Gemini Flash

• Gemini Flash dicirikan oleh bobot yang ringan, kecepatan tinggi, dan efisiensi biaya, serta menyediakan penalaran multimodal dan jendela konteks panjang hingga satu juta token.

Performa

Dirancang untuk kecepatan

• Kecepatan: Pada sebagian besar kasus penggunaan developer dan perusahaan, latensi token pertama berada di bawah satu detik.
• Efisiensi biaya: Untuk sebagian besar tugas umum, 1.5 Flash menawarkan kualitas yang serupa dengan model yang lebih besar, tetapi dengan biaya yang jauh lebih rendah.
• Pemahaman konteks panjang: Dapat memproses video dan audio selama berjam-jam, serta menangani ratusan ribu kata atau baris kode.

Konteks yang lebih panjang

• Jendela konteks: Secara default menyediakan jendela konteks satu juta token, sehingga dapat menangani video 1 jam, audio 11 jam, codebase lebih dari 30.000 baris, atau lebih dari 700.000 kata.

Inovasi tanpa henti

• Tim riset: Mengeksplorasi ide-ide baru di garis depan AI dan mengembangkan produk inovatif yang menunjukkan kemajuan konsisten di berbagai benchmark.
• Model terbaru: Gemini 1.5 Flash.

Perbandingan performa

• Umum: Menangani pertanyaan dari 57 mata pelajaran (sains, humaniora, dll.) pada benchmark MMLU.

  • Gemini 1.0 Pro: 71.8%
  • Gemini 1.0 Ultra: 83.7%
  • Gemini 1.5 Pro (Februari 2024): 81.9%
  • Gemini 1.5 Flash: 78.9%

• Kode: Pembuatan kode Python, menggunakan dataset yang mirip dengan HumanEval.

  • Gemini 1.0 Pro: 69.6%
  • Gemini 1.0 Ultra: 74.9%
  • Gemini 1.5 Pro (Februari 2024): 77.7%
  • Gemini 1.5 Flash: 77.2%

• Matematika: Soal matematika menantang (aljabar, geometri, kalkulus, dll.).

  • Gemini 1.0 Pro: 32.6%
  • Gemini 1.0 Ultra: 53.2%
  • Gemini 1.5 Pro (Februari 2024): 58.5%
  • Gemini 1.5 Flash: 54.9%

• Penalaran: Dataset pertanyaan yang ditulis oleh para ahli biologi, fisika, dan kimia.

  • Gemini 1.0 Pro: 27.9%
  • Gemini 1.0 Ultra: 35.7%
  • Gemini 1.5 Pro (Februari 2024): 41.5%
  • Gemini 1.5 Flash: 39.5%

• Multibahasa: Terjemahan bahasa WMT23.

  • Gemini 1.0 Pro: 71.7
  • Gemini 1.0 Ultra: 74.4
  • Gemini 1.5 Pro (Februari 2024): 75.2
  • Gemini 1.5 Flash: 74.1

• Gambar: Soal penalaran multidisipliner tingkat universitas.

  • Gemini 1.0 Pro: 47.9%
  • Gemini 1.0 Ultra: 59.4%
  • Gemini 1.5 Pro (Februari 2024): 58.5%
  • Gemini 1.5 Flash: 56.1%

• Audio: Pengenalan ucapan otomatis untuk 55 bahasa (berdasarkan word error rate, semakin rendah semakin baik).

  • Gemini 1.0 Pro: 6.4
  • Gemini 1.0 Ultra: 6.0
  • Gemini 1.5 Pro (Februari 2024): 6.6
  • Gemini 1.5 Flash: 9.8

• Video: Tanya jawab video.

  • Gemini 1.0 Pro: 55.7%
  • Gemini 1.0 Ultra: 61.5%
  • Gemini 1.5 Pro (Februari 2024): 63.2%
  • Gemini 1.5 Flash: 63.5%

Panduan untuk developer

Membangun dengan Gemini

• Google AI Studio: Cara mudah untuk mengembangkan prompt model dan membangun dengan cepat menggunakan Gemini API.
• Vertex AI: Alat yang ditujukan khusus untuk data scientist dan engineer machine learning.

Opini GN⁺

1. Jendela konteks panjang: Jendela konteks satu juta token pada Gemini Flash sangat berguna untuk pemrosesan data skala besar. Ini sangat membantu terutama untuk proyek yang menangani video, audio, dan codebase besar.
2. Efisiensi biaya: Gemini Flash menawarkan kualitas yang serupa dengan model yang lebih besar, tetapi dengan biaya yang lebih rendah. Ini sangat menguntungkan untuk proyek atau startup dengan anggaran terbatas.
3. Beragam benchmark: Performa Gemini Flash dapat dilihat di berbagai benchmark. Ini menunjukkan fleksibilitas model tersebut.
4. Ramah developer: Mudah diintegrasikan melalui Google AI Studio dan Vertex AI, sehingga sangat nyaman bagi developer.
5. Produk pesaing: Jika dibandingkan dengan model lain seperti GPT-4 dari OpenAI, Gemini Flash memiliki daya saing dari sisi kecepatan dan biaya.