Saiba mais sobre os modelos do Gemini

A família de modelos Gemini é considerada multimodal porque é capaz de processamento de 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 para ele dar uma receita para você.

Comando Resposta

Mostre um roteiro para esses cookies.

Foto de vários biscoitos de chocolate
**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 o Gemini API fornecido por Vertex AI em Google Cloud. Para apps da Web e para dispositivos móveis, SDKs do Vertex AI in Firebase para chamar a API Gemini e interagir com os Gemini diretamente do seu app.

Esta página traz as seguintes informações sobre os modelos Gemini:

  • Comparação detalhada dos casos de uso dos vários modelos do Gemini incluindo os tipos de entrada compatíveis.

  • Comparação dos detalhes de cada modelo, por exemplo tokens de entrada máximos 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

Você pode usar qualquer um dos seguintes modelos do Gemini com Vertex AI in Firebase:

  • Gemini 1.5 Flash
    Modelo multimodal que oferece suporte à mesma entrada e saída como o 1.5 Pro, mas com uma compreensão de longo contexto de 1 milhão de tokens. O Gemini 1.5 Flash foi projetado especificamente para aplicativos de alto volume aplicativos conteinerizados.

  • Gemini 1.5 Pro
    Um modelo multimodal que oferece suporte à adição de imagem, áudio, vídeo e arquivos PDF em comandos de texto ou chat para uma resposta de texto ou código. Além disso, ele oferece suporte à compreensão de contexto longo com 2 milhões de tokens.

  • Gemini 1.0 Pro Vision
    Modelo multimodal projetado para lidar com texto e imagens e vídeo 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, com várias interações conversar com texto, 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. Para saber mais, consulte a documentação do Google Cloud sobre cada um dos Modelos do Gemini.

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
Texto
Código
Imagem
PDF
Vídeo (somente frames)
Vídeo (frames e áudio)
Áudio
Tipos de saída
Texto
Código

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

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 do Vertex AI in 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) * 1.048.576 tokens 2.097.152 tokens 16.384 tokens 32.760 tokens
Limite de tokens 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) Aprox. 60 minutos de vídeo Aprox. 60 minutos de vídeo 2 minutos N/A
Duração máxima do vídeo (frames e áudio) Aprox. 45 minutos de vídeo Aprox. 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 Cerca de 8,4 horas de áudio Cerca de 8,4 horas de áudio N/A N/A

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

Aqui você encontra informações ainda mais detalhadas sobre os modelos e arquivos de entrada:

Controle de versões dos modelos

Os modelos do Gemini são oferecidos nos modos estável, atualizado automaticamente e pré-lançamento. mais recentes.

  • As versões estáveis são consideradas com disponibilidade geral.

    • As versões estáveis têm nomes de modelo anexados com um um número de versão de três dígitos, por exemplo gemini-1.0-pro-001.
  • As versões atualizadas automaticamente sempre apontam para a versão estável mais recente do esse modelo; se uma nova versão estável for lançada, a versão atualizada automaticamente começa a apontar automaticamente para essa nova versão estável.

    • As versões atualizadas automaticamente têm nomes de modelo sem apêndice, por exemplo gemini-1.0-pro.
  • As versões de pré-lançamento têm novos recursos e são consideradas não estáveis. As versões de visualização sempre apontam para a versão de pré-lançamento mais recente do esse modelo; se uma nova versão de pré-lançamento for lançada, qualquer versão de visualização existente começa a apontar automaticamente para essa nova versão de visualização.

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

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

Nomes de modelos disponíveis

Nomes de modelos são os valores explícitos que você inclui no código durante inicial do modelo generativo (que é uma etapa necessária para chamar a função Gemini API). Para ver exemplos de inicialização para sua linguagem, consulte a guia para iniciantes.

Nomes de modelos do Flash 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 ---
Versões de pré-lançamento
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 ---
Versões de pré-lançamento
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

  • Todos os modelos Gemini podem entender e responder de 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), 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), Suaíli (sw), sueco (sv), tailandês (th), turco (tr), ucraniano (uk), Vietnamita (vi)

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

    Africâner (af), amárico (am), assamês (as), azerbaijano (az), Bielorrusso (be), bósnio (bs), catalão (ca), Cebuano (ceb), Córsego (co), Galês (cy), Dhivehi (dv), esperanto (eo), basco (eu), persa (fa), Filipino (Tagalog) (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), Laos (lo), Malgaxe (mg), maori (mi), macedônio (mk), malaiala (ml), mongol (mn), Meiteilon (Manipuri) (mni-Mtei), marati (mr), malaio (ms), maltês (mt), Mianmar (birmanês) (meu), Nepalês (ne), Nyanja (Chichewa) (ny), Oriá (oriya) (ou), punjabi (pa), pashto (ps), sindi (sd), Cingalês (Cingalês) (si), Samoano (sm), Shona (sn), Somali (so), Albanês (sq), Sesoto (st), sundanês (su), tâmil (ta), télugo (te), tadjique (tg), Uigur (ug), urdu (ur), usbeque (uz), Xhosa (xh), iídiche (yi), iorubá (yo) Zulu (zu)

.

Próximas etapas

Teste os recursos do Gemini API