Серия Gemini 1.5 представляет собой набор моделей, разработанных для обеспечения высокой производительности в выполнении разнообразных задач, включая текстовые, кодовые и мультимодальные. Эти модели могут использоваться для таких сложных задач, как синтез информации из 1000-страничных PDF-файлов, ответов на вопросы о больших репозиториях кода, содержащих более 10 тысяч строк, а также анализа многочасовых видеороликов и генерации из них полезного контента.

Одной из главных моделей этой серии является Gemini 1.5 Pro. Это новейшая версия больших языковых моделей (LLM) от Google, которая вызвала значительный интерес благодаря своим усовершенствованным возможностям. Она особенно эффективна при работе с задачами, требующими учета длинного контекста, и при взаимодействии с различными типами данных. Эта модель демонстрирует значительное улучшение производительности по сравнению с предшественниками, что делает её идеальным инструментом для разработчиков и исследователей, стремящихся максимально эффективно использовать искусственный интеллект.

Основные характеристики Gemini 1.5 Pro

• Расширенное окно контекста. Одной из самых главных особенностей Gemini 1.5 Pro является её способность обрабатывать до 1 миллиона токенов, что значительно превышает лимит в 32 000 токенов у его предшественника, Gemini 1.0 Pro. Это расширенное окно контекста позволяет модели справляться с такими сложными задачами, как анализ длинных документов, анализ многочасовых видео или аудио, а также обработка больших баз кода.

• Мультимодальные возможности. Gemini 1.5 Pro разработана для работы с мультимодальными данными, включая текст, изображения, видео и аудио. Это делает её универсальной для широкого спектра приложений — от генерации и перевода текста до понимания видео и изображений.

• Обучение в контексте. Модель демонстрирует впечатляющие способности к обучению в контексте, что позволяет ей осваивать новые навыки на основе информации, предоставленной в длинном запросе, без необходимости в дополнительной донастройке. Например, она может научиться переводить новый язык, такой как Rаламанг, всего лишь из одного набора лингвистической документации.

Сравнение стоимости с GPT-4о

Gemini 1.5 Pro позиционируется как экономически выгодная альтернатива GPT-4 от OpenAI.

• Входные токены. За промпты до 128K токенов Gemini 1.5 Pro стоит $0.0035 за 1000 входных токенов, в то время как GPT-4o стоит $0.005. Для подсказок свыше 128K токенов стоимость составляет $0.007 за 1000 входных токенов для Gemini 1.5 Pro по сравнению с $0.005 для GPT-4o.

• Выходные токены. Аналогично, за выходные токены Gemini 1.5 Pro взимает $0.0105 за 1000 токенов для промптов до 128K токенов и $0.021 для подсказок свыше 128K токенов. В то же время GPT-4o берет $0.015 за 1000 выходных токенов.

При этом с 1 октября 2024 года компания Google снижает цены на входные токены на 64%, на выходные токены — на 52%, а на дополнительные кэшированные токены — на 64% для самой мощной модели серии 1.5, Gemini 1.5 Pro, для запросов до 128 тысяч токенов.

Это снижение цен в сочетании с функцией контекстного кэширования способствует еще большему снижению затрат на использование модели Gemini, делая её более доступной для разработчиков и предприятий.

Тарифы и ограничения по скорости запросов

Google предлагает разные тарифы и ограничения по количеству запросов, чтобы удовлетворить разнообразные потребности пользователей.

• Стандартный тариф. Этот тариф включает стандартное окно контекста на 128 000 токенов и подходит для большинства задач, связанных с текстом и кодом.

• Расширенный тариф. Для тех, кому нужно окно контекста до 1 миллиона токенов, Google вводит новые тарифы, которые адаптируются под этот объем. В тестовый период эта функция доступна бесплатно, но пользователи могут заметить небольшие задержки в работе. Ожидается, что с дальнейшей оптимизацией модели скорость работы будет значительно улучшена.

• Ограничения по запросам. Google также планирует повысить лимиты на количество запросов, чтобы поддерживать более интенсивное использование, что делает модель пригодной для крупных проектов и приложений.

Оценка задач с длинным контекстом

Gemini 1.5 Pro превосходно справляется с задачами, требующими работы с большим объемом данных, такими как:

• Needle In A Haystack, NIAH. Модель успешно находила вложенный текст в больших блоках данных в 99% случаев, даже если объем блока достигал 1 миллиона токенов.

• Machine Translation from One Book, MTOB. Модель показала способность выучить новый язык, например, Каламанг, всего по одному набору лингвистической документации, демонстрируя результаты, сопоставимые с уровнем человеческого обучения.

Основные возможности

Модель Gemini 1.5 Pro также демонстрирует отличные результаты в ключевых областях:

• Математика, наука и логическое мышление. Gemini 1.5 Pro значительно улучшила свои показатели в области математики, науки и логического мышления, достигнув прироста на 38,4% по сравнению с предыдущей версией, Gemini 1.0 Pro. Это достижение позволяет модели более точно и эффективно решать сложные математические задачи, проводить научные анализы и делать обоснованные выводы. Усовершенствованные алгоритмы и обучение на большом объеме данных способствуют тому, что Gemini 1.5 Pro может справляться с более сложными запросами, чем когда-либо прежде.

• Многоязычность. Gemini 1.5 Pro продемонстрировала улучшение на 22,3% в задачах, связанных с многоязычностью, что значительно усиливает её способность обрабатывать и генерировать текст на нескольких языках одновременно. Это делает модель особенно ценной для международных компаний и организаций, которым необходимо общаться с клиентами и партнерами на разных языках. Возможность работать с редкими языками расширяет горизонты использования модели в различных культурных контекстах и способствует более эффективной коммуникации.

• Понимание видео и изображений. Gemini 1.5 Pro превосходит конкурирующие модели в задачах, связанных с анализом видео и изображений, улучшив свои результаты на 16,9% в обработке видео и на 6,5% в обработке изображений. Это достижение позволяет модели не только извлекать полезную информацию из визуального контента, но и интерпретировать сложные визуальные данные, что имеет важное значение в таких областях, как реклама, маркетинг, образование и медицинская диагностика. Возможность генерировать описания для видео и изображений, а также создавать резюме и транскрипции из аудио делает Gemini 1.5 Pro универсальным инструментом для создания и анализа мультимедийного контента.

Варианты использования

• Генерация текста и перевод

Gemini 1.5 Pro способна эффективно синтезировать информацию из объемных документов, таких как 1000-страничные PDF-файлы. Модель может обрабатывать сложные запросы и предоставлять актуальные ответы на вопросы, основанные на содержании этих документов, что делает её ценным инструментом для людей, работающих с большими объемами текста, где необходимо быстро находить и извлекать нужные данные.

Благодаря улучшенной многоязычности, модель Gemini 1.5 Pro может переводить текст с одного языка на другой, включая редкие и специализированные языки. Это открывает новые возможности для международных компаний, которым необходимо обеспечивать точный и качественный перевод материалов для широкой аудитории, включая документы, маркетинговые материалы и даже пользовательские интерфейсы.

• Работа с кодом

Gemini 1.5 Pro показывает отличные результаты в работе с кодовыми базами, содержащими более 10 000 строк кода. Модель может помочь разработчикам в завершении кода, рецензировании и глубоком понимании сложных программных систем. Это делает её особенно полезной для команд разработчиков, стремящихся ускорить процесс написания кода и повысить его качество. Модель эффективно анализирует большие объемы кода, что позволяет ей выявлять ошибки и несоответствия в программных решениях. Инструменты для автоматического тестирования и диагностики, основанные на Gemini 1.5 Pro, могут существенно улучшить процесс разработки.

• Мультимодальные задачи

Gemini 1.5 Pro может обрабатывать и анализировать часы видео или аудио контента, что позволяет генерировать полезный контент. Это особенно актуально для образовательных учреждений, медиа-компаний и организаций, работающих с большими объемами аудио- и видеоматериалов, где требуется быстрая обработка информации. Модель также способна анализировать и интерпретировать визуальные данные, что делает её подходящей для приложений в области распознавания и обработки изображений.

Как получить доступ

Получить бесплатный доступ к Google Gemini Pro 1.5 можно через агрегатор нейросетей BotHub, где модель доступна как через WEB, так и API. На данном сайте не требуется VPN, сложных настроек или специальных знаний, чтобы получить доступ к популярным LLM. Кроме Gemini Pro 1.5 в BotHub также доступны многие другие популярные модели, среди которых ChatGPT-4o1, Midjourney-6, Claude, DALL-E.

Будущие модели

По мере того как Google продолжает оптимизировать и совершенствовать модель Gemini 1.5 Pro, мы можем ожидать дальнейших улучшений в скорости обработки, вычислительных требованиях и пользовательском опыте. Потенциальные применения модели обширны и разнообразны — от анализа документов и завершения кода до обработки видео и изображений, что делает её универсальным инструментом для множества проектов, основанных на искусственном интеллекте.

Следует отметить, что на данный момент Google представили две обновленные готовые модели Gemini: Gemini-1.5-Pro-002 и Gemini-1.5-Flash-002:

• в 2 раза выше ограничения скорости на 1.5 Flash и ~ в 3 раза выше на 1.5 Pro

• в 2 раза быстрее вывод и в 3 раза меньше задержек

• Обновлены настройки фильтра по умолчанию

В заключение, Gemini 1.5 Pro представляет собой значительный шаг вперед в технологии ИИ, предлагая впечатляющее сочетание производительности, эффективности и экономической целесообразности, что делает её привлекательным вариантом для всех, кто стремится использовать мощь больших языковых моделей.