Google Gemini

Google Gemini คือตระกูลmodel AI หลักของ Google พัฒนาโดยทีม google-deepmind เปิดตัวปลายปี 2023 ในฐานะรุ่นต่อจากโมเดล PaLM 2 และตั้งแต่ต้นปี 2024 Google ก็ยุบแบรนด์ chatbot เดิมที่ชื่อ Bard มาใช้ชื่อ Gemini แทนทั้งหมด จุดขายตั้งแต่วันแรกคือความเป็น multimodal: ตัวโมเดลถูกออกแบบให้รับและเข้าใจข้อความ ภาพ เสียง วิดีโอ และโค้ดได้ในตัวเดียว ไม่ใช่แค่พิมพ์คุยเป็นตัวหนังสืออย่างเดียว และรุ่นใหญ่สุดของเจเนอเรชันแรก (Gemini Ultra) ก็เป็น llm ตัวแรกที่ทำคะแนน benchmark ชุด MMLU ได้เกินระดับผู้เชี่ยวชาญที่เป็นมนุษย์

ภายในตระกูล Gemini มีหลายขนาดให้เลือกตามลักษณะงาน: เจเนอเรชันแรกแบ่งเป็น Ultra, Pro และ Nano ก่อนจะพัฒนามาเป็นสาย Pro สำหรับงานซับซ้อน กับสาย Flash ที่เน้นเร็วและประหยัด Gemini 1.5 Pro ในปี 2024 เป็นโมเดลกลุ่มแรกๆ ของวงการที่มี context-window ขนาด 1 ล้าน token คือป้อนเอกสารกองโตหรือวิดีโอยาวๆ ให้อ่านจบในครั้งเดียวได้ ส่วนรุ่นถัดมาอย่าง Gemini 2.x และ 3.x หันมาเน้นการคิดวิเคราะห์หลายขั้นแบบ reasoning-model (มีรุ่นชื่อ Deep Think ตรงตัว) ต่อยอดสถาปัตยกรรมแบบ mixture-of-experts ที่ตระกูลนี้ใช้มาตั้งแต่ Gemini 1.5 และรองรับงานแบบ agent ที่ทำงานต่อเนื่องหลายขั้นตอนได้เอง รวมถึงงานเขียนโค้ดเชิง agentic

เหตุผลที่คนทำงานยุค AI ควรรู้จัก Gemini ไม่ใช่แค่เพราะมันเป็นคู่แข่งโดยตรงของ chatgpt และ Claude แต่เพราะ Google ฝังมันเข้าไปในเครื่องมือที่หลายองค์กรใช้อยู่แล้วทุกวัน: Google Search, Chrome, Gmail และเอกสารใน Workspace ไปจนถึงมือถือ Android ทั้ง Pixel และ Samsung Galaxy ฝั่งคนสร้างระบบก็เรียกใช้ผ่าน Gemini API, Google AI Studio และ Vertex AI ได้ ดังนั้นต่อให้ไม่เคยเปิดแอปแชต Gemini เลย ก็มีโอกาสสูงมากว่าคุณกำลังใช้งานโมเดลตระกูลนี้อยู่โดยไม่รู้ตัว

ตัวอย่างจากบทสนทนาจริง

ถาม: ทีมเราใช้ Google Workspace อยู่แล้ว หัวหน้าสั่งให้ลองเอา Gemini มาช่วยงาน แต่ Gemini มันก็แค่แอปแชตเลียนแบบ ChatGPT ไม่ใช่เหรอ จะช่วยอะไรได้มากกว่ากัน

ตอบ: แอปแชตเป็นแค่หน้าบ้านของมันครับ จริงๆ Gemini คือชื่อตระกูลโมเดล AI ของ Google ที่ถูกฝังอยู่ใน Gmail, Docs, Sheets และ Search ด้วย ที่หัวหน้าให้ลองน่าจะหมายถึงฟีเจอร์ Gemini ใน Workspace เช่น ให้ช่วยร่างเมล สรุปไฟล์ยาวๆ หรือดึงข้อมูลจากเอกสารในหน้าจอเดิมที่ใช้ทำงานอยู่แล้ว ไม่ต้องสลับไปเปิดแอปแชตต่างหากเลย

ระวังสับสนกับ

• gemma : ชื่อคล้ายกันและมาจาก Google เหมือนกัน แต่ Gemma เป็นตระกูลโมเดลแบบเปิดขนาดเล็กที่ดาวน์โหลดไปรันในเครื่องตัวเองได้ฟรี ส่วน Gemini เป็นโมเดลปิดที่ใช้ได้ผ่านบริการของ Google เท่านั้น
• Bard : ไม่ใช่คนละผลิตภัณฑ์ แต่เป็นชื่อเดิมของแชตบอตตัวนี้ก่อนที่ Google จะรีแบรนด์เป็น Gemini ในปี 2024 · ถ้าเจอบทความเก่าพูดถึง Bard ให้เข้าใจว่าคือ Gemini รุ่นก่อนหน้านั่นเอง