Entdecken Sie Gemini: Unser bisher leistungsstärkstes und fortschrittlichstes KI-Modell.

Jeder technologische Wandel birgt die Chance, wissenschaftliche Erkenntnisse voranzutreiben, den menschlichen Fortschritt zu beschleunigen und das Leben zu verbessern. Ich bin überzeugt, dass der Wandel, den wir gerade im Bereich der KI erleben, der tiefgreifendste unserer Lebenszeit sein wird – weitaus bedeutender als der Wandel hin zu Mobilgeräten oder dem Internet. KI hat das Potenzial, für Menschen weltweit Chancen zu schaffen – vom Alltäglichen bis zum Außergewöhnlichen. Sie wird neue Innovationswellen und wirtschaftlichen Fortschritt auslösen und Wissen, Lernen, Kreativität und Produktivität in einem nie dagewesenen Ausmaß fördern.

Genau das begeistert mich: die Chance, KI für jeden Menschen überall auf der Welt nutzbar zu machen.

Fast acht Jahre nach unserem Start als KI-orientiertes Unternehmen, Es beschleunigt einfach das TempoMillionen von Menschen nutzen generative KI in unseren Produkten, um Dinge zu tun, die vor einem Jahr noch unmöglich waren – von der Beantwortung komplexerer Fragen bis hin zur Nutzung neuer Tools für Zusammenarbeit und kreatives Schaffen. Gleichzeitig verwenden Entwickler unsere Modelle und Infrastruktur, um neue generative KI-Anwendungen zu entwickeln, und Startups und Unternehmen weltweit wachsen mit unseren KI-Tools.

Das ist eine unglaubliche Geschwindigkeit, und doch kratzen wir erst an der Oberfläche dessen, was möglich ist.

Wir gehen diese Aufgabe mutig und verantwortungsbewusst an. Das bedeutet, dass wir in unserer Forschung ambitioniert sind und Fähigkeiten entwickeln, die Menschen und der Gesellschaft enormen Nutzen bringen. Gleichzeitig integrieren wir Schutzmechanismen und arbeiten partnerschaftlich mit Regierungen und Experten zusammen, um die Risiken im Zuge der zunehmenden Leistungsfähigkeit von KI zu managen. Wir investieren weiterhin in die besten Werkzeuge, grundlegenden Modelle und Infrastrukturen und stellen diese unseren Produkten und denen anderer zur Verfügung – stets geleitet von unseren… KI-Prinzipien .

Jetzt gehen wir mit Gemini, unserem bisher leistungsstärksten und vielseitigsten Modell, den nächsten Schritt. Es bietet Spitzenleistung in zahlreichen führenden Benchmarks. Unsere erste Version, Gemini 1.0, ist für verschiedene Größen optimiert: Ultra, Pro und Nano. Dies sind die ersten Modelle der Gemini-Ära und die erste Verwirklichung unserer Vision, die wir bei der Gründung von Google DeepMind Anfang des Jahres hatten. Diese neue Modellgeneration stellt eine der größten wissenschaftlichen und technischen Leistungen dar, die wir als Unternehmen je erbracht haben. Ich bin sehr gespannt auf die Zukunft und die Möglichkeiten, die Gemini Menschen weltweit eröffnen wird.

Wir stellen vor: Zwillinge

Von Demis Hassabis, CEO und Mitbegründer von Google DeepMind, im Namen des Gemini-Teams

Künstliche Intelligenz (KI) ist der Schwerpunkt meiner Lebensarbeit, wie auch der vieler meiner Forschungskollegen. Seit ich als Teenager KI für Computerspiele programmierte und später als Neurowissenschaftler die Funktionsweise des Gehirns erforschte, war ich stets davon überzeugt, dass wir, wenn wir intelligentere Maschinen entwickeln könnten, diese auf unglaubliche Weise zum Wohle der Menschheit einsetzen könnten.

Das Versprechen einer Welt, die verantwortungsvoll durch KI gestärkt wird, treibt unsere Arbeit bei Google DeepMind weiterhin an. Wir wollen seit Langem eine neue Generation von KI-Modellen entwickeln, inspiriert davon, wie Menschen die Welt verstehen und mit ihr interagieren. Eine KI, die sich weniger wie intelligente Software anfühlt, sondern vielmehr wie etwas Nützliches und Intuitives – ein kompetenter Helfer oder Assistent.

Heute sind wir dieser Vision einen Schritt näher gekommen, wenn Wir stellen Gemini vor , das leistungsfähigste und vielseitigste Modell, das wir je gebaut haben.

Gemini ist das Ergebnis umfangreicher Kooperationen von Teams bei Google, darunter auch unsere Kollegen von Google Research. Es wurde von Grund auf multimodal konzipiert, d. h. es kann verschiedene Arten von Informationen, darunter Text, Code und Audio, generalisieren, nahtlos verstehen, verarbeiten und kombinieren., Bild und Video.

Wir stellen Gemini vor: unser größtes und leistungsfähigstes KI-Modell

Gemini ist zudem unser bisher flexibelstes Modell – es läuft effizient auf allen Plattformen, von Rechenzentren bis hin zu Mobilgeräten. Seine innovativen Funktionen werden die Art und Weise, wie Entwickler und Unternehmenskunden KI-Lösungen entwickeln und skalieren, deutlich verbessern.

Wir haben Gemini 1.0, unsere erste Version, für drei verschiedene Größen optimiert:

• Gemini Ultra — unser größtes und leistungsfähigstes Modell für hochkomplexe Aufgaben.
• Gemini Pro — unser bestes Modell für die Skalierung über ein breites Aufgabenspektrum hinweg.
• Zwillinge Nano — unser effizientestes Modell für Aufgaben auf dem Gerät.

Leistung auf dem neuesten Stand der Technik

Wir haben unsere Gemini-Modelle eingehend getestet und ihre Leistung anhand verschiedenster Aufgaben evaluiert. Von der Verarbeitung natürlicher Bilder, Audio- und Videodaten bis hin zu mathematischem Denken übertrifft Gemini Ultra die aktuellen Bestleistungen bei 30 der 32 weit verbreiteten akademischen Benchmarks, die in der Forschung und Entwicklung großer Sprachmodelle (LLMs) eingesetzt werden.

Mit einer Punktzahl von 90,0 % ist Gemini Ultra das erste Modell, das menschliche Experten übertrifft. MMLU (massives Multitasking-Sprachverständnis), bei dem eine Kombination aus 57 Fächern wie Mathematik, Physik, Geschichte, Recht, Medizin und Ethik verwendet wird, um sowohl das Weltwissen als auch die Problemlösungsfähigkeiten zu testen.

Unser neuer MMLU-Benchmark ermöglicht es den Zwillingen, ihre Denkfähigkeit einzusetzen, um sorgfältiger nachzudenken, bevor sie schwierige Fragen beantworten, was zu deutlichen Verbesserungen gegenüber der reinen Verwendung ihres ersten Eindrucks führt.

Gemini übertrifft den aktuellen Stand der Technik in einer Reihe von Benchmarks, darunter Text- und Kodierungstests.

Gemini Ultra erreicht außerdem eine hochmoderne Bewertung von 59,4 % auf dem neuen MMMU- Der Benchmark besteht aus multimodalen Aufgaben, die verschiedene Bereiche umfassen und bewusstes Denken erfordern.

In den von uns durchgeführten Bildverarbeitungs-Benchmarks übertraf der Gemini Ultra bisherige State-of-the-Art-Modelle – und das ohne die Unterstützung von OCR-Systemen (optische Zeichenerkennung), die Text aus Bildern extrahieren und weiterverarbeiten. Diese Benchmarks unterstreichen die inhärente Multimodalität des Gemini und deuten auf seine erweiterten Fähigkeiten zur Datenanalyse hin.

Weitere Informationen finden Sie in unserer Technischer Bericht für Gemini .

Gemini übertrifft den aktuellen Stand der Technik bei einer Reihe multimodaler Benchmarks.

Funktionen der nächsten Generation

Bisher bestand der Standardansatz zur Erstellung multimodaler Modelle darin, separate Komponenten für verschiedene Modalitäten zu trainieren und diese anschließend zusammenzufügen, um einen Teil dieser Funktionalität annähernd nachzubilden. Solche Modelle eignen sich mitunter gut für bestimmte Aufgaben, wie beispielsweise die Bildbeschreibung, haben aber Schwierigkeiten mit komplexeren und konzeptionellen Schlussfolgerungen.

Wir haben Gemini von Grund auf multimodal konzipiert und es von Anfang an auf verschiedene Modalitäten vortrainiert. Anschließend haben wir es mit zusätzlichen multimodalen Daten feinabgestimmt, um seine Effektivität weiter zu steigern. Dadurch versteht und analysiert Gemini jede Art von Eingabe von Grund auf nahtlos – weit besser als bestehende multimodale Modelle. Seine Fähigkeiten sind in nahezu allen Bereichen auf dem neuesten Stand der Technik.

Erfahren Sie mehr über Die Möglichkeiten der Zwillinge und wie es funktioniert .

Anspruchsvolles Denken

Die hochentwickelten multimodalen Analysefähigkeiten von Gemini 1.0 helfen Ihnen, komplexe schriftliche und visuelle Informationen zu verstehen, wodurch es sich in einzigartiger Weise eignet, Wissen aufzudecken, das in großen Datenmengen schwer zu erkennen sein kann.

Seine bemerkenswerte Fähigkeit, aus Hunderttausenden von Dokumenten Erkenntnisse zu gewinnen, indem es Informationen liest, filtert und versteht, wird dazu beitragen, in vielen Bereichen von der Wissenschaft bis zum Finanzwesen neue Durchbrüche in digitaler Geschwindigkeit zu erzielen.

Texte, Bilder, Audio und mehr verstehen

Gemini 1.0 wurde darauf trainiert, Text, Bilder, Audio und mehr gleichzeitig zu erkennen und zu verstehen, um differenzierte Informationen besser zu erfassen und Fragen zu komplexen Themen zu beantworten. Dadurch eignet es sich besonders gut, um Denkprozesse in komplexen Fächern wie Mathematik und Physik zu erklären.

Fortgeschrittene Programmierung

Unsere erste Version von Gemini kann in den weltweit gängigsten Programmiersprachen, darunter Python, Java, C++ und Go, hochwertigen Code verstehen, erklären und generieren. Dank seiner sprachübergreifenden Funktionalität und der Fähigkeit, komplexe Informationen zu verarbeiten, zählt es zu den weltweit führenden Grundlagenmodellen für die Programmierung.

Gemini Ultra erzielt in mehreren Codierungs-Benchmarks hervorragende Ergebnisse, darunter HumanEval , ein wichtiger Industriestandard zur Bewertung der Leistung bei Codierungsaufgaben, und Natural2Code, unser interner Datensatz, der vom Autor selbst erstellte Quellen anstelle von webbasierten Informationen verwendet.

Gemini kann auch als Engine für komplexere Codierungssysteme verwendet werden. Vor zwei Jahren haben wir es eingeführt. AlphaCode , das erste KI-Codegenerierungssystem, das in Programmierwettbewerben ein wettbewerbsfähiges Leistungsniveau erreicht hat.

Mit einer spezialisierten Version von Gemini haben wir ein fortschrittlicheres Codegenerierungssystem, AlphaCode 2, entwickelt, das sich hervorragend für die Lösung von Wettbewerbsprogrammierproblemen eignet, die über das reine Codieren hinausgehen und komplexe Mathematik und theoretische Informatik beinhalten.

Bei der Evaluierung auf derselben Plattform wie das ursprüngliche AlphaCode zeigt AlphaCode 2 massive Verbesserungen: Es löst fast doppelt so viele Probleme und übertrifft schätzungsweise 85 der Konkurrenzprodukte (%) – im Vergleich zu knapp 50 (%) bei AlphaCode. Durch die Zusammenarbeit von Programmierern mit AlphaCode 2, indem sie bestimmte Eigenschaften für die folgenden Codebeispiele definieren, erzielt es sogar noch bessere Ergebnisse.

Wir freuen uns, dass Programmierer zunehmend leistungsstarke KI-Modelle als Kollaborationswerkzeuge einsetzen, die ihnen helfen, Probleme zu analysieren, Code-Entwürfe vorzuschlagen und bei der Implementierung zu unterstützen – damit sie Apps schneller veröffentlichen und bessere Dienste entwickeln können.

Weitere Informationen finden Sie in unserem technischen Bericht zu AlphaCode 2. .

Zuverlässiger, skalierbarer und effizienter

Wir haben Gemini 1.0 im großen Maßstab auf unserer KI-optimierten Infrastruktur mit Hilfe von Googles maßgeschneiderter Technologie trainiert. Tensorverarbeitungseinheiten (TPU) v4 und v5e. Wir haben es so konzipiert, dass es unser zuverlässigstes und skalierbarstes Modell für das Training und unser effizientestes für den Betrieb ist.

Auf TPUs läuft Gemini deutlich schneller als zuvor., kleinere und weniger leistungsfähige Modelle. Diese speziell entwickelten KI-Beschleuniger bilden das Herzstück der KI-gestützten Produkte von Google, die Milliarden von Nutzern bedienen, wie z. B. die Suche, YouTube, Gmail und Google Maps., Google Play und Android. Sie haben es Unternehmen auf der ganzen Welt außerdem ermöglicht, KI-Modelle im großen Maßstab kostengünstig zu trainieren.

Heute stellen wir das bisher leistungsstärkste, effizienteste und skalierbarste TPU-System vor., Cloud TPU v5p , Diese TPU der nächsten Generation wurde für das Training modernster KI-Modelle entwickelt. Sie wird die Entwicklung von Gemini beschleunigen und Entwicklern sowie Unternehmenskunden helfen, umfangreiche generative KI-Modelle schneller zu trainieren, wodurch neue Produkte und Möglichkeiten schneller auf den Markt gebracht werden können.

Gebaut mit Verantwortung und Sicherheit im Mittelpunkt

Bei Google setzen wir uns für die Entwicklung zukunftsweisender und verantwortungsvoller KI in all unseren Tätigkeiten ein. Aufbauend auf Googles KI-Prinzipien Dank unserer robusten Sicherheitsrichtlinien für unsere Produkte ergänzen wir diese um neue Schutzmechanismen, um den multimodalen Fähigkeiten von Gemini Rechnung zu tragen. In jeder Entwicklungsphase berücksichtigen wir potenzielle Risiken und arbeiten daran, diese zu testen und zu minimieren.

Gemini verfügt über die umfassendsten Sicherheitsbewertungen von alle Google Bisherige KI-Modelle, einschließlich solcher zur Erkennung von Verzerrungen und Toxizität, haben wir untersucht. neue Forschungsergebnisse zu potenziellen Risikobereichen wie etwa Cyberkriminalität, Überzeugung und Autonomie, und hat die Best-in-Class-Methoden von Google Research angewendet. adversariellen Testverfahren um kritische Sicherheitsprobleme vor der Implementierung von Gemini zu identifizieren.

Um blinde Flecken in unserer internen Evaluierungsmethodik aufzudecken, arbeiten wir mit einer vielfältigen Gruppe externer Experten und Partner zusammen, um unsere Modelle anhand einer Reihe von Fragestellungen einem Stresstest zu unterziehen.

Um während der Trainingsphasen von Gemini Probleme mit der Inhaltssicherheit zu diagnostizieren und sicherzustellen, dass die Ergebnisse unseren Richtlinien entsprechen, verwenden wir Benchmarks wie beispielsweise Echte Toxizitätsaufforderungen , Es handelt sich um eine Sammlung von 100.000 aus dem Internet stammenden, unterschiedlich toxischen Hinweisen, die von Experten des Allen Institute for AI entwickelt wurden. Weitere Informationen zu dieser Arbeit folgen in Kürze.

Um Schaden zu begrenzen, haben wir spezielle Sicherheitsklassifikatoren entwickelt, die beispielsweise Inhalte mit Gewalt oder negativen Stereotypen identifizieren, kennzeichnen und herausfiltern. In Kombination mit robusten Filtern soll dieser mehrstufige Ansatz Gemini sicherer und inklusiver für alle machen. Darüber hinaus arbeiten wir weiterhin an bekannten Herausforderungen für Modelle wie Faktenprüfung, Fundierung, Zuordnung und Bestätigung.

Verantwortung und Sicherheit stehen bei der Entwicklung und dem Einsatz unserer Modelle stets im Mittelpunkt. Dies ist ein langfristiges Engagement, das Zusammenarbeit erfordert. Daher arbeiten wir mit der Branche und dem gesamten Ökosystem zusammen, um Best Practices zu definieren und Sicherheitsstandards durch Organisationen wie [Organisationen einfügen] festzulegen. MLCommons , Grenze Modellforum Und es ist KI-Sicherheitsfonds , und unsere Secure AI Framework (SAIF), , Gemini wurde entwickelt, um die spezifischen Sicherheitsrisiken von KI-Systemen im öffentlichen und privaten Sektor zu minimieren. Wir werden die Zusammenarbeit mit Forschern, Regierungen und zivilgesellschaftlichen Gruppen weltweit bei der Weiterentwicklung von Gemini fortsetzen.

Gemini der Welt zugänglich machen

Gemini 1.0 wird jetzt auf einer Reihe von Produkten und Plattformen eingeführt:

Gemini Pro in Google-Produkten

Wir bringen Gemini über Google-Produkte zu Milliarden von Menschen.

Ab heute Bard wird eine optimierte Version von Gemini Pro verwenden. Für fortgeschritteneres Denken, Planen, Verstehen und mehr. Dies ist das größte Upgrade für Bard seit seiner Einführung. Es wird in Englisch in über 170 Ländern und Gebieten verfügbar sein, und wir planen, in naher Zukunft weitere Modalitäten sowie neue Sprachen und Regionen zu unterstützen.

Wir nehmen auch Gemini zu Pixel . Das Pixel 8 Pro ist das erste Smartphone, das für den Betrieb mit Gemini Nano entwickelt wurde. Dieses System ermöglicht neue Funktionen wie die Zusammenfassungsfunktion in der Recorder-App und führt Smart Reply in Gboard ein, beginnend mit WhatsApp, Line und KakaoTalk. ¹ — und im nächsten Jahr kommen noch mehr Messaging-Apps hinzu.

In den kommenden Monaten wird Gemini in weiteren unserer Produkte und Dienstleistungen wie Suche, Anzeigen, Chrome und Duet AI verfügbar sein.

Wir haben bereits mit dem Einsatz von Gemini in der Suche experimentiert. Dadurch wird unser Suchgenerierungserlebnis (SGE) für die Nutzer schneller, mit einer Reduzierung der Latenz um 40 % im US-Englisch sowie Verbesserungen der Qualität.

Bauen mit den Twins

Ab dem 13. Dezember können Entwickler und Unternehmenskunden über die Gemini API in Google AI Studio auf Gemini Pro zugreifen oder Google Cloud Vertex AI .

Google AI Studio ist ein kostenloses, webbasiertes Entwicklertool, mit dem sich schnell Prototypen erstellen und Anwendungen mithilfe eines API-Schlüssels veröffentlichen lassen. Wenn eine vollständig verwaltete KI-Plattform benötigt wird, ermöglicht Vertex AI die Anpassung von Gemini mit voller Datenkontrolle und nutzt zusätzliche Google Cloud-Funktionen für Unternehmenssicherheit, Datenschutz, Datenverwaltung und Compliance.

Android-Entwickler können dank AICore, einer neuen Systemfunktion in Android 14 (verfügbar ab Pixel 8 Pro), auch mit Gemini Nano, unserem effizientesten Modell für Aufgaben auf dem Gerät, arbeiten. Melden Sie sich für ein Frühe Vorschau auf AICore .

Gemini Ultra erscheint demnächst

Für Gemini Ultra führen wir derzeit umfangreiche Vertrauens- und Sicherheitsprüfungen durch, einschließlich Red-Teaming mit vertrauenswürdigen externen Parteien, und verfeinern das Modell weiter durch Feinabstimmung und Reinforcement Learning aus menschlichem Feedback (RLHF), bevor wir es allgemein verfügbar machen.

Im Rahmen dieses Prozesses werden wir Gemini Ultra ausgewählten Kunden, Entwicklern, Partnern sowie Experten für Sicherheit und Verantwortlichkeit für erste Experimente und Feedback zur Verfügung stellen, bevor wir es Anfang nächsten Jahres für Entwickler und Unternehmenskunden einführen.

Anfang nächsten Jahres werden wir außerdem starten Bard Fortgeschritten , ein neues, bahnbrechendes KI-Erlebnis, das Ihnen Zugang zu unseren besten Modellen und Funktionen bietet, beginnend mit Gemini Ultra.

Das Zwillings-Zeitalter: Die Weichen für eine Zukunft der Innovation stellen

Dies ist ein wichtiger Meilenstein in der Entwicklung der KI und der Beginn einer neuen Ära für uns bei Google, da wir weiterhin schnell Innovationen vorantreiben und die Fähigkeiten unserer Modelle verantwortungsvoll weiterentwickeln werden.

Wir haben mit Gemini bisher große Fortschritte erzielt und arbeiten intensiv daran, seine Fähigkeiten für zukünftige Versionen weiter auszubauen. Dazu gehören Verbesserungen bei der Planung und der Speicherverwaltung sowie die Vergrößerung des Kontextfensters, um noch mehr Informationen verarbeiten und bessere Ergebnisse liefern zu können.

Wir freuen uns über die unglaublichen Möglichkeiten einer Welt, die verantwortungsvoll durch KI gestärkt wird – eine Zukunft der Innovation, die Kreativität fördert, Wissen erweitert, die Wissenschaft voranbringt und die Art und Weise verändert, wie Milliarden von Menschen auf der ganzen Welt leben und arbeiten.