Google präsentiert das Pro-Modell von Gemini 1.5: Künstliche Intelligenz auf einem neuen Niveau mit fortschrittlichem Audioverständnis und verbesserten Systembefehlen.

Kürzlich hat Google bedeutende Fortschritte im Bereich der künstlichen Intelligenz gemacht mit der weltweiten Einführung seines mit Spannung erwarteten Modells Gemini 1.5 Pro, das jetzt in über 180 Ländern und Regionen verfügbar ist. Dieses Modell setzt nicht nur die hervorragende Leistung der Gemini-Serie fort, sondern bietet auch wesentliche Verbesserungen, darunter verbesserte Audioverständnisfähigkeiten sowie neue Funktionen wie Systemanweisungen und JSON-Ausgabe, die Entwicklern robustere und flexiblere Steuerungsmöglichkeiten bieten.

Seit den eingeschränkten Entwicklertests im Google AI Studio vor zwei Monaten hat Gemini 1.5 Pro aufgrund seiner beeindruckenden 1M Kontextfenster und der nativen Audioverständnisfähigkeiten große Aufmerksamkeit auf sich gezogen. Die globale Veröffentlichung wird voraussichtlich die Anwendung und Entwicklung von KI-Technologien in verschiedenen Branchen weiter beschleunigen.

Im Bereich des Audioverständnisses hat Gemini 1.5 Pro die Fähigkeit erreicht, aus hochgeladenen Video-Frames und Audio (Sprache) Schlüsse zu ziehen, was neue Möglichkeiten in der Audio- und Videoverarbeitung eröffnet. Entwickler können Google AI Studio und die Gemini API nutzen, um tiefgreifende Analysen und Verarbeitungen von Audio- und Videodaten durchzuführen, und so intelligentere, effizientere Anwendungen zu schaffen.

Die Einführung von Systemanweisungen ermöglicht es Entwicklern, die Antworten des Modells präzise zu steuern, indem Rollen, Formate, Ziele und Regeln definiert werden. Diese Verbesserung erhöht nicht nur die Kontrollierbarkeit des Modells, sondern steigert auch dessen Anpassungsfähigkeit, wodurch Entwickler Antworten auf spezifische Anwendungsfälle zuschneiden können.

Um dem Bedarf an strukturierten Daten gerecht zu werden, unterstützt Gemini 1.5 Pro jetzt die JSON-Ausgabe, die es ermöglicht, strukturierte Daten aus Texten oder Bildern über JSON-Objekte zu extrahieren. Entwickler können cURL für Datenaufrufe verwenden, mit der Absicht, in Zukunft ein Python SDK zu unterstützen, um die Datenverarbeitungsabläufe zu optimieren.

Gemini 1.5 Pro umfasst auch Verbesserungen bei Funktionsaufrufen. Entwickler können jetzt aus verschiedenen Modi wählen, um die Ausgaben des Modells einzuschränken, was Zuverlässigkeit und Genauigkeit erhöht. Ob für die Textgenerierung, die Ausführung von Funktionen oder ausschließlich für Funktionsaufrufe, Entwickler haben die Flexibilität, sich nach ihren spezifischen Anforderungen anzupassen.

Zusätzlich hat Google das nächste Text-Embedding-Modell, text-embedding-004/text-embedding-preview-0409, vorgestellt, das in den MTEB-Benchmark-Tests außergewöhnlich abgeschnitten hat und bestehende vergleichbare Modelle übertrifft. Dieses neue Embedding-Modell bietet effizientere Werkzeuge zur Textverarbeitung und -analyse.

Zusammenfassend lässt sich sagen, dass die Einführung von Gemini 1.5 Pro einen weiteren wichtigen Durchbruch für Google im Bereich der KI-Technologien darstellt. Mit seinen neuen Funktionen, einschließlich Audioverständnis, Systemanweisungen und JSON-Ausgabe, bietet dieses Modell leistungsstarke und flexible Werkzeuge für Entwickler, die den Weg für eine weitreichende Anwendung von KI in verschiedenen Bereichen ebnen werden. Wir freuen uns auf innovative Anwendungen, die auf Gemini 1.5 Pro basieren und unser alltägliches Leben bereichern werden.