Google представила свою модель штучного інтелекту наступного покоління Gemini 1.5, яка відрізняється від версії 1.0 значно покращеною продуктивністю та може обробляти значно більше інформації.

Нова версія Gemini 1.5, доступна для розробників та корпоративних клієнтів Google, має стандартне контекстне вікно 128 000 токенів. Для порівняння, Gemini 1.0 обмежена 32 тисячами токенів. Моделі від конкурентів GPT-4 Turbo від OpenAI та Claude 2.1 від Anthropic пропонують 128 та 200 тисяч токенів відповідно.

"Після тестування на комплексній панелі оцінювання тексту, коду, зображень, аудіо та відео 1.5 Pro перевищує 1.0 Pro по 87% тестів, які використовуються для розробки наших великих мовних моделей (LLM)", - стверджують у Google.

Певна група розробників та корпоративних клієнтів зможе скористатися Gemini 1.5 з обмеженням контекстного вікна до 1 мільйона токенів, що еквівалентно обробці понад 700 тисяч слів, кодової бази з понад 30 тисяч рядків коду, 11 годин аудіо або 1 годині відео.

«1.5 Pro може виконувати надскладні завдання розуміння та міркування для різних модальностей, включаючи відео. Наприклад, отримавши 44-хвилинний німий фільм Бастера Кітона, модель може точно проаналізувати різні сюжетні моменти та події та навіть розмірковувати про дрібні деталі у фільмі, які можна легко пропустити», — кажуть у Google.

Ці досягнення стали можливими завдяки новій архітектурі Mixture-of-Experts (MoE). Залежно від типу наданих вхідних даних моделі MoE вчаться вибірково активувати тільки найбільш релевантні шляхи в своїй нейронній мережі. Зараз компанія працює над оптимізацією роботи оновленої ШІ-моделі, щоб «поліпшити затримку, зменшити обчислювальні вимоги та покращити взаємодію з користувачем».

Нагадаємо, раніше цього місяця Google випустила оновлену версію свого чат-бота Bard із покращеною моделлю штучного інтелекту Gemini Ultra. Сам чат-бот був перейменований з Bard на Gemini. У той же час було запущено спеціальну програму Google Gemini для Android і оновлено програму Google для iOS.