Google Gemini 1 発表 — マルチモーダルネイティブモデル

マルチモーダル期 Google DeepMind / Google model:gemini-1 新モデル / 既存モデル系列の新版リリース（GPT-4o / Claude 4 等。周辺アプリや API 化のみは product-launch、性能向上は capability-update）マルチモーダル統合（画像・動画・音声）。modalities フィールドとは別に「マルチモーダル化が記事の主眼」のときだけ topic 化テキスト（自然言語）画像（生成・理解）音声（合成・認識・音楽）動画（生成・理解）

2023-12-06 · Gemini (language model) 歴史アーカイブ

Google DeepMind が Gemini 1 (Ultra / Pro / Nano の 3 サイズ) を発表。テキスト・画像・音声・動画をネイティブに扱う初の主力マルチモーダルモデルと喧伝。MMLU で GPT-4 超えを主張したが、デモ動画の演出が物議も。

ソース

Gemini (language model)