Gemini, présenté par la Gemini Team de Google DeepMind (2023), a été conçu dès l’origine pour être multimodal et traiter texte, images, audio et vidéo dans un seul modèle. Il existe en plusieurs tailles (Ultra, Pro, Nano), du raisonnement en data center à l’usage embarqué sur appareil, et affichait à sa sortie des résultats à l’état de l’art sur une large batterie de benchmarks.
Gemini fait partie des quatre modèles de premier plan que MultipleChat interroge et compare en parallèle.