Google обновляет Gemini 2.5 Pro, добавляя новый режим Deep Think для расширенных логических возможностей

Google тестирует новый экспериментальный режим для Gemini 2.5 Pro, который расширяет возможности анализа и обеспечивает вывод звука. Новый режим под названием «Deep Think» призван помочь модели оценить несколько гипотез, прежде чем отвечать на запрос. По словам Google, он основан на новых методах исследования и в настоящее время тестируется на ограниченной группе пользователей Gemini API.

Google сообщает, что Gemini 2.5 Pro ^[1] с Deep Think превосходит модель o3 от OpenAI в нескольких задачах, включая математический тест USAMO 2025, тест на программирование LiveCodeBench и MMMU — тест на мультимодальное мышление ^[2].

Google также обновил свою модель 2.5 Flash ^[4], которая оптимизирована для повышения скорости и эффективности. Последняя версия лучше справляется с логическими, мультимодальными задачами и генерацией кода, при этом используя на 20–30% меньше токенов для получения того же результата.

Gemini 2.5 Flash теперь доступен в Google AI Studio ^[5], Vertex AI ^[6] и приложении Gemini ^[7]. Ожидается, что он станет доступен для производственного использования в начале июня.

Новые звуковые функции и компьютерное управление

И Gemini 2.5 Pro, и Flash теперь поддерживают преобразование текста в речь с использованием нескольких профилей динамиков. Голосовой вывод может воспроизводить такие тонкие эффекты, как шёпот и эмоциональный тон, и поддерживает более 24 языков. Разработчики могут управлять акцентом, тоном и стилем речи с помощью Live API.

Две новые функции — «Affective Dialogue» и «Proactive Audio» — призваны сделать голосовое взаимодействие более естественным. Affective Dialogue позволяет модели распознавать эмоции ^[8] в голосе пользователя и реагировать ^[9] соответствующим образом — нейтрально, сочувственно или весело. Proactive Audio помогает отфильтровывать фоновые разговоры, поэтому ИИ реагирует только на прямые обращения. Цель состоит в том, чтобы сократить количество случайных взаимодействий и сделать голосовое управление более надёжным.

Google также внедряет функции из Project Mariner ^[10] в Gemini API и Vertex AI, что позволяет модели управлять компьютерными приложениями, такими как веб-браузер.

Для разработчиков в Gemini теперь доступны «сводки мыслей» — структурированное представление о внутренних рассуждениях модели и выполняемых ею действиях. Для управления производительностью разработчики могут настроить «бюджеты мышления», чтобы ограничить или отключить количество токенов, используемых моделью для рассуждений.

API Gemini также теперь поддерживает Anthropic ^[11] Model Context Protocol (MCP) ^[12], который может упростить интеграцию с инструментами с открытым исходным кодом. Google изучает размещенные MCP-серверы для поддержки разработки приложений на основе агентов.

Модель Gemma с открытым исходным кодом от Google становится мультимодальной

Компания Google добавила в свою линейку ИИ новую модель Gemma 3n ^[13] — легковесную модель с открытым исходным кодом, созданную специально для мобильных устройств, таких как смартфоны, планшеты и ноутбуки. Модель основана на новой архитектуре, разработанной в сотрудничестве с партнерами по производству оборудования, включая Qualcomm, MediaTek и Samsung.

Gemma 3n предназначена для обеспечения мощных мультимодальных возможностей при низком потреблении ресурсов. Версии с параметрами 5B и 8B требуют всего от 2 до 3 ГБ оперативной памяти ^[14], что делает их подходящими для использования на устройствах.

Модель поддерживает обработку текста, аудио и изображений и может выполнять такие задачи, как транскрипция, перевод и обработка смешанных входных данных в различных модальностях. Ключевой особенностью является функция «Mix-n-Match», которая позволяет разработчикам извлекать из основной архитектуры более мелкие подмодели в зависимости от сценария использования.

Google также улучшил многоязычные возможности Gemma 3n, особенно для таких языков, как немецкий, японский, корейский, испанский и французский. Предварительная версия модели теперь доступна через Google AI Studio ^[15] и AI Edge Toolkit ^[16] для локальной разработки.

Пользуясь случаем, хочу порекомендовать BotHub  ^[17]— платформу, где можно протестировать все популярные модели без ограничений. Для доступа к сервису не требуется VPN и можно использовать российскую карту. По ссылке ^[18] вы можете получить 100 000 бесплатных токенов для первых задач и уже сейчас начать работать!

Источник ^[19]