Google представила мощные ИИ-модели Gemini 2.0 с новыми функциями

Корпорация Google анонсировала новую, флагманскую модель ИИ Gemini 2.0 Pro Experimental, а также революционную нейросеть Gemini 2.0 Flash Thinking, теперь доступную в приложении Gemini.

[media=https://x.com/Google/status/1887170927751729385?ref_src=twsrc%5Etfw]

Модель Gemini 2.0 Pro Experimental является преемником предыдущей версии 1.5 Pro и доступна на платформах Vertex AI, Google AI Studio, а также подписчикам Advanced в приложении Gemini. Художники и исследователи подчеркивают ее навыки в программировании и способности обрабатывать сложные запросы, она "лучше воспринимает и обдумывает информацию о мире".

Контекстное окно профессиональной версии составляет 2 миллиона токенов, что позволяет ей одновременно обрабатывать информацию из всех семи книг о Гарри Поттере, оставляя в запасе порядка 400,000 слов.

Кроме того, модель Gemini 2.0 Flash теперь имеет улучшенную и экономичную версию Lite, что делает использование нейросетей еще более доступным.

Тестирование показало, что производительность серии Gemini 2.0 значительно повысилась по сравнению с предыдущей версией 1.5 по ряду параметров.

Компания также уменьшила стоимость использования Flash и Flash-Lite, опустив ее ниже значений предыдущей версии Gemini 1.5 Flash, улучшив при этом производительность систем.

Недавний шум вокруг эффективной и бюджетной китайской модели ИИ DeepSeek-R1 заставляет задуматься о целесообразности многомиллиардных инвестиций в искусственный интеллект. Укрепляется конкуренция за удешевление нейросетей.

---

Доступная нейросеть за $50

В январе NovaSky представила ИИ-модель с открытым исходным кодом Sky-T1, обучение которой обошлось в $450.

Исследователи из Стэнфорда и Университета Вашингтона также сделали успехи, создав рассуждающую нейросеть за менее чем $50. Модель s1 показывает результаты, аналогичные o1 от OpenAI и R1 от DeepSeek, и доступна на GitHub вместе с данными и кодом для обучения.

Команда проекта использовала готовую базовую нейросеть и доработала ее с помощью дистилляции — метода, при котором способности к рассуждению извлекаются из другой ИИ-модели, обучая на ответах.

Основой для s1 стала небольшая бесплатная ИИ-модель Qwen от Alibaba. Исследователи создали уникальный набор данных из 1000 вопросов и ответов на них с использованием данных Gemini 2.0 Flash Thinking Experimental.

Обучение проводилось на 16 графических процессорах Nvidia H100 и заняло менее 30 минут.

Дистилляция: этичный процесс?

Идея создания передовых ИИ-моделей с минимальными финансовыми затратами выглядит многообещающе. Тем не менее, крупные исследовательские лаборатории могут быть недовольны подобным подходом.

OpenAI обвинила DeepSeek в использовании данных из своего API для дистилляции без разрешения.

Разработчики s1 искали наилучший и простейший метод для достижения выдающихся результатов. Обучение прошло в рамках подхода Supervised Fine-Tuning (SFT), в котором моделям дают инструкции подражать определенному поведению в предоставленных данных.

SFT является более доступным методом по сравнению с крупномасштабным обучением с подкреплением.

Google предоставляет бесплатный доступ к Gemini 2.0 Flash Thinking Experimental через платформу Google AI Studio.

Необходимость крупных инвестиций

Несмотря на растущий интерес к дешевым нейросетям, такие гиганты, как Meta, Google и Microsoft, не планируют сокращать объемы инвестиций в обучение новых моделей.

Хотя метод дистилляции показывает свою эффективность для доработки моделей, он не дает возможности создать новые нейросети, которые могли бы значительно превзойти существующие решения.

К слову, 21 января Дональд Трамп объявил о частных инвестициях в инфраструктуру искусственного интеллекта на сумму $500 миллиардов.