Gemini Ultra ist ein multimodales großes Sprachmodell, das von Google DeepMind entwickelt und am 6. Dezember 2023 als Flaggschiff-Komponente der Gemini-1.0-Familie angekündigt wurde. Es wurde als Googles leistungsfähigstes KI-Modell positioniert, das für hochkomplexe Aufgaben konzipiert ist, und war das erste Sprachmodell, das menschliche Experten beim 57-Fächer umfassenden Massive Multitask Language Understanding (MMLU)-Test übertraf, mit einer Punktzahl von 90 %. Das Modell war ein direkter Konkurrent zu OpenAIs GPT-4, und seine Veröffentlichung markierte eine bedeutende Eskalation im Wettlauf um generative KI.
Die Gemini-Familie, zu der auch Gemini Pro und Gemini Nano gehören, wurde nach dem lateinischen Wort für „Zwillinge" benannt, was die Verschmelzung von Google Brain und DeepMind zu Google DeepMind sowie das NASA-Projekt Gemini symbolisiert. Gemini Ultra wurde auf Googles Tensor Processing Units (TPUs) trainiert und war darauf ausgelegt, mehrere Datentypen gleichzeitig zu verarbeiten, darunter Text, Bilder, Audio, Video und Computercode.
Entwicklungsgeschichte
Google kündigte Gemini erstmals während der Google-I/O-Keynote am 10. Mai 2023 an, wobei CEO Sundar Pichai es als leistungsfähigeren Nachfolger von PaLM 2 beschrieb. Das Projekt war eine Zusammenarbeit zwischen DeepMind und Google Brain, die sich kürzlich unter der Führung von CEO Demis Hassabis zusammengeschlossen hatten. Hassabis betonte, dass Gemini die Stärken von DeepMinds AlphaGo-Programm, das 2016 weltweite Aufmerksamkeit erlangte, als es den Go-Champion Lee Sedol besiegte, mit fortschrittlichen Sprachmodellfähigkeiten kombinieren würde.
Im August 2023 berichtete The Information, dass Google einen Start Ende 2023 anstrebte und hoffte, Konkurrenten zu übertreffen, indem es konversationelle Textfähigkeiten mit KI-gestützter Bildgenerierung integrierte. Google-Mitbegründer Sergey Brin wurde aus dem Ruhestand zurückgeholt, um bei der Entwicklung zu helfen, zusammen mit Hunderten von Ingenieuren von Google Brain und DeepMind. Er wurde später als „Kernbeiträger" zu Gemini genannt. Da das Modell mit Transkripten von YouTube-Videos trainiert wurde, wurden Anwälte hinzugezogen, um potenziell urheberrechtlich geschütztes Material herauszufiltern.
Die Entwicklung von Gemini wurde als Reaktion auf die wachsende Popularität von ChatGPT und GPT-4 beschleunigt. OpenAI soll seine Arbeit an der Integration multimodaler Funktionen in GPT-4 beschleunigt haben, nachdem es von Gemenis bevorstehendem Start erfahren hatte. Mehreren Unternehmen wurde über Googles Vertex AI-Dienst frühzeitiger Zugang zu einer frühen Version des Modells gewährt.
Startveranstaltung und anfängliche Verfügbarkeit
Am 6. Dezember 2023 kündigten Pichai und Hassabis „Gemini 1.0" bei einer virtuellen Pressekonferenz an. Die Veröffentlichung umfasste drei Modelle: Gemini Ultra für hochkomplexe Aufgaben, Gemini Pro für eine breite Palette von Aufgaben und Gemini Nano für Aufgaben auf dem Gerät. Zum Start wurden Gemini Pro und Nano in Bard bzw. das Pixel 8 Pro-Smartphone integriert. Gemini Ultra sollte „Bard Advanced" antreiben und Anfang 2024 für Softwareentwickler verfügbar sein.
Google erklärte, dass Gemini erst im folgenden Jahr breit verfügbar gemacht würde, da umfangreiche Sicherheitstests erforderlich seien. Das Modell war zum Start nur auf Englisch verfügbar. Weitere Produkte, in die Google Gemini integrieren wollte, umfassten Suche, Ads, Chrome, Duet AI in Google Workspace und AlphaCode 2.
Benchmark-Leistung und Vergleiche
Es wurde behauptet, dass Gemini Ultra GPT-4, Anthropics Claude, Inflection AIs Inflection-2, Metas Llama 2 und xAIs Grok bei einer Vielzahl von Branchen-Benchmarks übertroffen habe. Gemini Pro soll GPT-3.5 übertroffen haben. Die bemerkenswerteste Leistung war Gemenis Ultra-Punktzahl von 90 % beim MMLU-Test, was es zum ersten Sprachmodell machte, das die Leistung menschlicher Experten bei diesem Benchmark übertraf.
Diese Behauptungen stießen bei einigen Forschern auf Skepsis, die darauf hinwiesen, dass Benchmark-Ergebnisse durch Testkontamination oder spezifische Bewertungsbedingungen beeinflusst werden könnten. Google hielt jedoch daran fest, dass die Leistung des Modells einen echten Fortschritt in den KI-Fähigkeiten darstelle.
Integration und Bereitstellung
Gemini Pro wurde Google-Cloud-Kunden am 13. Dezember 2023 auf AI Studio und Vertex AI zur Verfügung gestellt. Gemini Nano wurde auch Android-Entwicklern zur Verfügung gestellt. Im Januar 2024 ging Google eine Partnerschaft mit Samsung Electronics ein, um Gemini Nano und Gemini Pro in seine Galaxy-S24-Smartphone-Reihe zu integrieren.
Im Februar 2024 wurden Bard und Duet AI unter der Marke Gemini vereinheitlicht, wobei „Gemini Advanced with Ultra 1.0" über eine neue „AI Premium"-Stufe des Google-One-Abonnementdienstes veröffentlicht wurde. Dies markierte die erste Verbraucherverfügbarkeit von Gemini Ultra, das zuvor nur ausgewählten Entwicklern und Unternehmenskunden vorbehalten war.
Sicherheits- und Regulierungsüberlegungen
In Übereinstimmung mit einer Durchführungsverordnung, die US-Präsident Joe Biden im Oktober 2023 unterzeichnet hatte, erklärte Google, dass es Testergebnisse von Gemini Ultra mit der Bundesregierung der Vereinigten Staaten teilen werde. Ebenso führte das Unternehmen Gespräche mit der Regierung des Vereinigten Königreichs, um die auf dem KI-Sicherheitsgipfel in Bletchley Park im November 2023 festgelegten Prinzipien einzuhalten.
Hassabis enthüllte weiter, dass DeepMind untersuchte, wie Gemini mit Robotik kombiniert werden könnte, um physisch mit der Welt zu interagieren. Dies spiegelte einen breiteren Trend in der KI-Branche hin zu verkörperten KI-Systemen wider.
Nachfolgende Entwicklungen
Im Februar 2024 startete Google Gemini 1.5 und beschrieb es als ein leistungsfähigeres und fähigeres Modell als 1.0 Ultra. Zu den Änderungen gehörten eine neue Architektur, ein Mixture-of-Experts-Ansatz und ein größeres Kontextfenster von einer Million Token. Im selben Monat debütierte Google Gemma, eine kleinere, kostenlose und quelloffene Reihe von Gemini-Modellen, die weithin als Reaktion auf Meta und andere beschrieben wurde, die ihre KI-Modelle als Open Source veröffentlichen.
Im Dezember 2024 kündigte Google das neue Gemini-2.0-Flash-Experimental-Modell an, das Funktionen wie eine Multimodal-Live-API für Echtzeit-Audio- und Video-Interaktionen, native Bildgenerierung und verbesserte agentische Fähigkeiten einführte. Im Juni 2025 führte Google Gemini CLI ein, einen quelloffenen KI-Agenten, der Gemini-Fähigkeiten direkt ins Terminal bringt.
Auswirkungen und Vermächtnis
Die Einführung von Gemini Ultra stellte einen entscheidenden Moment in der Wettbewerbslandschaft der Entwicklung großer Sprachmodelle dar. Es zeigte, dass Google Grenzmodelle produzieren konnte, die mit denen von OpenAI vergleichbar oder besser waren, und beschleunigte die Integration multimodaler Fähigkeiten in Mainstream-KI-Produkte. Der Erfolg des Modells bestätigte auch die Fusion von Google Brain und DeepMind, die im April 2023 abgeschlossen worden war.
Gemenis Ultra-Benchmark-Leistung, insbesondere bei MMLU, setzte einen neuen Standard für die Bewertung von KI-Systemen. Seine Bereitstellung im gesamten Google-Produktökosystem, von Smartphones bis hin zu Cloud-Diensten, veranschaulichte die Strategie des Unternehmens, fortschrittliche KI in alltägliche Werkzeuge zu integrieren. Das Modell trug auch zu laufenden Debatten über KI-Sicherheit, Regulierung und die verantwortungsvolle Entwicklung immer leistungsfähigerer Systeme bei.