• Alle Gemini-Modelle können mehr als nur Wörter verarbeiten und nutzen. Sie wurden auf einer Vielzahl von Audio-, Bild- und Videodateien, einer umfangreichen Codebasis und Texten in verschiedenen Sprachen vortrainiert und verfeinert.
  • Die Gemini-Anwendungen und -Modelle sind ebenfalls völlig unabhängig von Imagen 2 und können in bestimmten Tools und Entwicklungsumgebungen des Unternehmens verwendet werden.
  • Da die Gemini-Modelle multimodal sind, können sie theoretisch eine Reihe von multimodalen Aufgaben ausführen.

Google versucht, mit Gemini, einer Flaggschiff-Suite von generativen KI-Modellen, -Anwendungen und -Diensten, für Aufsehen zu sorgen. Aber obwohl Gemini in mancher Hinsicht vielversprechend erscheint, wie unsere informelle Überprüfung zeigt, hat es in anderen Bereichen schlecht abgeschnitten. Also, was ist Gemini? Wie verwendet man es? Wie schneidet es im Vergleich zu seinen Konkurrenten ab?

Was ist Gemini?

Gemini ist die lang erwartete Familie vonGenAI-Modellen der nächsten Generation, entwickelt von Googles KI-Forschungslabor DeepMind und Google Research. Sie ist in drei Versionen erhältlich:

  • Gemini Ultra, das Flaggschiff-Modell von Gemini
  • Gemini Pro, ein „lebendiges“ Gemini-Modell
  • Gemini Nano, ein kleineres, „abgespecktes“ Modell, das auf mobilen Geräten wie dem Pixel 8 Pro läuft
    Alle Gemini-Modelle sind so trainiert, dass sie „natürlich multimodal“ sind – das heißt, sie können mehr als nur Wörter verarbeiten und nutzen. Sie wurden auf einer Vielzahl von Audio-, Bild- und Videodateien, einer umfangreichen Codebasis und Texten in verschiedenen Sprachen vortrainiert und verfeinert. Das unterscheidet Gemini von Modellen wie LaMDA, dem speziell auf Textdaten trainierten Google-Modell. LaMDA kann nur Text verstehen oder generieren (z. B. Artikel, E-Mail-Entwürfe), die Gemini-Modelle jedoch können mehr.

Was ist der Unterschied zwischen der Gemini-App und dem Gemini-Modell?

Ein weiteres Mal hat Google mangelndes Geschick in der Markenstrategie gezeigt, indem es nicht von Anfang an klarstellte, dass Gemini von der Gemini-App (ehemals Bard) auf Web- und Mobilplattformen zu unterscheiden ist. Die Gemini-App ist nur eine Schnittstelle zu einem bestimmten Modell – man kann sie sich als einen Google-GenAI-Client vorstellen.

Übrigens sind die Gemini-Anwendungen und -Modelle auch völlig getrennt von Imagen 2, Googles Text-zu-Bild-Generierungsmodell, das in bestimmten Tools und Entwicklungsumgebungen des Unternehmens verwendet werden kann. Keine Sorge, Sie sind nicht die Einzigen, die verwirrt sind.

Was kann Gemini?

Da die Gemini-Modelle multimodal sind, können sie theoretisch eine Reihe von multimodalen Aufgaben ausführen, von der Sprachtranskription über das Hinzufügen von Bild- und Videounterschriften bis hin zur Erstellung von Kunstwerken. Diese Funktionen sind noch nicht produktionsreif (dazu später mehr), aber Google verspricht sie alle und noch mehr in naher Zukunft. Google hat bei der ersten Einführung von Bard weitgehend enttäuscht. Kürzlich veröffentlichte das Unternehmen auch ein Video, das die Fähigkeiten von Gemini demonstrieren sollte, das sich jedoch als weitgehend manipuliert und mehr oder weniger wünschbar herausstellte.

Lesen Sie auch: Googles Chatbot Bard erhält weltweit das Gemini-Pro-Update