Gemini สร้างขึ้นจากพื้นฐานสำหรับความหลากหลาย — การให้เหตุผลกับข้อความ รูปภาพ วิดีโอ เสียง และโค้ดได้อย่างราบรื่น

Gemini ยังเป็นรุ่นที่มีความยืดหยุ่นมากที่สุดของเรา โดยสามารถรันบนทุกสิ่งได้อย่างมีประสิทธิภาพตั้งแต่ศูนย์ข้อมูลไปจนถึงอุปกรณ์มือถือ ความสามารถที่ล้ำสมัยจะช่วยยกระดับวิธีที่นักพัฒนาและลูกค้าองค์กรสร้างและขยายขนาดด้วย AI ได้อย่างมีนัยสำคัญ

จนถึงขณะนี้ แนวทางมาตรฐานในการสร้างแบบจำลองหลายรูปแบบเกี่ยวข้องกับการฝึกอบรมส่วนประกอบที่แยกจากกันสำหรับรูปแบบที่แตกต่างกัน จากนั้นจึงต่อเข้าด้วยกันเพื่อเลียนแบบฟังก์ชันการทำงานนี้บางส่วน บางครั้งโมเดลเหล่านี้สามารถทำงานบางอย่างได้ดี เช่น การอธิบายรูปภาพ แต่ต้องดิ้นรนกับการให้เหตุผลเชิงแนวคิดและซับซ้อนมากขึ้น

เราออกแบบ Gemini ให้เป็น multimodal โดยกำเนิด โดยได้รับการฝึกอบรมล่วงหน้าตั้งแต่เริ่มต้นในรูปแบบต่างๆ จากนั้นเราปรับแต่งมันด้วยข้อมูลเพิ่มเติมหลายรูปแบบเพื่อปรับแต่งประสิทธิภาพของมันให้ดียิ่งขึ้น สิ่งนี้ช่วยให้ Gemini เข้าใจและให้เหตุผลเกี่ยวกับอินพุตทุกประเภทตั้งแต่เริ่มต้นได้อย่างราบรื่น ดีกว่าโมเดลหลายรูปแบบที่มีอยู่มาก และความสามารถของมันก็ล้ำสมัยในเกือบทุกโดเมน