Gemini Pro 1.5 debutta in anteprima su Vertex AI

Google ha annunciato la disponibilità in anteprima pubblica di Gemini 1.5 Pro, il suo modello di AI generativa più avanzato, durante la conferenza Cloud Next 2024 a Las Vegas. Questo modello, lanciato a febbraio, si distingue per la sua capacità di elaborare una quantità di contesto senza precedenti, aprendo la strada a nuove ed entusiasmanti applicazioni nel campo dell’intelligenza artificiale.

Una finestra di contesto mai vista prima

La caratteristica principale di Gemini 1.5 Pro è la sua capacità di elaborare da 128.000 a 1 milione di token, ovvero bit suddivisi di dati grezzi. Questo equivale a circa 700.000 parole o 30.000 righe di codice, superando di gran lunga i modelli concorrenti come Claude 3 di Anthropic e GPT-4 Turbo di OpenAI.

Un contesto così ampio permette a Gemini 1.5 Pro di cogliere meglio il flusso narrativo dei dati, generare risposte più ricche e ridurre la necessità di messa a punto. Questo si traduce in conversazioni e analisi più fluide e pertinenti. Le potenzialità di un modello con una finestra contestuale da 1 milione di token sono molteplici.

Gemini 1.5 Pro può analizzare librerie di codice, esaminare lunghi documenti, tenere conversazioni approfondite e persino analizzare e confrontare contenuti multimediali in diverse lingue, grazie alle sue capacità multilingue e multimodali. Inoltre, è in grado di generare trascrizioni per videoclip, aprendo la strada a nuove opportunità nel campo dell’analisi dei contenuti audiovisivi.

I primi clienti di Gemini Pro 1.5

I primi utenti di Gemini 1.5 Pro, tra cui United Wholesale Mortgage, TBS e Replit, stanno già sfruttando le sue capacità per attività che vanno dalla sottoscrizione di mutui all’automazione dell’etichettatura dei metadati negli archivi multimediali, fino alla generazione e trasformazione del codice.

Tuttavia, l’elaborazione di un milione di token richiede ancora tempi di elaborazione più lunghi rispetto alle query di ChatGPT. Google è consapevole di questa sfida e sta lavorando per ottimizzare il modello nel tempo.