Google は、小規模で高頻度のタスクに対応するマルチモーダルモデル「Gemini 1.5 Flash」のリリースを発表した。Gemini 1.5 Flash は、100万トークンのコンテキストウィンドウを持ち、Google AI Studio 内の Gemini API を通じてパブリックプレビューで14日から利用可能だ。

しかし、Gemini のニュースはそれだけではない。2月にデビューした「Gemini 1.5 Pro」は、コンテキストウィンドウが拡大され、100万トークンから200万トークンに拡張される。このアップデートに興味のある開発者は、ウェイティングリストに登録する必要がある。

Gemini 1.5 Flash と Gemini 1.5 Pro にはいくつかの注目すべき違いがある。前者は出力速度を重視するユーザ向けで、後者は Google の大規模 1.0 Ultra モデルとほぼ同等の性能を発揮する重量級モデルだ。Google の Google Labs 担当バイスプレジデント  Josh Woodward 氏は、低レイテンシーが重要な簡単なタスクを扱う場合は Gemini 1.5 Flash を使うべきだと指摘する。一方、Gemini 1.5 Pro は、「より一般的な、あるいは複雑な、しばしば多段階の推論タスク」に向いていると同氏は説明する。

開発者は今や、ワンサイズに合わせるアプローチではなく、より幅広い選択肢から AI を選ぶことができる。すべてのアプリが同じデータと AI 機能を必要とするわけではなく、バリエーションがあることで、AI 対応サービスのユーザ体験に違いをもたらす。魅力的な点は、Google が最先端の AI モデルを開発者に提供しながら、その性能を加速させる方法を見つけたことだ。唯一の欠点は、開発者が求めるほど大規模なデータセットで訓練されていないことかもしれない。その場合、次のオプションは Gemini 1.5 Pro に移ることだ。

Google のモデルは、最もライトウェイトな Gemma と Gemma 2 から Gemini Nano、Gemini 1.5 Flash、Gemini 1.5 Pro、Gemini 1.0 Ultra と幅広いスペクトルを網羅している。Woodward 氏は次のように指摘する。

開発者はユースケースに応じて、さまざまなサイズを行き来できます。そのため、同じようにマルチモーダル入力が可能で、同じように長いコンテキストをもち、そして当然同じようなバックエンドで動作します。

この新しい小規模言語モデルの発表の24時間前に、Google の最大の AI 競合企業の一つである OpenAI が、すべてのユーザに提供されデスクトップアプリも含まれるマルチモーダル LLM の GPT-4o を公開した。

Gemini 1.5の両モデルは、ヨーロッパ経済地域、イギリス、スイスを含む世界200か国以上で公開プレビューが利用可能だ。

【via VentureBeat】 @VentureBeat

【原文】