1.5 Pro には標準の 128,000 トークンのコンテキスト ウィンドウ (GPT-4 と同じ) がありますが、Google は現在、1.0 Pro の 32,000 トークンに対して、最大 100 万トークンと1,000 万トークンのコンテキスト ウィンドウをテストしていると述べています。モデルが実行できるトークンの数が多いほど、プロンプトが大きくできるため、モデルが一度に処理できるリクエストが大きくなります。Google によると、1.5 Pro は最大 1 時間のビデオ、11 時間のオーディオ、30,000 行を超えるコード (または 700,000 語以上) のコードベースを一度に処理できます。(100,000 行を超えるコードを持つ単一のプロンプトも処理できます。)

1.5 Proは、大量の情報を理解し、複雑かつ具体的な質問に答える能力に優れていると言われています。Googleのデモ動画では、1.5 Proにアポロ11号ミッションの402ページに及ぶトランスクリプトを入力する例が示されています。次に、ブーツを履いて歩くスケッチと地面を指す矢印が表示され、モデルにこの画像の意味を尋ねました。モデルは、このスケッチがニール・アームストロングが月面に降り立ち、有名な言葉を発した瞬間を描いたものであると認識しました。これはすべて、このスケッチから読み取れます。また、無声映画のようにコンテンツを分析し、何が起こったのかを説明したり、ほとんどの視聴者が見逃しがちな小さな瞬間を強調したりすることもできます。

Googleによると、1.5 Proは、同社が使用しているテストベンチマークの87%で1.0 Proを上回っています。また、Gemini Advancedに搭載されているモデルである1.0 Ultraと「ほぼ同等のレベル」で動作しています。同社はまた、「インコンテキスト学習」にも満足しており、モデルは追加のプロンプトを必要とせずに、現在のデータセットから情報を取り込み、新しい方法で適用することができます。

Gemini 1.5を試す方法

GoogleはAI StudioとVertex AIを通じてGemini 1.5 Proのトライアルを実施しており、興味のある開発者向けにウェイティングリストをご用意しています。ご興味のある開発者の方は、こちらからウェイティングリストにご登録いただけます。

Gemini 1.5がGoogleのGeminiサービスを通じて広く利用可能になると、12万5000トークンのウィンドウは無料で利用できるようになります。100万トークンのウィンドウにアクセスするには料金がかかります。（現時点では価格は未定です。）

次の記事へスクロールしてください