Google DeepMind の Gemini Team（2023）が発表した Gemini は、当初からマルチモーダルとして設計されており、テキスト、画像、音声、動画を1つのモデルで処理します。データセンターでの高度な推論からデバイス上での利用までをカバーする複数のサイズ（Ultra、Pro、Nano）が用意されており、公開時には幅広いベンチマーク群で最高水準の結果を報告しました。
Gemini は、MultipleChat が並行して問い合わせ、比較する4つの主要モデルの1つです。
モデルと製品
2026年更新
Gemini
定義
Google DeepMind のネイティブ・マルチモーダルなモデルのファミリー。テキスト、画像、音声、動画をまとめて推論できるよう設計されています。
参考文献
この定義の根拠となる一次資料、査読済み資料、アーカイブ資料です。
Gemini: A Family of Highly Capable Multimodal Models
辞書・百科事典の項目
- Wikipedia — Gemini (language model)
- Google DeepMind — Gemini — 概要
この項目を引用する
MultipleChat「Gemini」MultipleChat AI・LLM 用語集、2026年。https://multiple.chat/ai-glossary/gemini