Google、軽量ながら大規模サービスに対応する「Gemini 1.5 Flash」の追加など、Geminiファミリーをアップデート

　米Googleは、同社が開発・公開しているネイティブマルチモーダルモデルである「Gemini 1.5 Pro」よりも軽量ながら、大規模なサービスに高速かつ効率的に対応できるように設計されたモデル「Gemini 1.5 Flash」を、5月15日（現地時間）に発表した。

　Gemini 1.5 Pro、Gemini 1.5 Flashともに、Google AI StudioとVertex AIで100万トークンのコンテキストウィンドウを備えたパブリックプレビューとして利用可能であり、Gemini 1.5 Proは200万トークンのコンテキストウィンドウでも、APIを使用する開発者およびGoogle Cloudユーザー（待機リスト順）に提供される。

　今回、発表されたGemini 1.5 Flashは、APIで提供される中ではもっとも高速なGeminiモデルで、大規模かつ高頻度のタスク向けに最適化されており、コスト効率が高く、画期的なロングコンテキストウィンドウを備えている。Gemini 1.5 Proよりも軽量ながら、膨大な量の情報にわたるマルチモーダル推論の能力が高いほか、要約、チャットアプリケーション、画像や動画のキャプション、長い文書や表からのデータ抽出などに優れる。

　Gemini 1.5 Proは、大幅な改善によってコンテキストウィンドウを200万トークンに拡張するとともに、データとアルゴリズムの進歩によってコード生成、論理的推論とプランニング、マルチターン会話、音声と画像の理解を強化した。また、役割、形式、スタイルなどといった製品レベルの動作を指定するものなど、より複雑で微妙な指示に従えるようになっている。さらに、Gemini APIとGoogle AI Studioへの音声理解の追加によって、Gemini 1.5 ProはGoogle AI Studioにアップロードされた動画の画像と音声の理解が可能になった。

　そのほか、Gemini Nanoではテキスト入力だけでなく、新たに画像の入力にも対応し、視覚、聴覚、話し言葉を通じて、人間と同じように世界を理解できるようになる。

　あわせて、責任あるAIを開発するための次世代オープンモデルであるGemma 2も発表された。Gemma 2は、画期的なパフォーマンスと効率を実現するために設計された新たなアーキテクチャを備えており、新たなサイズで提供される。