Google สร้างรุ่น Gemini 2.5 Pro (ทดลอง) อย่างเงียบ ๆ ให้กับทุกคนที่ใช้เว็บแอปฟรีตั้งแต่วันที่ 29 มีนาคมซึ่งเป็นการขยายตัวที่รวดเร็วอย่างน่าทึ่งเพียงไม่กี่วันหลังจากการเปิดตัวครั้งแรกในวันที่ 25 มีนาคมสำหรับการจ่ายเงินสมาชิกและนักพัฒนา ความพร้อมใช้งานที่กว้างนี้นำมาซึ่งความสามารถที่น่าสนใจยิ่งขึ้นเมื่อเร็ว ๆ นี้เมื่อเร็ว ๆ นี้ความสามารถที่เน้นไปที่ผู้ชมจำนวนมาก: ความสามารถพิเศษที่ชัดเจนสำหรับการทำความเข้าใจไม่เพียง แต่ข้อความภายในเอกสาร PDF แต่โครงสร้างภาพของพวกเขาเช่นกัน
การวิเคราะห์โดย “วิสัยทัศน์ดั้งเดิม” หน้าต่างบริบทโทเค็นขนาดใหญ่ 1 ล้านโมเดลช่วยให้สามารถนำเข้าและวิเคราะห์เอกสารที่มีความยาวได้อย่างมีประสิทธิภาพ รายละเอียดเอกสารเกี่ยวกับเอกสารเกี่ยวกับ Gemini API เช่นการวิเคราะห์องค์ประกอบภาพเหล่านี้การแยกข้อมูลที่มีโครงสร้างตอบคำถามตามข้อความและภาพรวมและการถ่ายภาพ PDFs ลงในรูปแบบอื่น ๆ ในขณะที่พยายามรักษารูปแบบดั้งเดิม
คำอธิบายของบุคคลที่สามบางอย่างเช่น โพสต์ในคอมเพล็กซ์วิศวกรรม ข้อควรระวังเกี่ยวกับความแม่นยำของโมเดลในพื้นที่นี้ เอกสารอย่างเป็นทางการรายการ วัตถุ”
สิ่งนี้ชี้ให้เห็นว่าในขณะที่ราศีเมถุน 2.5 Pro แสดงสัญญาในการทำความเข้าใจเลย์เอาต์สำหรับงานบางอย่างเช่นการทดสอบ filimonov ที่ผ่านการทดสอบการบรรลุความแม่นยำในการระบุ ประมาณเดือนพฤศจิกายน 2024 ช่วยให้สามารถวิเคราะห์เนื้อหาผสมภายในเอกสารแม้ว่าโดยเฉพาะอย่างยิ่งสำหรับผู้ใช้ที่ชำระเงินหรือผ่าน API ที่มีขีด จำกัด ทางเทคนิคที่แตกต่างกัน
การย้ายของ Google เพื่อเสนอการใช้งานของ Gemini 2.5 Pro กิจกรรมที่กว้างขึ้นและการตรวจสอบบางอย่าง Google ผลักดันโมเดลออกไปอย่างกว้างขวางก่อนที่จะปล่อยเอกสารความปลอดภัยโดยละเอียด”การ์ดรุ่น”เริ่มต้นที่ตีพิมพ์ประมาณวันที่ 16 เมษายนได้รับการวิจารณ์จากผู้เชี่ยวชาญด้านการกำกับดูแล AI เช่น Kevin Bankston ที่ศูนย์ประชาธิปไตยและเทคโนโลยีซึ่งเรียกมันว่า”น้อย”และกังวลเกี่ยวกับ”เรื่องราวที่น่าเป็นห่วงของการแข่งขันที่ด้านล่างของความปลอดภัยและความโปร่งใสของ บริษัท ทำโดยทั่วไปแล้ว”บริบทของการทำซ้ำอย่างรวดเร็วนี้ยังเห็นการเปิดตัวตัวอย่างของ Gemini 2.5 Flash เมื่อวันที่ 18 เมษายนซึ่งเป็นแบบจำลองครั้งแรกที่เปิดเผยต่อสาธารณชนในวันที่ 9 เมษายนและปรับให้เหมาะสมสำหรับความเร็วและประสิทธิภาพการใช้งานผ่านการให้เหตุผลที่ควบคุมได้ หน้าต่าง (ด้วยการวางแผน 2 ล้านตามการประกาศเมื่อวันที่ 25 มีนาคมของ Google) รวมถึงประสิทธิภาพที่แข็งแกร่งในการใช้เหตุผลหลายรูปแบบ (ให้คะแนน 81.7% สำหรับเกณฑ์มาตรฐาน MMMU) และคณิตศาสตร์ที่ซับซ้อน (92.0% สำหรับ AIME 2024) 62.5%) และ Claude 3.7 Sonnet ของมานุษยวิทยาในแบบฝึกหัดการเข้ารหัสแบบอิสระ นี่เป็นตำแหน่ง Gemini 2.5 Pro ในฐานะโมเดลที่มีประสิทธิภาพและอเนกประสงค์ที่มีจุดแข็งเฉพาะโดยเฉพาะอย่างยิ่งในงานหลายรูปแบบและบริบทยาว ๆ แต่ประสิทธิภาพที่แตกต่างกันไปขึ้นอยู่กับโดเมนแอปพลิเคชันเฉพาะเมื่อวัดกับคู่แข่งชั้นนำในสนามที่มีการพัฒนาอย่างรวดเร็ว