A família de modelos Gemini é considerada multimodal porque é capaz de processar informações de várias modalidades, incluindo imagens, vídeos e texto. Por exemplo, você pode enviar a um modelo do Gemini a foto de um prato de biscoitos e pedir que ele mostre uma receita para você.
Comando | Resposta |
Mostre um roteiro para esses cookies. |
**INGREDIENTES** - 1 c. (2 palitos) manteiga sem sal e suave - 3/4 de xícara de açúcar granulado - 3/4 de xícara de açúcar mascavo, embalado - 1 colher de chá. extrato de baunilha - 2 ovos grandes - 2 1/4 de xícara de farinha de trigo - 1 colher de chá de bicarbonato de sódio - 1 colher de chá de sal ... |
É possível interagir com a família de modelos Gemini usando a API Gemini fornecida pela Vertex AI no Google Cloud. Em apps para dispositivos móveis e da Web, você pode usar os SDKs da Vertex AI para Firebase para chamar a API Gemini e interagir com os modelos do Gemini diretamente do seu app.
Esta página traz as seguintes informações sobre os modelos Gemini:
Comparação de alto nível dos casos de uso dos vários modelos do Gemini, incluindo os tipos de entrada com suporte.
Comparação dos detalhes de cada modelo, por exemplo, máximo de tokens de entrada ou duração máxima do vídeo.
Descrição de como os modelos do Gemini têm controle de versões, 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 do Gemini.
Modelos disponíveis
É possível usar qualquer um dos modelos do Gemini a seguir com a Vertex AI para Firebase:
Gemini 1.5 Flash
Modelo multimodal que oferece suporte aos mesmos tipos de entrada e saída do 1.5 Pro (além da contagem total de tokens), mas o 1.5 Flash foi projetado especificamente para aplicativos econômicos e de alto volume.Gemini 1.5 Pro
Modelo multimodal que oferece suporte à 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 é compatível com a compreensão de contexto longo, com até 1 milhão de tokens.Gemini 1.0 Pro Vision
Modelo multimodal projetado para processar texto, imagens e vídeos para uma resposta de texto ou código. Não pode ser usado para chat.Gemini 1.0 Pro
Modelo projetado para processar tarefas de linguagem natural, chat com várias interações com texto e código e geração de código.
Acesse os nomes dos modelos para incluir no seu código
Casos de uso e recursos para cada modelo
Cada modelo do Gemini tem recursos diferentes para oferecer suporte a vários casos de uso. Saiba mais sobre cada um dos modelos do Gemini na documentação do Google Cloud.
Entrada e saída compatíveis com cada modelo
Gemini 1.5 Flash | Gemini 1.5 Pro | Gemini 1.0 Pro Vision | Gemini 1.0 Pro | |
---|---|---|---|---|
Tipos de entrada | ||||
Textos | ||||
Código | ||||
Imagem | ||||
Vídeo (somente frames) | ||||
Vídeo (frames e áudio) | ||||
Áudio | ||||
Tipos de saída | ||||
Textos | ||||
Código |
Para saber mais sobre os tipos de arquivos compatíveis, consulte Arquivos de entrada compatíveis e requisitos da API Gemini da Vertex AI.
Recursos compatíveis e recursos gerais de cada modelo
Gemini 1.5 Flash | Gemini 1.5 Pro | Gemini 1.0 Pro Vision | Gemini 1.0 Pro | ||
---|---|---|---|---|---|
Geração de texto usando comandos somente de texto | |||||
Geração de texto usando comandos multimodais | |||||
Saída JSON (modo de esquema restrito) (em breve nos SDKs da Vertex AI para Firebase) |
|||||
Chat multiturno | |||||
Chamadas de função | |||||
Chamada de função básica | |||||
Chamada de função paralela | |||||
Modo da 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 milhão de tokens | 16.384 tokens | 32.760 tokens |
Limite de tokens de saída * | 8.192 tokens | 2.048 tokens | 8.192 tokens |
Número máximo de imagens por solicitação | 3.000 imagens | 16 imagens | N/A |
Tamanho máximo da imagem codificada em base64 | 7 MB | 7 MB | N/A |
Tamanho máximo do PDF | 30 MB | 30 MB | N/A |
Número máximo de arquivos de vídeo por solicitação | 10 arquivos de vídeo | 1 arquivo de vídeo | N/A |
Duração máxima do vídeo (somente frames) | 60 minutos de vídeo | 2 minutos | N/A |
Duração máxima do vídeo (frames e áudio) | Aprox. 45 minutos de vídeo | N/A | N/A |
Número máximo de arquivos de áudio por solicitação | 1 arquivo de áudio | N/A | N/A |
Duração máxima do áudio | Cerca de 8,4 horas de áudio | N/A | N/A |
* Para todos os modelos do Gemini, um token equivale a cerca de 4 caracteres. Portanto, 100 tokens equivalem a cerca de 60 a 80 palavras em inglês. É possível determinar a contagem total de tokens nas solicitações usando countTokens
.
Aqui você encontra informações ainda mais detalhadas sobre os modelos e arquivos de entrada:
Saiba mais sobre as diferenças entre os modelos multimodais na documentação do Google Cloud.
Saiba mais sobre os tipos de arquivo com suporte, 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 compatíveis e requisitos para a API Gemini da Vertex AI.
Controle de versões dos modelos
Os modelos do Gemini são oferecidos nas versões estáveis, atualizados automaticamente e de pré-lançamento.
As versões estáveis são consideradas com disponibilidade geral.
- As versões estáveis têm nomes de modelo anexados a um número de versão específico de três dígitos, por exemplo,
.gemini-1.0-pro-001
- As versões estáveis têm nomes de modelo anexados a um número de versão específico de três dígitos, por exemplo,
As versões atualizadas automaticamente sempre apontam para a versão estável mais recente desse modelo. Se uma nova versão estável for lançada, a versão atualizada automaticamente passará a apontar automaticamente para essa nova versão estável.
- As versões atualizadas automaticamente têm nomes de modelo sem
anexo, por exemplo,
.gemini-1.0-pro
- As versões atualizadas automaticamente têm nomes de modelo sem
anexo, por exemplo,
As versões de pré-lançamento têm novos recursos e são consideradas não estáveis. As versões de pré-lançamento sempre apontam para a prévia mais recente desse modelo. Se uma nova versão de pré-lançamento for lançada, qualquer outra atual passará a apontar automaticamente para ela.
- As versões de pré-lançamento têm nomes de modelos anexados com
e a data de lançamento inicial do modelo (-preview
), por exemplo,-MMDD
(lançado em 9 de abril de 2024).gemini-1.5-pro-preview-0409
- As versões de pré-lançamento têm nomes de modelos anexados com
Saiba mais sobre as versões disponíveis do modelo do Gemini e o ciclo de vida delas na documentação do Google Cloud.
Nomes de modelos disponíveis
Os nomes dos modelos são os valores explícitos que você inclui no código durante a inicialização do modelo generativo, que é uma etapa necessária para chamar a API Gemini. Para exemplos de inicialização para sua linguagem, consulte o Guia explicativo.
Nomes dos modelos de Flash do Gemini 1.5
Nome do modelo | Descrição | Fase de lançamento | Data de lançamento inicial | Data de desativação |
---|---|---|---|---|
Versões estáveis | ||||
gemini-1.5-flash-001 |
Versão estável mais recente do Gemini 1.5 Flash | Disponibilidade geral | 2024-05-24 | Até 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-001 |
Disponibilidade geral | 2024-05-24 | --- |
Visualizar versões | ||||
gemini-1.5-flash-preview-0514 |
Versão de pré-lançamento mais recente do Gemini 1.5 Flash | Prévia pública | 2024-05-14 | 2024-06-24 |
Nomes dos modelos Gemini 1.5 Pro
Nome do modelo | Descrição | Fase de lançamento | Data de lançamento inicial | Data de desativação |
---|---|---|---|---|
Versões estáveis | ||||
gemini-1.5-pro-001 |
Versão estável mais recente do Gemini 1.5 Pro | Disponibilidade geral | 2024-05-24 | Até 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-001 |
Disponibilidade geral | 2024-05-24 | --- |
Visualizar versões | ||||
gemini-1.5-pro-preview-0514 |
Versão de pré-lançamento mais recente do Gemini 1.5 Pro | Prévia pública | 2024-05-14 | 2024-06-24 |
gemini-1.5-pro-preview-0409 |
Aponta para gemini-1.5-pro-preview-0514 (que é a versão de pré-lançamento mais recente) |
Prévia pública | 2024-04-09 | 2024-06-14 |
Nomes dos modelos Gemini 1.0 Pro Vision
Nome do modelo | Descrição | Fase 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 | Até 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 | Fase 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 | Até 09/04/2025 |
gemini-1.0-pro-001 |
Versão estável do Gemini 1.0 Pro | Disponibilidade geral | 2024-02-15 | Até 15/02/2025 |
Versão atualizada automaticamente | ||||
gemini-1.0-pro |
Aponta para a versão estável mais recente do 1.0 Pro (atualmente gemini-1.0-pro-002 |
Disponibilidade geral | 2024-02-15 | --- |
Idiomas disponíveis
Os modelos do Gemini oferecem suporte aos seguintes idiomas:
Árabe (ar), bengali (bn), búlgaro (bg), chinês simplificado e tradicional (zh), croata (hr), tcheco (cs), dinamarquês (da), holandês (nl), inglês (en), estoniano (et), finlandês (fi), francês (fr), alemão (de), grego (el), hebraico (iw), hindi (hi), húngaro (hu), indonésio (id),
Próximas etapas
Teste os recursos da API Gemini
- Criar conversas de várias interações (chat).
- Gerar texto com base em comandos somente de texto.
- Gerar texto com base em comandos multimodais (incluindo texto, imagens, PDFs, vídeo e áudio).
- Use a chamada de função para conectar modelos generativos a informações e sistemas externos.