Modele z rodziny Gemini są uważane za multimodalne, ponieważ potrafią przetwarzać informacje z różnych modalności, w tym obrazów, filmów i tekstu. Możesz na przykład wysłać modelowi Gemini zdjęcie talerza z ciasteczkami i poprosić o przepis na te ciasteczka.
| Prompt | Odpowiedź |
Give me a recipe for these cookies.
|
**INGREDIENTS**
|
Z modeli z rodziny Gemini możesz korzystać za pomocą Gemini API udostępnianego przez Vertex AI na Google Cloud. W przypadku aplikacji mobilnych i internetowych możesz używać pakietów SDKVertex AI in Firebase, aby wywoływać interfejs Gemini API i wchodzić w interakcje z modelami Gemini bezpośrednio z aplikacji.
Na tej stronie znajdziesz te informacje o modelach Gemini:
Porównanie przypadków użycia różnych modeli Gemini, w tym obsługiwanych przez nie typów danych wejściowych.
Porównanie szczegółów każdego modelu, np. maksymalnej liczby tokenów wejściowych lub maksymalnej długości filmu.
Opis sposobu wersyfikowania modeli Gemini, w szczególności ich wersji stabilnej, automatycznie aktualizowanej i w wersji podglądowej.
Listy dostępnych nazw modeli, które należy uwzględnić w kodzie podczas inicjalizacji.
Lista obsługiwanych języków w modelach Gemini.
Dostępne modele
Z Vertex AI in Firebase możesz korzystać z tych modeli Gemini:
Gemini 1.5 Flash
Model multimodalny, który obsługuje te same typy danych wejściowych i wyjściowych co model 1.5 Pro, ale z zaawansowanym rozumieniem długiego kontekstu obejmującym 1 mln tokenów. Model Gemini 1.5 Flash został zaprojektowany z myślą o wysokiej wydajności i niskich kosztach.Gemini 1.5 Pro
Model multimodalny, który obsługuje dodawanie obrazów, plików audio, filmów i plików PDF w promptach tekstowych lub czatu w celu uzyskania odpowiedzi tekstowej lub w formie kodu. Obsługuje też zrozumienie długiego kontekstu z 2 milionami tokenów.Gemini 1.0 Pro Vision
Model multimodalny przeznaczony do obsługi tekstu, obrazów i filmów w celu uzyskania odpowiedzi tekstowej lub w formie kodu. Nie można ich używać na czacie.Gemini 1.0 Pro
Model do zadań związanych z językiem naturalnym, wieloetapowego czatu z tekstem i kodem oraz generowania kodu.
Przejdź do sekcji Nazwy modeli, aby dodać je do kodu
Zastosowania i możliwości poszczególnych modeli
Każdy model Gemini ma różne możliwości, aby obsługiwać różne przypadki użycia. Więcej informacji o poszczególnych modelach Gemini znajdziesz w dokumentacji Google Cloud.
Obsługiwane dane wejściowe i wyjściowe w przypadku poszczególnych modeli
| Gemini 1.5 Flash | Gemini 1.5 Pro | Gemini 1.0 Pro Vision | Gemini 1.0 Pro | |
|---|---|---|---|---|
| Typy danych wejściowych | ||||
| Tekst | ||||
| Kod | ||||
| Obraz | ||||
| Film (tylko klatki) | ||||
| Wideo (ramki i dźwięk) | ||||
| Audio | ||||
| Typy danych wyjściowych | ||||
| Tekst | ||||
| uporządkowane dane wyjściowe (np. w formacie JSON) przy użyciu schematu odpowiedzi; | ||||
| Kod | ||||
Informacje o obsługiwanych typach plików znajdziesz w artykule Obsługiwane pliki wejściowe i wymagania dotyczące usługi Vertex AI Gemini API.
Obsługiwane funkcje i ogólne funkcje poszczególnych modeli
| Gemini 1.5 Flash | Gemini 1.5 Pro | Gemini 1.0 Pro Vision | Gemini 1.0 Pro | ||
|---|---|---|---|---|---|
| Generowanie tekstu na podstawie danych wejściowych zawierających tylko tekst | |||||
| Generowanie tekstu na podstawie danych multimodalnych | |||||
| Uporządkowany format wyjściowy (np. JSON) z użyciem schematu odpowiedzi | |||||
| Czat wieloetapowy | |||||
| Wywoływanie funkcji | |||||
| Podstawowe wywoływanie funkcji | |||||
| Równoległe wywoływanie funkcji | |||||
| Tryb wywoływania funkcji | |||||
| Liczenie tokenów i znaków podlegających rozliczeniu | |||||
| Instrukcje dotyczące systemu | |||||
szczegółowe informacje o każdym modelu;
| Usługa (na żądanie) | Gemini 1.5 Flash | Gemini 1.5 Pro | Gemini 1.0 Pro Vision | Gemini 1.0 Pro |
|---|---|---|---|---|
| Łączny limit tokenów (łączny limit danych wejściowych i wyjściowych) * | 1 048 576 tokenów | 2 097 152 tokeny | 16 384 tokenów | 32 760 tokenów |
| Limit tokenów wyjściowych * | 8192 tokenów | 8192 tokenów | 2048 tokenów | 8192 tokenów |
| Maksymalna liczba obrazów wejściowych | 3000 obrazów | 3000 obrazów | 16 obrazów | --- |
| Maksymalny rozmiar obrazu zakodowanego w formacie Base64 | 7 MB | 7 MB | 7 MB | --- |
| Maksymalna liczba plików PDF wejściowych ** | 3000 plików | 3000 plików | 16 plików | --- |
| Maksymalna liczba stron w pliku PDF ** | 1000 stron | 1000 stron | 16 stron | --- |
| Maksymalny rozmiar pliku PDF | 50 MB | 50 MB | 50 MB | --- |
| Maksymalna liczba plików wideo wejściowych | 10 plików | 10 plików | 1 plik | --- |
| Maksymalna długość wszystkich filmów wejściowych (tylko ramki) | 60 minut | 60 minut | 2 minuty | --- |
| Maksymalna długość wszystkich filmów wejściowych (ramki + dźwięk) | ok. 50 minut | ok. 50 minut | --- | --- |
| Maksymalna liczba wejściowych plików audio | 1 plik | 1 plik | --- | --- |
| Maksymalna długość wszystkich plików audio | ok.8,4 godziny | ok.8,4 godziny | --- | --- |
* W przypadku wszystkich modeli Gemini token odpowiada około 4 znakom, a 100 tokenów to około 60–80 słów w języku angielskim. Łączną liczbę tokenów w żądaniach możesz określić za pomocą parametru countTokens.
** Pliki PDF są traktowane jako obrazy, więc pojedyncza strona pliku PDF jest traktowana jako jeden obraz. Liczba stron dozwolonych w żądaniu jest ograniczona do liczby obrazów, które może obsługiwać model.
Dowiedz się więcej o obsługiwanych typach plików, sposobie określania typu MIME oraz o tym, jak sprawdzić, czy pliki i żądania multimodalne spełniają wymagania i czy są zgodne ze sprawdzonymi metodami opisanymi w artykule Obsługiwane pliki wejściowe i wymagania dotyczące usługi Vertex AI Gemini API.
Wersje modeli
Modele Gemini są dostępne w wersjach stabilnej, z automatyczną aktualizacją i testowej.
Stabilne wersje są uważane za ogólnodostępne.
- Wersje stabilne mają nazwy modeli z dodatkowym 3-cyfrowym numerem wersji, np.
gemini-1.5-pro-002
- Wersje stabilne mają nazwy modeli z dodatkowym 3-cyfrowym numerem wersji, np.
Automatycznie aktualizowane wersje zawsze odwołują się do najnowszej stabilnej wersji danego modelu. Jeśli zostanie wydana nowa stabilna wersja, automatycznie aktualizowana wersja automatycznie zacznie odwoływać się do tej nowej stabilnej wersji.
- Wersje z automatyczną aktualizacją mają nazwy modeli bez żadnych dodatków, np.
gemini-1.5-pro
- Wersje z automatyczną aktualizacją mają nazwy modeli bez żadnych dodatków, np.
Wersje w obrębie wersji zapoznawczej mają nowe możliwości i są uważane za niestabilne. Pamiętaj, że wersje podglądu zawsze odwołują się do najnowszej wersji tego modelu. Jeśli zostanie wydana nowa wersja podglądu, wszystkie istniejące wersje podglądu automatycznie zaczną odwoływać się do tej nowej wersji.
- Wersje podglądowe mają nazwy modeli z dodatkiem
-preview-MMDDgemini-1.5-pro-preview-0409
- Wersje podglądowe mają nazwy modeli z dodatkiem
Więcej informacji o dostępnych wersjach modelu Gemini i ich cyklu życia znajdziesz w dokumentacji Google Cloud.
Dostępne nazwy modeli
Nazwy modeli to jawne wartości, które uwzględniasz w kodzie podczas inicjalizacji modelu generatywnego (jest to wymagany krok do wywołania funkcji Gemini API). Przykłady inicjalizacji dla danego języka znajdziesz w przewodniku na temat inicjalizacji.
Nazwy modeli Gemini 1.5 Flash
| Nazwa modelu | Opis | Etap udostępniania | Data pierwszego wydania | Data zaprzestania |
|---|---|---|---|---|
| Wersje stabilne | ||||
gemini-1.5-flash-002 |
najnowsza stabilna wersja Gemini 1.5 Flash, | Ogólna dostępność | 2024-09-24 | Nie wcześniej niż 2025-09-24 |
gemini-1.5-flash-001 |
Pierwsza stabilna wersja Gemini 1.5 Flash | Ogólna dostępność | 2024-05-24 | Nie wcześniej niż 2025-05-24 |
| Wersja z automatyczną aktualizacją | ||||
gemini-1.5-flash |
Wskazuje najnowszą stabilną wersję Flasha 1.5 (obecnie gemini-1.5-flash-002 |
Ogólna dostępność | 2024-09-24 | --- |
Nazwy modeli Gemini 1.5 Pro
| Nazwa modelu | Opis | Etap udostępniania | Data pierwszego wydania | Data zaprzestania |
|---|---|---|---|---|
| Wersje stabilne | ||||
gemini-1.5-pro-002 |
najnowsza stabilna wersja Gemini 1.5 Pro, | Ogólna dostępność | 2024-09-24 | Nie wcześniej niż 2025-09-24 |
gemini-1.5-pro-001 |
Pierwsza stabilna wersja Gemini 1.5 Pro | Ogólna dostępność | 2024-05-24 | Nie wcześniej niż 2025-05-24 |
| Wersja z automatyczną aktualizacją | ||||
gemini-1.5-pro |
wskazuje najnowszą stabilną wersję 1.5 Pro (obecnie gemini-1.5-pro-002 |
Ogólna dostępność | 2024-09-24 | --- |
Nazwy modeli Gemini 1.0 Pro Vision
| Nazwa modelu | Opis | Etap udostępniania | Data pierwszego wydania | Data zaprzestania |
|---|---|---|---|---|
| Wersje stabilne | ||||
gemini-1.0-pro-vision-001 |
najnowsza stabilna wersja Gemini 1.0 Pro Vision; | Ogólna dostępność | 2024-02-15 | Nie wcześniej niż 2025-02-15 |
| Wersja z automatyczną aktualizacją | ||||
gemini-1.0-pro-vision |
Wskazuje najnowszą stabilną wersję 1.5 Pro Vision (obecnie gemini-1.5-pro-vision-001 |
Ogólna dostępność | 2024-01-04 | --- |
Nazwy modeli Gemini 1.0 Pro
| Nazwa modelu | Opis | Etap udostępniania | Data pierwszego wydania | Data zaprzestania |
|---|---|---|---|---|
| Wersje stabilne | ||||
gemini-1.0-pro-002 |
najnowsza stabilna wersja Gemini 1.0 Pro, | Ogólna dostępność | 2024-04-09 | Nie wcześniej niż 9.04.2025 |
gemini-1.0-pro-001 |
Stabilna wersja Gemini 1.0 Pro | Ogólna dostępność | 2024-02-15 | Nie wcześniej niż 2025-02-15 |
| Wersja z automatyczną aktualizacją | ||||
gemini-1.0-pro |
Wskazuje najnowszą stabilną wersję 1.0 Pro (obecnie gemini-1.0-pro-002 |
Ogólna dostępność | 2024-02-15 | --- |
Obsługiwane języki
Wszystkie modele Gemini rozumieją i odpowiadają w tych językach:
arabski (ar), bengalski (bn), bułgarski (bg), chiński uproszczony i tradycyjny (zh), chorwacki (hr), czeski (cs), duński (da), niderlandzki (nl), angielski (en), estoński (et), fiński (fi), francuski (fr), grecki (el), hebrajski (iw), hindi (hi), węgierski (hu), indonezyjski (id), hiszpański (es), japoński (ja), koreański (ko), łaciński (la), litewski (lt), norweski (no), polski (pl), portugalski (pt), rumuński (ro), rosyjski (ru), serbski (sr), słowacki (sk), słoweński (sl), szwedzki (sv), swahili (sw), tajski (th), turecki (tr), ukraiński (uk), wietnamski (vi)
Modele Gemini 1.5 Pro i Gemini 1.5 Flash mogą rozumieć i odpowiadać w tych dodatkowych językach:
Afrikaans (af), Amharic (am), Assamese (as), Azerbaijani (az), Belarusian (be), Bosnian (bs), Catalan (ca), Cebuano (ceb), Corsican (co), Welsh (cy), Dhivehi (dv), Esperanto (eo), Basque (eu), Persian (fa), Filipino (Tagalog) (fil), Frisian (fy), Irish (ga), Scots Gaelic (gd), Galician (gl), Gujarati (gu), Hausa (ha), Hawaiian (haw), Hmong (hmn), Haitian Creole (ht), Armenian (hy), Igbo (ig), Icelandic (is), Javanese (jv), Georgian (ka), Kazakh (kk), Khmer (km), Kannada (kn), Krio (kri), Kurdish (ku), Kyrgyz (ky), Latin (la), Luxembourgish (lb), Lao (lo), Malagasy (mg), Maori (mi), Macedonian (mk), Malayalam (ml), Mongolian (mn), Meiteilon (Manipuri) (mni-Mtei), Marathi (mr), Malay (ms), Maltese (mt), Myanmar (Burmese) (my), Nepali (ne), Nyanja (Chichewa) (ny), Odia (Oriya) (or), Punjabi (pa), Pashto (ps), Sindhi (sd), Sinhala (Sinhalese) (si), Samoan (sm), Shona (sn), Somali (so), Albanian (sq), Sesotho (st), Sundanese (su), Tamil (ta), Telugu (te), Tajik (tg), Uyghur (ug), Urdu (ur), Uzbek (uz), Xhosa (xh), Yiddish (yi), Yoruba (yo), Zulu (zu)
Dalsze kroki
Wypróbuj możliwości Gemini API
- tworzyć rozmowy wieloetapowe (czat);
- generować tekst na podstawie promptów tekstowych;
- generować tekst na podstawie promptów multimodalnych (w tym tekstu, obrazów, plików PDF, filmów i plików audio);
- generować dane wyjściowe w uporządkowanym formacie (np. JSON) na podstawie zarówno promptów tekstowych, jak i promptów multimodalnych;
- Aby połączyć modele generatywne z zewnętrznymi systemami i informacjami, użyj wywołania funkcji.