Saiba mais sobre os modelos do Gemini

A família de modelos Gemini é considerada multimodal porque é capaz de processar informações de várias modalidades, incluindo imagens, vídeos e texto. Por exemplo, é possível enviar para o modelo Gemini uma foto de um prato de biscoitos e pedir a receita deles.

Comando Resposta
Give me a recipe for these cookies.

foto de vários biscoitos com gotas de chocolate
**INGREDIENTS**
- 1 c. (2 sticks) unsalted butter, softened
- 3/4 c. granulated sugar
- 3/4 c. brown sugar, packed
- 1 tsp . vanilla extract
- 2 large eggs
- 2 1/4 c. all-purpose flour
- 1 tsp. baking soda
- 1 tsp. salt
...

É possível interagir com a família de modelos do Gemini usando a Gemini API fornecida por Vertex AI no Google Cloud. Para apps para dispositivos móveis e da Web, use os SDKs Vertex AI in Firebase para chamar a API Gemini e interagir com os modelos do Gemini diretamente no seu app.

Esta página fornece as seguintes informações sobre os modelos do Gemini:

  • Comparação de alto nível dos casos de uso dos vários modelos do Gemini, incluindo os tipos de entrada aceitos.

  • Comparação dos detalhes de cada modelo, por exemplo, tokens de entrada máximos ou duração máxima do vídeo.

  • Descrição de como os modelos do Gemini são controlados por versão, especificamente as versões estáveis, atualizadas automaticamente e de pré-lançamento.

  • Listas de nomes de modelos disponíveis para incluir no código durante a inicialização.

  • Lista de idiomas compatíveis com os modelos Gemini.

Modelos disponíveis

É possível usar qualquer um dos seguintes modelos do Gemini com Vertex AI in Firebase:

  • Gemini 1.5 Flash
    Modelo multimodal que oferece suporte aos mesmos tipos de entrada e saída do 1.5 Pro, mas com uma compreensão de contexto longo de 1 milhão de tokens. O Gemini 1.5 Flash foi projetado especificamente para aplicativos de alto volume e econômicos.

  • Gemini 1.5 Pro
    Modelo multimodal compatível com a adição de arquivos de imagem, áudio, vídeo e PDF em comandos de texto ou chat para uma resposta de texto ou código. Além disso, ele oferece suporte à compreensão de contextos longos com 2 milhões de tokens.

  • Gemini 1.0 Pro Vision
    Modelo multimodal projetado para processar texto, além de imagens e vídeos para uma resposta de texto ou código. Não é possível usar para chat.

  • Gemini 1.0 Pro
    Modelo desenvolvido para processar tarefas de linguagem natural, chat com várias interações de texto e código e geração de código.

Ir para nomes de modelos para incluir no código

Casos de uso e recursos de cada modelo

Cada modelo do Gemini tem recursos diferentes para oferecer suporte a vários casos de uso. Saiba mais na documentação do Google Cloud sobre cada um dos modelos Gemini.

Entrada e saída compatíveis para cada modelo

Gemini 1.5 Flash Gemini 1.5 Pro Gemini 1.0 Pro Vision Gemini 1.0 Pro
Tipos de entrada
Texto
Código
Imagem
PDF
Vídeo (somente frames)
Vídeo (frames e áudio)
Áudio
Tipos de saída
Texto
Saída estruturada (como JSON) usando o esquema de resposta
Código

Para saber mais sobre os tipos de arquivo aceitos, consulte Arquivos de entrada e requisitos compatíveis com o Vertex AI Gemini API.

Recursos gerais e com suporte para cada modelo

Gemini 1.5 Flash Gemini 1.5 Pro Gemini 1.0 Pro Vision Gemini 1.0 Pro
Geração de texto a partir de entrada somente de texto
Geração de texto a partir de entrada multimodal
Saída estruturada (como JSON) usando o esquema de resposta
Chat multiturno
Chamadas de função
Chamadas de função básicas
Chamada de função paralela
Modo de chamada de função
Contar tokens e caracteres faturáveis
Instruções do sistema

Informações detalhadas sobre cada modelo

Propriedade Gemini 1.5 Flash Gemini 1.5 Pro Gemini 1.0 Pro Vision Gemini 1.0 Pro
Limite total de tokens (entrada e saída combinadas) * 1.048.576 tokens 2.097.152 tokens 16.384 tokens 32.760 tokens
Limite de token de saída * 8.192 tokens 8.192 tokens 2.048 tokens 8.192 tokens
Número máximo de imagens por solicitação 3.000 imagens 3.000 imagens 16 imagens N/A
Tamanho máximo da imagem codificada em base64 7 MB 7 MB 7 MB N/A
Tamanho máximo do PDF 30 MB 30 MB 30 MB N/A
Número máximo de arquivos de vídeo por solicitação 10 arquivos de vídeo 10 arquivos de vídeo 1 arquivo de vídeo N/A
Duração máxima do vídeo (somente frames) ~60 minutos de vídeo ~60 minutos de vídeo 2 minutos N/A
Duração máxima do vídeo (frames e áudio) ~45 minutos de vídeo ~45 minutos de vídeo N/A N/A
Número máximo de arquivos de áudio por solicitação 1 arquivo de áudio 1 arquivo de áudio N/A N/A
Duração máxima do áudio Aproximadamente 8,4 horas de áudio Aproximadamente 8,4 horas de áudio N/A N/A

* Em todos os modelos Gemini, um token equivale a cerca de quatro caracteres, então 100 tokens equivalem a cerca de 60 a 80 palavras em inglês. É possível determinar a contagem total de tokens nas suas solicitações usando countTokens.

Saiba mais sobre os tipos de arquivos aceitos, como especificar o tipo MIME e como garantir que seus arquivos e solicitações multimodais atendam aos requisitos e sigam as práticas recomendadas em Arquivos de entrada e requisitos compatíveis com o Vertex AI Gemini API.

Controle de versões dos modelos

Os modelos do Gemini são oferecidos nas versões estável, atualizada automaticamente e pré-lançamento.

  • As versões estáveis são consideradas de disponibilidade geral.

    • As versões estáveis têm nomes de modelo anexados a um número de versão específico de três dígitos, por exemplo, gemini-1.5-pro-002.
  • As versões atualizadas automaticamente sempre apontam para a versão estável mais recente do modelo. Se uma nova versão estável for lançada, a versão atualizada automaticamente vai começar a apontar para essa nova versão estável.

    • As versões atualizadas automaticamente têm nomes de modelo sem apêndices, por exemplo, gemini-1.5-pro.
  • As versões Pré-lançamento têm novos recursos e são consideradas não estáveis. As versões de pré-lançamento sempre apontam para a versão mais recente de pré-lançamento desse modelo. Se uma nova versão de pré-lançamento for lançada, todas as versões de pré-lançamento atuais vão começar a apontar para essa nova versão.

    • As versões de pré-lançamento têm nomes de modelo anexados com -preview e a data de lançamento inicial do modelo (-MMDD), por exemplo, gemini-1.5-pro-preview-0409 (lançado em 9 de abril de 2024).

Saiba mais sobre as versões de modelo do Gemini disponíveis e o ciclo de vida delas na documentação do Google Cloud.

Nomes de modelos disponíveis

Os nomes de modelo são os valores explícitos que você inclui no código durante a inicialização do modelo generativo, que é uma etapa obrigatória para chamar o Gemini API. Para conferir exemplos de inicialização para seu idioma, consulte o guia de início.

Nomes dos modelos do Gemini 1.5 Flash

Nome do modelo Descrição Etapa de lançamento Data de lançamento inicial Data de desativação
Versões estáveis
gemini-1.5-flash-002 Versão estável mais recente do Gemini 1.5 Flash Disponibilidade geral 2024-09-24 A partir de 24-09-2025
gemini-1.5-flash-001 Versão estável inicial do Gemini 1.5 Flash Disponibilidade geral 2024-05-24 A partir de 24/05/2025
Versão atualizada automaticamente
gemini-1.5-flash Aponta para a versão estável mais recente do Flash 1.5
(atualmente gemini-1.5-flash-002)
Disponibilidade geral 2024-09-24 ---

Nomes dos modelos Gemini 1.5 Pro

Nome do modelo Descrição Etapa de lançamento Data de lançamento inicial Data de desativação
Versões estáveis
gemini-1.5-pro-002 Versão estável mais recente do Gemini 1.5 Pro Disponibilidade geral 2024-09-24 A partir de 24-09-2025
gemini-1.5-pro-001 Versão estável inicial do Gemini 1.5 Pro Disponibilidade geral 2024-05-24 A partir de 24/05/2025
Versão atualizada automaticamente
gemini-1.5-pro Aponta para a versão estável mais recente do 1.5 Pro
(atualmente gemini-1.5-pro-002)
Disponibilidade geral 2024-09-24 ---

Nomes dos modelos do Gemini 1.0 Pro Vision

Nome do modelo Descrição Etapa de lançamento Data de lançamento inicial Data de desativação
Versões estáveis
gemini-1.0-pro-vision-001 Versão estável mais recente do Gemini 1.0 Pro Vision Disponibilidade geral 2024-02-15 A partir de 15/02/2025
Versão atualizada automaticamente
gemini-1.0-pro-vision Aponta para a versão estável mais recente do 1.5 Pro Vision
(atualmente gemini-1.5-pro-vision-001).
Disponibilidade geral 2024-01-04 ---

Nomes dos modelos Gemini 1.0 Pro

Nome do modelo Descrição Etapa de lançamento Data de lançamento inicial Data de desativação
Versões estáveis
gemini-1.0-pro-002 Versão estável mais recente do Gemini 1.0 Pro Disponibilidade geral 2024-04-09 A partir de 09-04-2025
gemini-1.0-pro-001 Versão estável do Gemini 1.0 Pro Disponibilidade geral 2024-02-15 A partir de 15/02/2025
Versão atualizada automaticamente
gemini-1.0-pro Indica a versão mais recente da 1.0 Pro
(atualmente gemini-1.0-pro-002)
Disponibilidade geral 2024-02-15 ---

Idiomas disponíveis

  • Todos os modelos do Gemini podem entender e responder nos seguintes idiomas:

    Árabe (ar), bengali (bn), búlgaro (bg), chinês simplificado e tradicional (zh), croata (hr), tcheco (cs), dinamarquês (da), neerlandês (nl), inglês (en), estoniano (et), finlandês (fi), francês (fr), alemão (de), grego (el), hebraico (iw), hindi (hi), húngaro (hu), indonésio (id), italiano (it), japonês (ja), coreano (ko), letão (lv), lituano (lt), norueguês (no), polonês (pl), português (pt), romeno (ro), russo (ru), sérvio (sr), eslovaco (sk), esloveno (sl), espanhol (es), swahili (sw), sueco (sv), tailandês (th), turco (tr), ucraniano (uk), vietnamita (vi)

  • Os modelos Gemini 1.5 Pro e Gemini 1.5 Flash podem entender e responder nos seguintes idiomas adicionais:

    Africâner (af), amárico (am), assamês (as), azerbaijano (az), bielorrusso (be), bósnio (bs), catalão (ca), cebuano (ceb), córsico (co), galês (cy), divehi (dv), esperanto (eo), basco (eu), persa (fa), filipino (tagalo) (fil), frísio (fy), irlandês (ga), gaélico escocês (gd), galego (gl), guzerate (gu), hauçá (ha), havaiano (haw), hmong (hmn), crioulo haitiano (ht), armênio (hy), igbo (ig), islandês (is), javanês (jv), georgiano (ka), cazaque (kk), khmer (km), canarês (kn), krio (kri), curdo (ku), quirguiz (ky), latim (la), luxemburguês (lb), laosiano (lo), malgaxe (mg), maori (mi), macedônio (mk), malaiala (ml), mongol (mn), meiteilon (Manipuri) (mni-Mtei), marati (mr), malaio (ms), maltês (mt), mianmar (birmanês) (my), nepalês (ne), nianja (chicheua) (ny), odia (oriá) (or), punjabi (pa), pashto (ps), sindi (sd), cingalês (si), samoano (sm), chona (sn), somali (so), albanês (sq), sesotho (st), sundanês (su), tâmil (ta), télugo (te), tadjique (tg), uyghur (ug), urdu (ur), usbeque (uz), xhosa (xh), Ídiche (yi), iorubá (yo), zulu (zu)

Próximas etapas

Teste os recursos do Gemini API