Google a lancé un nouveau membre de la famille Gemini de modèles d’intelligence artificielle. Situé entre le Nano sur appareil et le Pro basé sur le cloud, Gemini Flash est conçu pour le chat, les tâches complexes qui nécessitent une réponse rapide et la gestion des images, de la vidéo et de la parole.
Dévoilé lors de l’événement annuel des développeurs Google I/O, Gemini Flash 1.5 est un modèle multimodal natif similaire au GPT-4o récemment dévoilé par OpenAI et a été conçu pour la vitesse, ce qui le rend utile pour les conversations en temps réel.
Le nouveau modèle est actuellement disponible dans le monde entier pour que les développeurs puissent l’utiliser dans leurs propres applications, nous pourrions donc bientôt voir un certain nombre d’applications de chat en direct tierces construites à l’aide de Gemini Flash 1.5.
Nous avons également assisté à une mise à niveau vers Gemini Pro 1.5, le modèle lancé pour la première fois plus tôt cette année, et à la nouvelle qu’il alimentera désormais le chatbot premium Gemini Advanced.
Qu’est-ce qui différencie Gemini Flash 1.5 ?
Gemini Flash 1.5 se situe juste au-dessus de Nano et juste en dessous de Pro dans la hiérarchie des tailles et ce qui le rend différent, non seulement de ses frères et sœurs mais des autres modèles d’IA, est la combinaison de vitesse et d’agilité.
En plus d’être rapide et impressionnant dans sa capacité à comprendre du texte, des images, des vidéos et de la parole, Flash 1.5 est bon marché, du moins comparé à Pro qui est 20 fois plus cher.
« Nous savons, grâce aux commentaires des utilisateurs, que certaines applications nécessitent une latence plus faible et un coût de service inférieur », a déclaré Demis Hassabis, PDG de Google DeepMind. « Cela nous a inspiré à continuer d’innover », a-t-il ajouté, dévoilant Flash comme « un modèle plus léger que le 1.5 Pro et conçu pour être rapide et efficace pour être utilisé à grande échelle ».
Une bonne comparaison, au moins en termes de vitesse, est avec le modèle GPT-4o récemment annoncé par OpenAI. Il est très rapide, nativement multimodal et conçu pour une interaction en temps réel. Cela dit, Gemini Flash 1.5 semble être un modèle moins performant en termes de raisonnement.
Qu’en est-il de la fenêtre contextuelle massive ?
Comme les autres modèles de la famille Gemini, Flash 1.5 est livré avec une énorme fenêtre contextuelle d’un million de jetons et la promesse de pouvoir l’utiliser pleinement. En comparaison, GPT-4o a une fenêtre de contenu de 128 000 jetons et Claude 3 est à 200 000 jetons.
Ce qui rend une grande fenêtre contextuelle si importante, c’est la capacité de conserver une quantité massive d’informations dans sa mémoire au cours d’une seule conversation. Ceci est essentiel lorsqu’il s’agit d’analyser un contenu non textuel, car une image vaut 1 000 mots et une vidéo encore plus.
Il a également été entraîné par son grand frère, Gemini Pro 1.5. Hassabis a déclaré que cela a été fait « grâce à un processus appelé « distillation », dans lequel les connaissances et compétences les plus essentielles d’un modèle plus grand sont transférées vers un modèle plus petit et plus efficace.
« 1.5 Flash excelle dans la synthèse, les applications de chat, le sous-titrage d’images et de vidéos, l’extraction de données à partir de longs documents et tableaux, et bien plus encore », grâce à ce processus, a-t-il déclaré.
À mesure que ces modèles, y compris les plus rapides mais plus petits comme Flash, acquièrent la capacité de comprendre plus que du texte, l’augmentation de la fenêtre contextuelle devient encore plus importante.
- Aperçu de Google I/O 2024 : tout ce que nous espérons être annoncé
- Google teste l’IA générative dans ses principaux résultats de recherche : voici ce que nous savons
- Apple AI arrive – et elle pourrait se concentrer sur ces 3 choses
