Gemini : Google présente sa famille de modèles multimodaux

Fin 2023, Google DeepMind dévoile Gemini, conçu dès l'origine pour traiter texte, images, audio et vidéo.

Le rapport « Gemini: A Family of Highly Capable Multimodal Models » présente trois tailles de modèles, Ultra, Pro et Nano, destinées aussi bien aux centres de données qu'aux téléphones.

À la différence de systèmes qui assemblent des modèles spécialisés, Gemini est entraîné dès le départ sur plusieurs types de données. Le rapport fait état de résultats de premier plan sur de nombreux tests de compréhension d'images, d'audio et de vidéo, ainsi que sur des tests de connaissances générales.

Gemini a remplacé les modèles précédents de Google dans ses produits, dont l'assistant Bard, rebaptisé Gemini en 2024.