Gemini 是一系列生成式 AI 模型,可让开发者生成内容并解决问题。这些模型经过设计和训练,可同时处理文本和图片输入。本指南提供了有关每个模型变体的信息,以帮助您确定哪个变体最适合您的用例。
支持的语言
Gemini 模型经过训练,可支持以下语言:阿拉伯语(ar
)、拉丁语(bn
)、葡萄牙语(15 段英语(bn
)、简体中文(bg
)、简体中文(zh
)、克罗地亚语(hr
)、捷克语(da
)、荷兰语(nl
)、英语(en
)、英语(et
)、芬兰语({1//})”)、法语(bn
)、zh
(10、10、3、3、3、3、4、1)、{3、7、10、2、zh
、{3、7、1、{3、7、7、7、bn
、
{3、7、7、7、1、{1、7、7、7、7、7、、7、7、7、#、7、、7、、7、7、#、7、、7、#、7、# 7、7、7、7、7、7、7、7、7、7、7、7、7、7、7、7、7、7、7、7、7、7、7、7、7、、7、、7、7、7、7、7、1、、7、cs
fi
fr
de
el
iw
hi
hu
id
it
ja
ko
lv
lt
no
pl
pt
ro
ru
sr
sk
sl
es
sw
sv
th
tr
uk
vi
PaLM 模型只能很好地支持英语。使用其他语言可能会产生意外结果。
模型变体
Gemini API 提供了针对特定用例优化的不同模型。下面简要概述了可用的 Gemini 变体:
模型变体 | 输入 | 输出 | 优化目标 |
---|---|---|---|
Gemini 1.5 Pro(预览版) | 音频、图片、视频和文字 | 文字 | 推理任务,包括(但不限于)代码和文本生成、文本编辑、问题解决、数据提取和数据生成 |
Gemini 1.5 Flash(预览版) | 音频、图片、视频和文字 | 文字 | 以多种方式快速处理各种任务 |
Gemini 1.0 Pro | 文字 | 文字 | 自然语言任务、多轮文本和代码聊天以及代码生成 |
Gemini 1.0 Pro Vision | 图片、视频和文字 | 文字 | 针对与视觉相关的任务(如生成图片说明或识别图片中的对象)进行了优化 |
文本嵌入 | 文字 | 文本嵌入 | 为不超过 2048 个词元的文本生成具有高达 768 个维度的弹性文本嵌入 |
嵌入 | 文字 | 文本嵌入 | 为不超过 2,048 个词元的文本生成具有 768 个维度的文本嵌入 |
AQA | 文字 | 文字 | 对提供的文本执行与归因相关的问答任务 |
下表介绍了所有模型变体共有的 Gemini 模型属性:
属性 | 说明 |
---|---|
训练数据 | Gemini 将于 2023 年初终止知识。 在此时间之后,有关事件的了解会受到限制。 |
支持的语言 | 查看支持的语言 |
可配置的模型参数 |
|
如需了解其中每个参数,请参阅生成模型指南的模型参数部分。
Gemini 1.5 Pro(预览版)
Gemini 1.5 Pro 是一种中等大小的多模态模型,针对各种推理任务进行了优化,例如:
- 生成代码
- 文本生成
- 文本编辑
- 解决问题
- 生成建议
- 信息提取
- 数据提取或生成
- 创建 AI 代理
1.5 Pro 可以一次处理大量数据,包括 1 小时的视频、9.5 小时的音频以及包含 3 万多行代码或超过 70 万字的代码库。
1.5 Pro 能够处理零样本、单样本和少样本学习任务。
模型详情
属性 | 说明 |
---|---|
模型代码 | models/gemini-1.5-pro-latest |
输入 | 音频、图片、视频和文字 |
输出 | 文字 |
支持的生成方法 |
generateContent
|
输入词元限制[**] | 1,048,576,000 |
输出词元限制[**] | 8192 |
每个提示的图片数量上限 | 3,600 |
视频时长上限 | 1 小时 |
音频时长上限 | 大约 9.5 小时 |
每个提示的音频文件数量上限 | 1 |
模型安全性 | 自动应用的安全设置,可由开发者调整。如需了解详情,请参阅我们介绍安全设置的页面。 |
速率限制[*] |
|
系统指令 | 支持 |
JSON 模式 | 支持 |
最新版本 | gemini-1.5-pro-latest |
最新稳定版 | gemini-1.5-pro |
最近更新时间 | 2024 年 4 月 |
Gemini 1.5 Flash(预览版)
Gemini 1.5 Flash 是一种快速、用途多样的多模态模型,可用于适应各种不同的任务。
模型详情
属性 | 说明 |
---|---|
模型代码 | gemini-1.5-flash-latest |
输入 | 音频、图片、视频和文字 |
输出 | 文字 |
支持的生成方法 |
generateContent
|
输入词元限制[**] | 1,048,576,000 |
输出词元限制[**] | 8192 |
每个提示的图片数量上限 | 3,600 |
视频时长上限 | 1 小时 |
音频时长上限 | 大约 9.5 小时 |
每个提示的音频文件数量上限 | 1 |
模型安全性 | 自动应用的安全设置,可由开发者调整。如需了解详情,请参阅我们介绍安全设置的页面。 |
速率限制[*] |
|
系统指令 | 支持 |
JSON 模式 | 支持 |
最新版本 | gemini-1.5-flash-latest |
最新稳定版 | gemini-1.5-flash |
Gemini 1.0 Pro
Gemini 1.0 Pro 是一个 NLP 模型,可以处理多轮文本和代码聊天以及代码生成等任务。
1.0 Pro 能够处理零样本、单样本和少样本学习任务。
模型详情
属性 | 说明 |
---|---|
模型代码 | models/gemini-pro |
输入 | 文字 |
输出 | 文字 |
支持的生成方法 |
generate_content
generateContent
|
速率限制[*] |
|
系统指令 | 不受支持 |
JSON 模式 | 不受支持 |
最新版本 | gemini-1.0-pro-latest |
最新稳定版 | gemini-1.0-pro |
稳定版本 | gemini-1.0-pro-001 |
最近更新时间 | 2024 年 2 月 |
Gemini 1.0 Pro Vision
Gemini 1.0 Pro Vision 是一个经过性能优化的多模态模型,可以执行与视觉相关的任务。例如,1.0 Pro Vision 可以生成图片说明,识别图片中的对象,提供有关图片中地点或对象的信息等。
1.0 Pro Vision 能够处理零样本、单样本和少样本任务。
模型详情
属性 | 说明 |
---|---|
模型代码 | models/gemini-pro-vision |
输入 | 文字、视频和图片 |
输出 | 文字 |
支持的生成方法 |
generate_content
generateContent
|
输入词元限制[*] | 12288 |
输出词元限制[*] | 4096 |
图片大小上限 | 无限制 |
每个提示的图片数量上限 | 16 |
视频时长上限 | 2 分钟 |
每个提示的视频数量上限 | 1 |
模型安全性 | 自动应用的安全设置,可由开发者调整。如需了解详情,请参阅我们介绍安全设置的页面。 |
速率限制[*] | 每分钟 60 个请求 |
最新版本 | gemini-1.0-pro-vision-latest |
最新稳定版 | gemini-1.0-pro-vision |
最近更新时间 | 2023 年 12 月 |
文本嵌入和嵌入
文本嵌入
您可以使用文本嵌入模型为输入文本生成文本嵌入。如需详细了解文本嵌入模型,请参阅有关文本嵌入的 Vertex AI 上的生成式 AI 文档。
文本嵌入模型经过优化,可针对最多包含 2048 个词元的文本创建具有 768 个维度的嵌入。文本嵌入可提供低于 768 的弹性嵌入大小。您可以使用弹性嵌入生成较小的输出维度,有可能在轻微的性能损失的情况下节省计算和存储费用。
模型详情
属性 | 说明 |
---|---|
模型代码 |
models/text-embedding-004 (Vertex AI 中的 text-embedding-preview-0409 ) |
输入 | 文字 |
输出 | 文本嵌入 |
输入词元限制 | 2048 |
输出维度大小 | 768 |
支持的生成方法 |
embed_content
embedContent
|
模型安全性 | 没有可调整的安全设置。 |
速率限制[*] | 每分钟 1500 个请求 |
最近更新时间 | 2024 年 4 月 |
嵌入
您可以使用嵌入模型为输入文本生成文本嵌入。
嵌入模型经过优化,可针对最多包含 2048 个词元的文本创建具有 768 个维度的嵌入。
嵌入模型详细信息
属性 | 说明 |
---|---|
模型代码 | models/embedding-001 |
输入 | 文字 |
输出 | 文本嵌入 |
输入词元限制 | 2048 |
输出维度大小 | 768 |
支持的生成方法 |
embed_content
embedContent
|
模型安全性 | 没有可调整的安全设置。 |
速率限制[*] | 每分钟 1500 个请求 |
最近更新时间 | 2023 年 12 月 |
空气质量认证 (AQA)
您可以使用 AQA 模型对文档、语料库或一组段落执行与归因问答 (AQA) 相关的任务。AQA 模型会返回根据所提供的信息来源对问题给出的回答,以及估算可回答的概率。
模型详情
属性 | 说明 |
---|---|
模型代码 | models/aqa |
输入 | 文字 |
输出 | 文字 |
支持的生成方法 |
GenerateAnswerRequest
generateAnswer
|
支持的语言 | 英语 |
输入词元限制[**] | 7168 |
输出词元限制[**] | 1024 |
模型安全性 | 自动应用的安全设置,可由开发者调整。如需了解详情,请参阅我们介绍安全设置的页面。 |
速率限制[*] | 每分钟 60 个请求 |
最近更新时间 | 2023 年 12 月 |
如需了解这些模型变体的功能,请参阅示例。
[*] 对于 Gemini 模型,一个词元大约相当于 4 个字符。100 个词元约为 60-80 个英语单词。
[**] RPM:每分钟请求数
TPM:每分钟令牌数
RPD:每天请求数
TPD:每日令牌数
由于容量限制,无法保证指定的最大速率限制。
模型版本名称模式
Gemini 模型提供预览版或稳定版本。在代码中,您可以使用以下模型名称格式之一来指定要使用的模型和版本。
最新:指向指定世代和变体的模型最先进的版本。底层模型会定期更新,并且可能是预览版。只有探索性测试应用和原型才应使用此别名。
如需指定最新版本,请使用以下格式:
<model>-<generation>-<variation>-latest
。例如gemini-1.0-pro-latest
。最新稳定版:指向针对指定模型生成和变体发布的最新稳定版。
如需指定最新的稳定版本,请使用以下模式:
<model>-<generation>-<variation>
。例如gemini-1.0-pro
。稳定:指向特定的稳定模型。稳定的模型不会发生变化。 大多数正式版应用都应使用特定的稳定模型。
如需指定稳定版,请使用以下模式:
<model>-<generation>-<variation>-<version>
。例如gemini-1.0-pro-001
。