Gemini Flash

• Gemini Flash โดดเด่นด้วยความเบา ความเร็วสูง และความคุ้มค่าด้านต้นทุน พร้อมรองรับการให้เหตุผลแบบมัลติโหมดและหน้าต่างคอนเท็กซ์ขนาดยาวสูงสุด 1 ล้านโทเค็น

ประสิทธิภาพ

ออกแบบมาเพื่อความเร็ว

• ความเร็ว: สำหรับกรณีการใช้งานส่วนใหญ่ของนักพัฒนาและองค์กร เวลาแฝงของโทเค็นแรกต่ำกว่าหนึ่งวินาที
• ความคุ้มค่าด้านต้นทุน: สำหรับงานทั่วไปส่วนใหญ่ 1.5 Flash ให้คุณภาพใกล้เคียงกับโมเดลขนาดใหญ่กว่า แต่ใช้ต้นทุนต่ำกว่ามาก
• ความเข้าใจคอนเท็กซ์ยาว: สามารถประมวลผลวิดีโอและเสียงได้หลายชั่วโมง และรองรับคำหรือบรรทัดโค้ดได้หลายแสนรายการ

คอนเท็กซ์ที่ยาวขึ้น

• หน้าต่างคอนเท็กซ์: มีหน้าต่างคอนเท็กซ์ขนาด 1 ล้านโทเค็นโดยค่าเริ่มต้น ทำให้สามารถประมวลผลวิดีโอ 1 ชั่วโมง เสียง 11 ชั่วโมง โค้ดเบสมากกว่า 30,000 บรรทัด หรือมากกว่า 700,000 คำได้

นวัตกรรมอย่างต่อเนื่อง

• ทีมวิจัย: สำรวจแนวคิดใหม่ ๆ ที่แนวหน้าของ AI และพัฒนาผลิตภัณฑ์นวัตกรรมที่แสดงความก้าวหน้าอย่างสม่ำเสมอในหลากหลายเบนช์มาร์ก
• โมเดลล่าสุด: Gemini 1.5 Flash

การเปรียบเทียบประสิทธิภาพ

• ทั่วไป: คำถามจาก 57 วิชาในเบนช์มาร์ก MMLU (เช่น วิทยาศาสตร์ มนุษยศาสตร์ เป็นต้น)

  • Gemini 1.0 Pro: 71.8%
  • Gemini 1.0 Ultra: 83.7%
  • Gemini 1.5 Pro (กุมภาพันธ์ 2024): 81.9%
  • Gemini 1.5 Flash: 78.9%

• โค้ด: การสร้างโค้ด Python โดยใช้ชุดข้อมูลคล้าย HumanEval

  • Gemini 1.0 Pro: 69.6%
  • Gemini 1.0 Ultra: 74.9%
  • Gemini 1.5 Pro (กุมภาพันธ์ 2024): 77.7%
  • Gemini 1.5 Flash: 77.2%

• คณิตศาสตร์: โจทย์คณิตศาสตร์ที่ท้าทาย (พีชคณิต เรขาคณิต แคลคูลัส เป็นต้น)

  • Gemini 1.0 Pro: 32.6%
  • Gemini 1.0 Ultra: 53.2%
  • Gemini 1.5 Pro (กุมภาพันธ์ 2024): 58.5%
  • Gemini 1.5 Flash: 54.9%

• การให้เหตุผล: ชุดข้อมูลคำถามที่เขียนโดยผู้เชี่ยวชาญด้านชีววิทยา ฟิสิกส์ และเคมี

  • Gemini 1.0 Pro: 27.9%
  • Gemini 1.0 Ultra: 35.7%
  • Gemini 1.5 Pro (กุมภาพันธ์ 2024): 41.5%
  • Gemini 1.5 Flash: 39.5%

• หลายภาษา: การแปลภาษา WMT23

  • Gemini 1.0 Pro: 71.7
  • Gemini 1.0 Ultra: 74.4
  • Gemini 1.5 Pro (กุมภาพันธ์ 2024): 75.2
  • Gemini 1.5 Flash: 74.1

• ภาพ: โจทย์การให้เหตุผลแบบสหวิทยาการระดับมหาวิทยาลัย

  • Gemini 1.0 Pro: 47.9%
  • Gemini 1.0 Ultra: 59.4%
  • Gemini 1.5 Pro (กุมภาพันธ์ 2024): 58.5%
  • Gemini 1.5 Flash: 56.1%

• เสียง: การรู้จำเสียงพูดอัตโนมัติใน 55 ภาษา (วัดจากอัตราความผิดพลาดของคำ ยิ่งต่ำยิ่งดี)

  • Gemini 1.0 Pro: 6.4
  • Gemini 1.0 Ultra: 6.0
  • Gemini 1.5 Pro (กุมภาพันธ์ 2024): 6.6
  • Gemini 1.5 Flash: 9.8

• วิดีโอ: การตอบคำถามจากวิดีโอ

  • Gemini 1.0 Pro: 55.7%
  • Gemini 1.0 Ultra: 61.5%
  • Gemini 1.5 Pro (กุมภาพันธ์ 2024): 63.2%
  • Gemini 1.5 Flash: 63.5%

คำแนะนำสำหรับนักพัฒนา

สร้างด้วย Gemini

• Google AI Studio: วิธีที่ง่ายในการพัฒนาโมเดลพรอมป์ต์และสร้างแอปได้อย่างรวดเร็วด้วย Gemini API
• Vertex AI: เครื่องมือเฉพาะทางสำหรับนักวิทยาศาสตร์ข้อมูลและวิศวกรแมชชีนเลิร์นนิง

ความเห็นของ GN⁺

1. หน้าต่างคอนเท็กซ์ยาว: หน้าต่างคอนเท็กซ์ 1 ล้านโทเค็นของ Gemini Flash มีประโยชน์มากสำหรับการประมวลผลข้อมูลขนาดใหญ่ โดยเฉพาะในโปรเจ็กต์ที่เกี่ยวข้องกับวิดีโอ เสียง และโค้ดเบสขนาดใหญ่
2. ความคุ้มค่าด้านต้นทุน: Gemini Flash ให้คุณภาพใกล้เคียงกับโมเดลที่ใหญ่กว่า แต่ใช้ต้นทุนน้อยกว่าอย่างมาก ทำให้เหมาะมากกับโปรเจ็กต์ที่มีงบจำกัดหรือสตาร์ตอัป
3. เบนช์มาร์กที่หลากหลาย: สามารถเห็นประสิทธิภาพของ Gemini Flash ได้จากเบนช์มาร์กที่หลากหลาย ซึ่งแสดงให้เห็นถึงความอเนกประสงค์ของโมเดล
4. เป็นมิตรต่อนักพัฒนา: ผสานรวมได้ง่ายผ่าน Google AI Studio และ Vertex AI จึงสะดวกมากสำหรับนักพัฒนา
5. ผลิตภัณฑ์คู่แข่ง: เมื่อเปรียบเทียบกับโมเดลอื่นอย่าง GPT-4 ของ OpenAI, Gemini Flash มีความสามารถในการแข่งขันในด้านความเร็วและต้นทุน