Gemini Ultra é um modelo de linguagem multimodal de grande porte desenvolvido pelo Google DeepMind, anunciado em 6 de dezembro de 2023, como o componente principal da família Gemini 1.0. Ele foi posicionado como o modelo de IA mais capaz do Google, projetado para tarefas altamente complexas, e foi o primeiro modelo de linguagem a superar especialistas humanos no teste Massive Multitask Language Understanding (MMLU) de 57 disciplinas, obtendo 90%. O modelo era um concorrente direto do GPT-4 da OpenAI, e seu lançamento marcou uma escalada significativa na corrida da IA generativa.
A família Gemini, que também inclui Gemini Pro e Gemini Nano, recebeu esse nome da palavra latina para "gêmeos", simbolizando a fusão de Google Brain e DeepMind na Google DeepMind, bem como o Projeto Gemini da NASA. O Gemini Ultra foi treinado nas Unidades de Processamento Tensor (TPUs) do Google e foi projetado para processar vários tipos de dados simultaneamente, incluindo texto, imagens, áudio, vídeo e código de computador.
Contexto de Desenvolvimento
O Google anunciou o Gemini pela primeira vez durante a palestra principal do Google I/O em 10 de maio de 2023, com o CEO Sundar Pichai o descrevendo como um sucessor mais poderoso do PaLM 2. O projeto foi uma colaboração entre a DeepMind e o Google Brain, que haviam se fundido recentemente sob a liderança do CEO Demis Hassabis. Hassabis enfatizou que o Gemini combinaria os pontos fortes do programa AlphaGo da DeepMind, que ganhou atenção mundial em 2016 ao derrotar o campeão de Go Lee Sedol, com capacidades avançadas de modelo de linguagem.
Em agosto de 2023, a The Information informou que o Google estava visando um lançamento no final de 2023 e esperava superar os concorrentes integrando capacidades de texto conversacional com geração de imagens alimentada por IA. O cofundador do Google, Sergey Brin, foi convocado de volta da aposentadoria para auxiliar no desenvolvimento, junto com centenas de engenheiros do Google Brain e da DeepMind. Ele foi posteriormente creditado como um "contribuidor principal" do Gemini. Como o modelo foi treinado em transcrições de vídeos do YouTube, advogados foram contratados para filtrar materiais potencialmente protegidos por direitos autorais.
O desenvolvimento do Gemini foi acelerado em resposta à crescente popularidade do ChatGPT e do GPT-4. A OpenAI supostamente apressou seu trabalho na integração de recursos multimodais no GPT-4 após saber do lançamento iminente do Gemini. Várias empresas receberam acesso antecipado a uma versão inicial do modelo por meio do serviço Vertex AI do Google Cloud.
Evento de Lançamento e Disponibilidade Inicial
Em 6 de dezembro de 2023, Pichai e Hassabis anunciaram o "Gemini 1.0" em uma coletiva de imprensa virtual. O lançamento incluiu três modelos: Gemini Ultra para tarefas altamente complexas, Gemini Pro para uma ampla gama de tarefas e Gemini Nano para tarefas no dispositivo. No lançamento, Gemini Pro e Nano foram integrados ao Bard e ao smartphone Pixel 8 Pro, respectivamente. O Gemini Ultra foi definido para alimentar o "Bard Advanced" e se tornar disponível para desenvolvedores de software no início de 2024.
O Google afirmou que o Gemini não seria amplamente disponibilizado até o ano seguinte devido à necessidade de testes de segurança extensivos. O modelo foi disponibilizado apenas em inglês no lançamento. Outros produtos nos quais o Google pretendia incorporar o Gemini incluíam Search, Ads, Chrome, Duet AI no Google Workspace e AlphaCode 2.
Desempenho em Benchmarks e Comparações
Dizia-se que o Gemini Ultra superava o GPT-4, o Claude da Anthropic, o Inflection-2 da Inflection AI, o Llama 2 da Meta e o Grok da xAI em uma variedade de benchmarks do setor. Dizia-se que o Gemini Pro superava o GPT-3.5. A conquista mais notável foi a pontuação de 90% do Gemini Ultra no teste MMLU, tornando-o o primeiro modelo de linguagem a superar o desempenho de especialistas humanos nesse benchmark.
Essas alegações foram recebidas com certo ceticismo por pesquisadores que notaram que os resultados dos benchmarks poderiam ser influenciados por contaminação de testes ou condições específicas de avaliação. No entanto, o Google manteve que o desempenho do modelo representava um avanço genuíno nas capacidades de IA.
Integração e Implantação
O Gemini Pro foi disponibilizado aos clientes do Google Cloud no AI Studio e no Vertex AI em 13 de dezembro de 2023. O Gemini Nano também foi disponibilizado aos desenvolvedores Android. Em janeiro de 2024, o Google fez parceria com a Samsung Electronics para integrar o Gemini Nano e o Gemini Pro em sua linha de smartphones Galaxy S24.
Em fevereiro de 2024, o Bard e o Duet AI foram unificados sob a marca Gemini, com o "Gemini Advanced com Ultra 1.0" sendo lançado por meio de um novo nível "AI Premium" do serviço de assinatura Google One. Isso marcou a primeira disponibilidade ao consumidor do Gemini Ultra, que anteriormente era limitado a desenvolvedores selecionados e clientes empresariais.
Considerações de Segurança e Regulamentação
De acordo com uma ordem executiva assinada pelo presidente dos EUA, Joe Biden, em outubro de 2023, o Google afirmou que compartilharia os resultados dos testes do Gemini Ultra com o governo federal dos Estados Unidos. Da mesma forma, a empresa estava envolvida em discussões com o governo do Reino Unido para cumprir os princípios estabelecidos na Cúpula de Segurança de IA em Bletchley Park em novembro de 2023.
Hassabis revelou ainda que a DeepMind estava explorando como o Gemini poderia ser combinado com robótica para interagir fisicamente com o mundo. Isso refletia uma tendência mais ampla na indústria de IA em direção a sistemas de IA incorporados.
Desenvolvimentos Posteriores
Em fevereiro de 2024, o Google lançou o Gemini 1.5, descrevendo-o como um modelo mais poderoso e capaz que o 1.0 Ultra. As mudanças incluíram uma nova arquitetura, uma abordagem de mistura de especialistas e uma janela de contexto maior de um milhão de tokens. No mesmo mês, o Google estreou o Gemma, uma gama menor, gratuita e de código aberto de modelos Gemini, que foi amplamente descrita como uma resposta à Meta e outros por abrirem o código de seus modelos de IA.
Em dezembro de 2024, o Google anunciou o novo modelo experimental Gemini 2.0 Flash, que introduziu recursos como uma API Live Multimodal para interações em tempo real de áudio e vídeo, geração de imagens nativa e capacidades agênticas aprimoradas. Em junho de 2025, o Google introduziu o Gemini CLI, um agente de IA de código aberto que leva as capacidades do Gemini diretamente para o terminal.
Impacto e Legado
O lançamento do Gemini Ultra representou um momento crucial no cenário competitivo do desenvolvimento de modelos de linguagem de grande porte. Demonstrou que o Google poderia produzir modelos de fronteira comparáveis ou superiores aos da OpenAI e acelerou a integração de capacidades multimodais em produtos de IA mainstream. O sucesso do modelo também validou a fusão do Google Brain e da DeepMind, que foi concluída em abril de 2023.
O desempenho em benchmarks do Gemini Ultra, particularmente no MMLU, estabeleceu um novo padrão para avaliar sistemas de IA. Sua implantação no ecossistema de produtos do Google, desde smartphones até serviços em nuvem, ilustrou a estratégia da empresa de incorporar IA avançada em ferramentas cotidianas. O modelo também contribuiu para debates contínuos sobre segurança, regulamentação e desenvolvimento responsável de sistemas cada vez mais poderosos de IA.