Gemini (досл. с ;  — «Дже́минай») — семейство мультимодальных больших языковых моделей (LLM), разработанное Google DeepMind и являющееся преемником LaMDA и PaLM 2. Эта модель лежит в основе одноимённого чат-бота. К нему относятся версии Gemini Ultra, Gemini Pro, Gemini Flash и Gemini Nano. Первый релиз вышел 6 декабря 2023 года.

18 ноября 2025 года компания Google объявила о выпуске моделей Gemini 3.0 Pro и Gemini 3.0 Deep Think. Эти новые модели пришли на смену Gemini 2.5 Pro и являются самыми мощными среди доступных моделей на ноябрь 2025 года. На момент релиза Gemini 3.0 Pro превзошёл ведущие модели искусственного интеллекта в 19 из 20 протестированных бенчмарках (исключением стал SWE-bench VerifiedПоднабор SWE-bench Verified (500 задач, признанных корректными (non-problematic)) сформирован OpenAI совместно с авторами SWE-bench (SoftWare Engineering Benchmark включает 2 294 реальные задачи на GitHub) на основе ручной проверки (human annotation) задач 93 Python-разработчиками., в котором Gemini 3.0 Pro уступил Claude Sonnet 4.5 — 76,2 % vs 77,2 %), включая превосходство над GPT-5 Pro в тесте «Последний экзамен человечества», показав точность 37,52 %Gemini 3 Deep Think достиг 41 %, по данным Google. против 31,64 % у GPT-5 Pro.

История

Разработка Google анонсировала Gemini, большую языковую модель (LLM), разработанную дочерней компанией Google DeepMind на ежегодной конференции Google I/O 10 мая 2023 года. Она была позиционирована как более мощный преемник PaLM 2, однако генеральный директор Google Сундар Пичаи заявил, что Gemini все еще находится на ранней стадии разработки. Команда разработки заявила, что в отличие от других языковых моделей Gemini уникальна тем, что она мультимодальна, то есть обучалась не только на выборке текстов, а могла обрабатывать несколько типов данных одновременно: текст, изображения, аудио, видео и программный код. Она была разработана в результате сотрудничества DeepMind и Google Brain — двух подразделений Google, которые были объединены в Google DeepMind месяцем ранее. В интервью американскому журналу Wired генеральный директор DeepMind Демис Хассабис отмечал передовые возможности Gemini, которые, по его мнению, позволят алгоритму превзойти ChatGPT от OpenAI, работающий на GPT-4 и растущую популярность которого активно оспаривали Google с LaMDA и Bard. Хассабис подчеркнул сильные стороны программы AlphaGo от DeepMind, которая привлекла внимание всего мира в 2016 году, победив чемпиона по игре в го Ли Седоля, заявив, что Gemini объединит мощь AlphaGo и других программ LLM от Google и DeepMind. В августе 2023 года издание опубликовало отчет о плане развития Google по разработке Gemini. В отчете говорилось, что компания намечала дату запуска в конце 2023 года. Поскольку Gemini обучался на расшифровках видео с YouTube, к разработке были привлечены юристы, чтобы отфильтровать любые потенциально защищенные авторским правом материалы.

В сентябре 2023 года издание The Information сообщило, что нескольким компаниям был предоставлен ранний доступ к бета-версии LLM, которую Google намеревалась предоставить клиентам через сервис Vertex AI от Google Cloud. В публикации также утверждалось, что Google готовит Gemini к конкуренции как с GPT-4, так и с GitHub Copilot от Microsoft.

Запуск 6 декабря 2023 года Пичаи и Хассабис анонсировали версию Gemini 1.0 на виртуальной пресс-конференции. Она включала три модели: Gemini Ultra, разработанную для «очень сложных задач», Gemini Pro, разработанную для «широкого спектра задач», и Gemini Nano, разработанную для «простых задач на мобильных устройствах». На момент запуска Gemini Pro и Nano были интегрированы в смартфон Pixel 8 Pro, в то время как Gemini Ultra должен был стать версией, доступной по подписке «Bard Advanced» и быть доступным разработчикам программного обеспечения в начале 2024 года. Google намеревалась включить Gemini в Поиск, Ads, Duet AI и Google Workspace. В рекламе преподносили LLM как «крупнейшую и самую мощную модель искусственного интеллекта» Google, разработанную для имитации человеческого поведения, позже заявив, что Gemini не будет публично доступен до следующего года из-за необходимости «обширных испытаний на безопасность». Gemini был обучен и работал на тензорных процессорах (TPU) разработки Google.

Эксперты разных изданий отмечают, что Gemini Ultra превзошел GPT-4, Claude 2 от Anthropic, Inflection-2 от , LLaMA 2 от Meta и Grok 1 от xAI по ряду отраслевых тестов.

Nano Banana Nano Banana — неофициальное название модели Gemini 2.5 Flash Image для генерации и редактирования изображений. Модель была запущена 26 августа 2025 года в качестве функции чат-бота Gemini и других продуктов Google.

История Название Nano Banana закрепилось за моделью после того, как в августе 2025 года в таблице лидеров появилась загадочная модель под кодовым именем nano-banana, которая заняла первое место в категории нейросетей для обработки изображений. Модель получила более 5 миллионов голосов сообщества и установила рекорд по отрыву 1-го места от остальных в рейтинге Elo (171 балл) за всю историю LMArena. 26 августа 2025 года Google официально представила модель под названием Gemini 2.5 Flash Image, сохранив неофициальное название Nano Banana. 20 ноября 2025 года была выпущена улучшенная версия — Nano Banana Pro (официально Gemini 3 Pro Image) с улучшенным рендерингом текста, поддержкой разрешения до 4K и расширенными знаниями о мире. 26 февраля 2026 года вышла новая версия модели Nano Banana 2, которая, в отличие от Pro версии, стала генерировать изображения быстрее, не теряя высокое качество. Также новая версия поддерживает до пяти единообразных персонажей и позволяет работать с 14 объектами одновременно.

Возможности Модель позволяет изменять детали изображений, их фоны и объединять фотографии с помощью текстовых запросов (промптов) на естественном языке (лучше всего работает английский в силу особенностей обучения модели). Ключевой особенностью является способность распознавать одного и того же человека или предмет () при множественных правках. Функция слияния многих изображений () позволяет объединять до 14 отдельных фотографий в одну композицию (при этом сохраняя идентичность до 5 персонажей и до 6 объектов с высокой точностью) — например, совместить изображение человека из одного снимка, фон из другого и объекты из третьего в единую сцену, а знание анатомии, географии и физических свойств объектов обеспечивает контекстно точные изображения, что снижает количество ошибок. Все созданные изображения содержат  — невидимую цифровую подпись для идентификации AI-сгенерированного контента. Модель доступна через Gemini API, , Google Cloud Platform (Vertex AI) и Flow.

Примечания

Категория:Искусственный интеллект Категория:Google Категория:Искусственный интеллект в музыке Категория:Преобразование текста в изображение Категория:Преобразование текста в видео