Gemini Ultra एक मल्टीमॉडल लार्ज लैंग्वेज मॉडल है, जिसे Google DeepMind द्वारा विकसित किया गया है, और 6 दिसंबर 2023 को Gemini 1.0 परिवार के प्रमुख घटक के रूप में घोषित किया गया था। इसे Google के सबसे सक्षम AI मॉडल के रूप में स्थापित किया गया था, जो अत्यधिक जटिल कार्यों के लिए डिज़ाइन किया गया था, और यह पहला भाषा मॉडल था जिसने 57-विषयों वाले Massive Multitask Language Understanding (MMLU) परीक्षण में मानव विशेषज्ञों को पीछे छोड़ दिया, जिसमें 90% स्कोर किया। यह मॉडल OpenAI के GPT-4 का सीधा प्रतियोगी था, और इसकी रिलीज़ ने जनरेटिव AI प्रतिस्पर्धा में एक महत्वपूर्ण वृद्धि को चिह्नित किया।
Gemini परिवार, जिसमें Gemini Pro और Gemini Nano भी शामिल हैं, का नाम लैटिन शब्द "twins" के नाम पर रखा गया था, जो Google Brain और DeepMind के Google DeepMind में विलय का प्रतीक है, साथ ही NASA के प्रोजेक्ट Gemini का भी। Gemini Ultra को Google के Tensor Processing Units (TPUs) पर प्रशिक्षित किया गया था और इसे एक साथ कई डेटा प्रकारों को संसाधित करने के लिए डिज़ाइन किया गया था, जिसमें टेक्स्ट, चित्र, ऑडियो, वीडियो और कंप्यूटर कोड शामिल हैं।
Development Background
Google ने पहली बार 10 मई 2023 को Google I/O की मुख्य प्रस्तुति के दौरान Gemini की घोषणा की, जिसमें CEO Sundar Pichai ने इसे PaLM 2 के अधिक शक्तिशाली उत्तराधिकारी के रूप में वर्णित किया। यह परियोजना DeepMind और Google Brain के बीच एक सहयोग थी, जो हाल ही में CEO Demis Hassabis के नेतृत्व में विलय हो गए थे। Hassabis ने जोर दिया कि Gemini DeepMind के AlphaGo कार्यक्रम की ताकत को जोड़ देगा, जिसने 2016 में गो चैंपियन ली सेडोल को हराकर दुनिया भर में ध्यान आकर्षित किया था, साथ ही उन्नत भाषा मॉडल क्षमताओं के साथ।
अगस्त 2023 में, The Information ने रिपोर्ट किया कि Google 2023 के अंत में लॉन्च का लक्ष्य बना रहा था और संवादात्मक टेक्स्ट क्षमताओं को AI-संचालित छवि निर्माण के साथ एकीकृत करके प्रतिस्पर्धियों को पीछे छोड़ने की उम्मीद कर रहा था। Google के सह-संस्थापक Sergey Brin को विकास में सहायता के लिए सेवानिवृत्ति से बुलाया गया था, साथ ही Google Brain और DeepMind के सैकड़ों इंजीनियरों के साथ। बाद में उन्हें Gemini के "मुख्य योगदानकर्ता" के रूप में श्रेय दिया गया। चूंकि मॉडल को YouTube वीडियो के ट्रांसक्रिप्ट पर प्रशिक्षित किया गया था, इसलिए संभावित कॉपीराइट सामग्री को फ़िल्टर करने के लिए वकीलों को लाया गया था।
Gemini का विकास ChatGPT और GPT-4 की बढ़ती लोकप्रियता के जवाब में तेज हुआ। OpenAI ने कथित तौर पर Gemini के आसन्न लॉन्च के बारे में जानने के बाद GPT-4 में मल्टीमॉडल सुविधाओं को एकीकृत करने पर अपने काम में तेजी लाई। कई कंपनियों को Google Cloud की Vertex AI सेवा के माध्यम से मॉडल के प्रारंभिक संस्करण तक प्रारंभिक पहुंच दी गई थी।
Launch Event and Initial Availability
6 दिसंबर 2023 को, Pichai और Hassabis ने एक आभासी प्रेस कॉन्फ्रेंस में "Gemini 1.0" की घोषणा की। रिलीज़ में तीन मॉडल शामिल थे: अत्यधिक जटिल कार्यों के लिए Gemini Ultra, कार्यों की एक विस्तृत श्रृंखला के लिए Gemini Pro, और डिवाइस पर कार्यों के लिए Gemini Nano। लॉन्च के समय, Gemini Pro और Nano को क्रमशः Bard और Pixel 8 Pro स्मार्टफोन में एकीकृत किया गया था। Gemini Ultra को "Bard Advanced" को शक्ति देने और 2024 की शुरुआत में सॉफ्टवेयर डेवलपर्स के लिए उपलब्ध होने के लिए निर्धारित किया गया था।
Google ने कहा कि व्यापक सुरक्षा परीक्षण की आवश्यकता के कारण Gemini को अगले वर्ष तक व्यापक रूप से उपलब्ध नहीं कराया जाएगा। मॉडल लॉन्च के समय केवल अंग्रेजी में उपलब्ध था। अन्य उत्पाद जिनमें Google Gemini को शामिल करने का इरादा रखता था, उनमें Search, Ads, Chrome, Google Workspace पर Duet AI, और AlphaCode 2 शामिल थे।
Benchmark Performance and Comparisons
Gemini Ultra को विभिन्न उद्योग बेंचमार्क पर GPT-4, Anthropic के Claude (AI model family), Inflection AI के Inflection-2, Meta के Llama 2, और xAI के Grok से बेहतर प्रदर्शन करने के लिए कहा गया था। Gemini Pro को GPT-3.5 से बेहतर प्रदर्शन करने के लिए कहा गया था। सबसे उल्लेखनीय उपलब्धि MMLU परीक्षण पर Gemini Ultra का 90% स्कोर था, जिसने इसे उस बेंचमार्क पर मानव विशेषज्ञ प्रदर्शन को पार करने वाला पहला भाषा मॉडल बना दिया।
इन दावों को कुछ शोधकर्ताओं से संदेह के साथ मिला, जिन्होंने नोट किया कि बेंचमार्क परिणाम परीक्षण संदूषण या विशिष्ट मूल्यांकन स्थितियों से प्रभावित हो सकते हैं। हालांकि, Google ने बनाए रखा कि मॉडल का प्रदर्शन AI क्षमताओं में एक वास्तविक प्रगति का प्रतिनिधित्व करता है।
Integration and Deployment
Gemini Pro को 13 दिसंबर 2023 को AI Studio और Vertex AI पर Google Cloud ग्राहकों के लिए उपलब्ध कराया गया था। Gemini Nano को Android डेवलपर्स के लिए भी उपलब्ध कराया गया था। जनवरी 2024 में, Google ने Samsung Electronics के साथ साझेदारी की ताकि Gemini Nano और Gemini Pro को अपनी Galaxy S24 स्मार्टफोन श्रृंखला में एकीकृत किया जा सके।
फरवरी 2024 में, Bard और Duet AI को Gemini ब्रांड के तहत एकीकृत किया गया, जिसमें Google One सदस्यता सेवा के नए "AI Premium" स्तर के माध्यम से "Gemini Advanced with Ultra 1.0" जारी किया गया। इसने Gemini Ultra की पहली उपभोक्ता उपलब्धता को चिह्नित किया, जो पहले केवल चुनिंदा डेवलपर्स और उद्यम ग्राहकों तक सीमित था।
Safety and Regulatory Considerations
अक्टूबर 2023 में अमेरिकी राष्ट्रपति जो बाइडन द्वारा हस्ताक्षरित एक कार्यकारी आदेश के अनुसार, Google ने कहा कि वह Gemini Ultra के परीक्षण परिणामों को संयुक्त राज्य अमेरिका की संघीय सरकार के साथ साझा करेगा। इसी तरह, कंपनी नवंबर 2023 में ब्लेचले पार्क में AI सुरक्षा शिखर सम्मेलन में निर्धारित सिद्धांतों का पालन करने के लिए यूनाइटेड किंगडम की सरकार के साथ चर्चा में लगी हुई थी।
Hassabis ने आगे खुलासा किया कि DeepMind यह खोज रहा था कि Gemini को Robotics के साथ कैसे जोड़ा जाए ताकि दुनिया के साथ शारीरिक रूप से बातचीत की जा सके। यह AI उद्योग में मूर्त AI प्रणालियों की ओर एक व्यापक प्रवृत्ति को दर्शाता है।
Subsequent Developments
फरवरी 2024 में, Google ने Gemini 1.5 लॉन्च किया, जिसे 1.0 Ultra की तुलना में अधिक शक्तिशाली और सक्षम मॉडल के रूप में वर्णित किया गया। परिवर्तनों में एक नई वास्तुकला, एक मिश्रण-विशेषज्ञ दृष्टिकोण, और एक बड़ा एक-मिलियन-टोकन संदर्भ विंडो शामिल था। उसी महीने, Google ने Gemma का अनावरण किया, जो Gemini मॉडल की एक छोटी, मुफ्त और ओपन-सोर्स श्रृंखला है, जिसे व्यापक रूप से Meta और अन्य के अपने AI मॉडल को ओपन-सोर्स करने की प्रतिक्रिया के रूप में वर्णित किया गया था।
दिसंबर 2024 में, Google ने नया Gemini 2.0 Flash Experimental मॉडल घोषित किया, जिसने वास्तविक समय ऑडियो और वीडियो इंटरैक्शन के लिए Multimodal Live API, मूल छवि निर्माण, और बेहतर एजेंटिक क्षमताओं जैसी सुविधाएँ पेश कीं। जून 2025 में, Google ने Gemini CLI पेश किया, एक ओपन-सोर्स AI एजेंट जो Gemini क्षमताओं को सीधे टर्मिनल पर लाता है।
Impact and Legacy
Gemini Ultra का लॉन्च Large language model विकास के प्रतिस्पर्धी परिदृश्य में एक महत्वपूर्ण क्षण का प्रतिनिधित्व करता है। इसने प्रदर्शित किया कि Google OpenAI के बराबर या उससे अधिक फ्रंटियर मॉडल का उत्पादन कर सकता है, और इसने मुख्यधारा के AI उत्पादों में मल्टीमॉडल क्षमताओं के एकीकरण को तेज किया। मॉडल की सफलता ने Google Brain और DeepMind के विलय को भी मान्य किया, जो अप्रैल 2023 में पूरा हुआ था।
Gemini Ultra का बेंचमार्क प्रदर्शन, विशेष रूप से MMLU पर, AI प्रणालियों के मूल्यांकन के लिए एक नया मानक स्थापित किया। स्मार्टफोन से लेकर क्लाउड सेवाओं तक, Google के उत्पाद पारिस्थितिकी तंत्र में इसकी तैनाती ने रोजमर्रा के उपकरणों में उन्नत AI को एम्बेड करने की कंपनी की रणनीति को चित्रित किया। मॉडल ने AI सुरक्षा, विनियमन, और तेजी से शक्तिशाली प्रणालियों के जिम्मेदार विकास के बारे में चल रही बहसों में भी योगदान दिया।