar embeddings elásticos para gerar dimensões de saída menores e economizar custos de computação e armazenamento com uma pequena perda de desempenho.
Detalhes do modelo
| Propriedade | Descrição |
|---|---|
| Código do modelo |
models/text-embedding-004
(text-embedding-preview-0409 na
Vertex AI)
|
| Salvaguardas | Texto |
| Saída | Embeddings de textos |
| Limite de tokens de entrada | 2.048 |
| Tamanho da dimensão de saída | 768 |
| Métodos de geração com suporte |
embed_content
embedContent
|
| Segurança do modelo | Não há configurações de segurança ajustáveis. |
| Limite de taxa[*] | 1.500 solicitações por minuto |
| Atualização mais recente | Abril de 2024 |
Incorporação
É possível usar o modelo de embedding para gerar embeddings de texto para texto de entrada.
O modelo de embedding é otimizado para criar embeddings com 768 dimensões para texto de até 2.048 tokens.
Detalhes do modelo de embedding
| Propriedade | Descrição |
|---|---|
| Código do modelo | models/embedding-001 |
| Salvaguardas | Texto |
| Saída | Embeddings de textos |
| Limite de tokens de entrada | 2.048 |
| Tamanho da dimensão de saída | 768 |
| Métodos de geração com suporte |
embed_content
embedContent
|
| Segurança do modelo | Não há configurações de segurança ajustáveis. |
| Limite de taxa[*] | 1.500 solicitações por minuto |
| Atualização mais recente | Dezembro de 2023 |
Controle de qualidade (QA, na sigla em inglês)
É possível usar o modelo do AQA para executar tarefas relacionadas a Respostas a perguntas atribuídas (AQA, na sigla em inglês) em um documento, corpus ou um conjunto de trechos. O modelo de AQA retorna respostas para perguntas com base nas fontes fornecidas, além de estimar a probabilidade de resposta.
Detalhes do modelo
| Propriedade | Descrição |
|---|---|
| Código do modelo | models/aqa |
| Salvaguardas | Texto |
| Saída | Texto |
| Métodos de geração com suporte |
GenerateAnswerRequest
generateAnswer
|
| Idiomas disponíveis | Inglês |
| Limite de tokens de entrada[**] | 7.168 |
| Limite de tokens de saída[**] | 1.024 |
| Segurança do modelo | Configurações de segurança aplicadas automaticamente, que podem ser ajustadas pelos desenvolvedores. Consulte nossa página sobre configurações de segurança para mais detalhes. |
| Limite de taxa[*] | 60 solicitações por minuto |
| Atualização mais recente | Dezembro de 2023 |
Confira os exemplos para conhecer os recursos dessas variações de modelo.
[*] Um token equivale a cerca de 4 caracteres para modelos do Gemini. 100 tokens equivalem a cerca de 60 a 80 palavras em inglês.
[**] RPM: solicitações por minuto
TPM: tokens por minuto
RPD: solicitações por dia
TPD: tokens por dia
Devido a limitações de capacidade, os limites máximos de taxa especificados não são
garantidos.
Padrões de nome da versão do modelo
Os modelos do Gemini estão disponíveis nas versões pré-lançamento ou estável. No código, é possível usar um dos formatos de nome de modelo a seguir para especificar qual modelo e versão você quer usar.
Mais recente:aponta para a versão mais moderna do modelo de uma geração e variação especificadas. O modelo subjacente é atualizado regularmente e pode ser uma versão de pré-lançamento. Somente protótipos e apps de teste exploratório precisam usar esse alias.
Para especificar a versão mais recente, use o seguinte padrão:
<model>-<generation>-<variation>-latest. Por exemplo,gemini-1.0-pro-latest.Estável mais recente:aponta para a versão estável mais recente lançada para a geração e variação do modelo especificado.
Para especificar a versão estável mais recente, use o seguinte padrão:
<model>-<generation>-<variation>. Por exemplo,gemini-1.0-pro.Estável:aponta para um modelo estável específico. Os modelos estáveis não mudam. A maioria dos apps de produção precisa usar um modelo estável específico.
Para especificar uma versão estável, use o seguinte padrão:
<model>-<generation>-<variation>-<version>. Por exemplo,gemini-1.0-pro-001.