Google、マルチモーダルAI「Gemini 1.0」発表──Ultra・Pro・Nanoの3サイズ展開

Googleが新世代の大規模AIモデル「Gemini 1.0」を発表しました。同社が「これまでで最大かつ最も高性能」と位置付けるモデルで、テキストだけでなく画像・音声・動画・コードを最初から統合的に扱えるよう設計されたマルチモーダル構成が特徴です。Bardの基盤モデルとしても採用され、Googleの対話型AI戦略の転換点となりました。

詳細

• 3つのサイズ展開: 最上位の高度な推論向け「Gemini Ultra」、幅広い用途向けの「Gemini Pro」、オンデバイス処理向けの軽量版「Gemini Nano」を用意
• 設計思想: テキスト・画像・音声・動画・コードを後から組み合わせるのではなく、初めからマルチモーダル前提で学習
• 提供開始: Gemini Proは同日からBardに組み込まれて利用可能に。Ultraは安全性テストを経て翌年提供予定と説明
• ベンチマーク: 主要ベンチマークでGPT-4を上回ると主張し、大きな注目を集めた
• 開発体制: Google DeepMindが中心となって開発、バーチャル記者会見形式で発表された

その後

Gemini 1.0の発表を機に、Googleは「Bard」ブランドを段階的に「Gemini」へ統一していく方針を明確化。2024年2月にはBardの名称自体がGeminiに変更され、Gemini Advanced(Ultra 1.0搭載)が登場するなど、その後の製品展開の起点となりました。