Istorija apie Geminaš 2.0 įsibėgėja.
Gruodžio mėn. „Flash Thinking Experimental“ versija kūrėjams atnešė veikiantį modelį su maža delsa ir dideliu našumu.
Anksčiau šiais metais „Google AI Studio“ buvo atnaujintas 2.0 „Flash Thinking Experimental“, siekiant dar labiau pagerinti našumą, derinant „Flash“ greitį su patobulintomis išvadų galimybėmis.
Praėjusią savaitę atnaujinta 2.0 Flash versija buvo visiškai paleista Gemini darbalaukio ir mobiliosiose programėlėse.
Šiandien tuo pačiu metu buvo pristatyti trys nauji nariai: eksperimentinė Gemini 2.0 Pro versija, kuri iki šiol geriausiai pasirodė koduojant ir atliekant sudėtingus nurodymus, ekonomiška 2.0 Flash-Lite ir mąstymo patobulinta versija 2.0 Flash Thinking.
Gemini 2.0 Pro užima pirmąją vietą visose kategorijose. Gemini-2.0-Flash patenka į trejetuką pagal kodavimą, matematiką ir galvosūkius. „Flash-lite“ visose kategorijose patenka į dešimtuką.
Trijų modelių gebėjimų palyginimo lentelė:
Visi modeliai palaiko daugiarūšio įvesties ir išvesties tekstą.
Yra daugiau modalinių gebėjimų. Modelio stiprumo diagrama kodavimo arenoje
Laimėjimo greičio šilumos žemėlapis
„Google“ su nemokamais vartotojais elgiasi geriau nei „OpenAI“ su „Plus“ vartotojais. Nemokama prieiga prie Gemini 2.0 Pro Experimental AI Studio:
Deepseek paslauga visada rodo laukiančią klaidą... Atminkite, kad pirmasis modelis be išvadų taip pat buvo 2.0 Flash Thinking, kuris buvo naudojamas Google aistudio.
Be to, yra Gemini internetinė versija:
Taip pat yra prijungtas išvados modelis (tad kam jį atskirti...)
„Google“ išleido eksperimentinę „Gemini 2.0 Pro“ versiją, o oficialių etaloninių testų patobulinimai gana traukia akį.
Jis turi galingiausias kodavimo galimybes ir gebėjimą apdoroti sudėtingus raginimus, taip pat geriau suprasti ir pagrįsti pasaulio žinias nei bet kuris iki šiol „Google“ išleistas modelis.
Jis turi didžiausią konteksto langą (200k, o mano ilgas kontekstas yra gana didelis Gemini modelio privalumas), kuris leidžia visapusiškai analizuoti ir suprasti didelį kiekį informacijos bei iškviesti tokius įrankius kaip Google paieška ir kodo vykdymas.
Atliekant MATH testą, jis pasiekė 91.8%, ty maždaug 5 procentiniais punktais daugiau nei 1.5 versija. GPQA samprotavimo gebėjimas pasiekė 64,7%, o SimpleQA pasaulio žinių testas pasiekė net 44,3%.
Svarbiausias yra programavimo gebėjimas. „LiveCodeBench“ teste jis pasiekė 36.0%, o Bird-SQL konversijos tikslumas viršijo 59.3%. Kartu su itin dideliu 2 milijonų žetonų konteksto langu pakanka atlikti sudėtingiausias kodo analizės užduotis.
Galite tai išbandyti naudodami žymeklį.
Įspūdingas ir kelių kalbų supratimo gebėjimas, kurio pasaulinis MMLU testo rezultatas yra 86,5%. Vaizdo supratimo MMMU yra 72,7%, o vaizdo analizės galimybė yra 71,9%.
Gemini 2.0 Flash-Lite yra įdomus balansas.
Jis palaiko 1,5 Flash greitį ir kainą, tačiau užtikrina geresnį našumą. Konteksto langas su 1 milijonu žetonų leidžia apdoroti daugiau informacijos.
Praktiškiausias dalykas yra jo kainos ir našumo santykis: titrų generavimas 40 000 nuotraukų kainuoja pigiau nei $1. Tai daro AI paprastesnį.
Tinklaraštininkė Shrivastava paminėjo: Gemini 2.0 Pro kodavimas yra beprotiškas!
Patarimas: naudokite Three.js, kad sukurtumėte saulės sistemos modeliavimą. Pridėkite laiko skalę, fokusavimo išskleidžiamąjį meniu, rodykite orbitas ir rodykite etiketes. Sukurkite viską viename faile, kad galėčiau įklijuoti jį į internetinį redaktorių ir peržiūrėti išvestį.
Be to, kai kurie vartotojai paminėjo, kad „Gemini 2.0 Flash“ davė geresnių rezultatų viename iš jo paties paradokso testų:
Galiausiai „Google“ paminėjo, kad „Gemini 2.0“ saugumas, o ne tik pataisa, yra dizaino pagrindas nuo pat pradžių.
Tegul modelis išmoksta būti savikritiškas. Naudokite sustiprinimo mokymąsi, kad Dvyniai įvertintų savo atsakymus ir pateiktų tikslesnius atsiliepimus. Dėl to jis tampa patikimesnis sprendžiant jautrias temas.
Įdomus yra automatinis raudonosios komandos testavimas. Jis specialiai sukurtas taip, kad būtų išvengta netiesioginių raginimų žodžių įvedimo, o tai tarsi AI aprūpinimas imunine sistema, kad kas nors nepaslėptų kenkėjiškų komandų duomenyse.
