Gemini ist eine von Google entwickelte Familie nativ multimodaler KI-Modelle, die Text, Programmiercode, Bilder, Audio und Video innerhalb einer gemeinsamen Modellarchitektur verarbeitet und ausgibt.
Erklärung
Anders als Systeme, die getrennte Einzelmodelle für Spracherkennung, Bildbeschreibung und Textgenerierung hintereinanderschalten, wurden Gemini-Modelle von Beginn an auf gemischten Datentypen trainiert. Die Modellreihe ist nach Leistungsbedarf und Antwortzeit abgestuft, von schnellen Flash-Varianten für hochfrequente Echtzeit- und Klassifikationsaufgaben über Pro-Modelle für komplexe Analysen und Softwareentwicklung bis zu kompakten Nano-Varianten für lokale Endgeräte. Ein wichtiges Merkmal im Unternehmenseinsatz ist das große Kontextfenster von einer Million und mehr Tokens, mit dem sich umfangreiche Codebasen, mehrstündige Gesprächsaufzeichnungen oder hunderte Vertragsseiten in einer einzigen Anfrage auswerten lassen. Über die Gemini API und Google Cloud Vertex AI binden B2B-Teams die Modelle mit regionaler Datenverarbeitung und granularen Zugriffskontrollen in eigene Softwareprodukte ein.