Google、LLM「Gemini 1.5 Pro」の改良と「Gemini 1.5 Flash」「Gemma」の新モデルを発表：ネイティブマルチモーダルモデルと軽量オープンモデルの両ファミリーを拡充

Googleは、大規模言語モデル「Gemini 1.5 Pro」のアップデート、新しい軽量モデル「Gemini 1.5 Flash」、Gemini APIの新機能、軽量オープンモデルファミリー「Gemma」の新モデルを発表した。

[＠IT]

　Googleは2024年5月15日（米国時間、以下同）、大規模言語モデル（LLM）「Gemini 1.5 Pro」のアップデート（200万トークンのコンテキストウィンドウなど）、Geminiファミリーの新しい軽量モデル「Gemini 1.5 Flash」、Gemini APIの新しい開発者向け機能、次世代オープンモデル「Gemma 2」、Google初のビジョン言語モデル「PaliGemma」を発表した。

Gemini 1.5 Proの改良と新しい1.5 Flashモデル

　2023年12月に公開されたGemini 1.0は、Google初のネイティブマルチモーダルモデルだった。パフォーマンスが強化され、100万トークンの長いコンテキストウィンドウを備えた1.5 Proが2024年2月に公開された。Googleは2023年12月から、企業が「Google AI Studio」とGoogle Cloudの「Vertex AI」でGemini APIを利用できるようにしている。

Gemini 1.5 Proの改良

　Gemini 1.5 Proは今回、翻訳、コード生成、論理的推論とプランニング、マルチターン会話、音声と画像の理解など、主要なユースケースにわたって品質が改善された。

Gemini 1.5 Flash

　この小型Geminiモデルは、モデルの応答速度が最も重要な、より狭い範囲のタスクや高頻度のタスクに最適化されている。要約、チャット、画像や動画のキャプション、長い文書や表からのデータ抽出などに優れている。

提供時期

　両モデルとも、2024年5月15日から200以上の国、地域でプレビュー版が入手可能になった。6月に一般提供が開始される。

ネイティブマルチモーダルと長いコンテキストウィンドウ

　Gemini 1.5 ProとGemini 1.5 Flashは100万トークンのコンテキストウィンドウを備えており、テキスト、画像、音声、動画の入力をインターリーブすることができる。1.5 Proはコンテキストウィンドウが200万トークンに拡張される。この機能にアクセスするには、Google AI Studio用かVertex AI用の待機リストに登録する必要がある。

Gemini APIの新しい開発者向け機能と料金オプション

新しい開発者向け機能

　2つのAPI機能（ビデオフレーム抽出と、一度に複数の関数呼び出しを返せる並列関数呼び出し）が導入される。2024年6月には、Gemini 1.5 Proにコンテキストキャッシュ機能が追加され、プロンプトの一部（大きなファイルを含む）をモデルに一度送信すれば済むようになる。

料金

　特定の地域でGoogle AI StudioからGemini APIに無料でアクセスできるようになる。また、新しい従量課金サービスでサポートされる使用量制限の引き上げも可能になる。

Gemmaファミリーの新モデル

　Gemmaは、Geminiモデルの開発に利用された研究と技術によって構築された軽量オープンモデルファミリーだ。

Gemma 2

　次世代オープンモデルであるGemma 2は、2024年6月に提供が開始される。Googleは、開発者にとって最も有用なサイズで業界をリードするパフォーマンスを実現するとしている。新しいGemma 27B（270億パラメーター）モデルは、2倍以上のサイズを持つ一部モデルを上回るパフォーマンスを発揮し、Vertex AIでGPU（Graphics Processing Unit）や単一のTPU（Tensor Processing Unit）ホスト上で効率的に動作する。

PaliGemma

　Google初のビジョン言語オープンモデル。2024年5月15日に提供が開始された。画像キャプション、ビジュアルQ&A、その他の画像ラベリングタスクに最適化されている。既存の「CodeGemma」「RecurrentGemma」と同様に、事前にトレーニングされている。