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 ในแอปแชตเองก็มีหน้าต่าง canvas ที่เปิดแยกข้างช่องแชทไว้สร้างและแก้เอกสาร สไลด์ หรือโค้ดชิ้นเดิมต่อในที่เดียว 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