แอพ Gemini บนมือถือ Android เริ่มเปิดให้ใช้งานส่วนขยาย (extension) สำหรับควบคุมอุปกรณ์สมาร์ทโฮมผ่านแพลตฟอร์ม Google Home

แอพ Gemini ในช่วงแรกๆ ยังขาดฟีเจอร์ด้านการควบคุมและสั่งการแอพ-อุปกรณ์ภายนอกแบบเดียวกับที่ Google Assistant เคยทำได้ แนวทางของกูเกิลคือค่อยๆ เปิดให้ใช้งานผ่าน extension ซึ่งก่อนหน้านี้ เพิ่งออก Utilities Extension ที่สั่งงานแอพตัวอื่นๆ ในสมาร์ทโฟนได้

ต้องยอมรับว่ากูเกิลเปิดตัว Gemini หลัง ChatGPT เป็นเวลานานพอสมควร ทำให้ตลาด AI/LLM มุ่งไปที่ฝั่ง OpenAI กันหมด แอพที่เรียกใช้งาน LLM จึงมักเขียนเพื่อรองรับโมเดลของฝั่ง OpenAI โดยเรียกใช้ OpenAI Library (ทั้งที่เป็น official และ unofficial) กันซะเป็นส่วนใหญ่

ล่าสุดกูเกิลประกาศ "แฝงตัว" ให้รองรับการเรียกใช้ Gemini ผ่าน OpenAI Library ได้แล้ว ช่วยลดภาระการแก้โค้ดลง โดยโค้ดสามารถเรียกใช้ OpenAI Library ได้เหมือนเดิม แต่ในส่วนของโมเดลเปลี่ยนเป็นเรียก Gemini แทน ช่วยให้แก้โค้ดเพียงไม่กี่บรรทัดเท่านั้น

แนวทางของกูเกิลนั้นชัดเจนว่า ต้องการเอา Gemini มาเป็นผู้ช่วย AI แทน Google Assistant แต่ถึงแม้ Gemini สนทนาภาษามนุษย์ได้ลื่นไหลกว่า กลับยังขาดฟีเจอร์สั่งงานหลายๆ อย่างของ Assistant ทำให้ยังไม่สามารถแทนกันได้อย่างสมบูรณ์

ล่าสุด 9to5google รายงานว่า Gemini เริ่มออกส่วนขยายกลุ่ม Utilities Extension ที่สั่งงานควบคุมมือถือได้แบบเดียวกับที่ Assistant ทำได้แล้ว เช่น ตั้งนาฬิกาปลุก, ตั้งนาฬิกาจับเวลา, เปิดแอพ, เปิดเว็บ, ถ่ายภาพแบบตั้งเวลา, ปรับระดับเสียง, ปรับระดับความสว่างหน้าจอ, หยุด-เล่นเพลงหรือวิดีโอ เป็นต้น

เว็บไซต์ The Verge อ้างข่าวลือจากแหล่งข่าวใกล้ชิดกูเกิล ว่าเราจะได้เห็นโมเดล Gemini 2.0 เปิดตัวในเดือนธันวาคม ไล่เลี่ยกับ ข่าวลือว่า OpenAI จะเปิดตัวโมเดลใหม่ Orion ซึ่งรายงานโดย The Verge เช่นกัน

แหล่งข่าวของ The Verge บอกว่าโมเดล Gemini 2.0 ไม่ได้มีประสิทธิภาพเพิ่มขึ้นมากเท่ากับที่ Google DeepMind คาดหวังไว้ แต่เขาก็บอกว่าทุกบริษัทที่พัฒนาโมเดลขนาดใหญ่เจอปัญหาลักษณะเดียวกัน ซึ่งน่าจะเริ่มเป็นทางตันของโมเดลตระกูล Transformer ที่พัฒนาอย่างก้าวกระโดดในช่วงหลายปีที่ผ่านมา

กูเกิลเปิดบริการโมเดลสร้างภาพ Imagen 3 ให้กับผู้ใช้งาน Gemini ทุกคนแล้ว สามารถพิมพ์ prompt สั่งให้สร้างภาพจาก Gemini ได้เลย

Imagen 3 เปิดตัวครั้งแรกในงาน Google I/O 2024 แล้วเปิดให้บริการเฉพาะในสหรัฐตั้งแต่เดือนสิงหาคม ล่าสุดคือเปิดบริการกับผู้ใช้ทั่วโลกแล้ว

ข้อจำกัดของ Imagen 3 ตอนนี้คือยังไม่เปิดให้ผู้ใช้ทั่วไปสร้างภาพบุคคล ยังจำกัดเฉพาะผู้ที่ซื้อแพ็กเกจ Gemini Advanced เท่านั้น

ที่มา - 9to5google

กูเกิลเปิดให้ใช้งาน Gemini 1.5 Flash-8B โมเดลรุ่นเล็กสุดของ Gemini Flash ที่เปิดทดลองใช้ฟรีก่อนหน้านี้

Gemini 1.5 Flash-8B เป็นโมเดลที่ปรับขนาดให้เล็กลงเหลือ 8 พันล้านพารามิเตอร์ ในแง่ความฉลาดอาจลดลงบ้างเมื่อเทียบกับ Gemini 1.5 Flash รุ่นปกติ แลกกับข้อดีที่ได้มาคือ ราคาถูกลง 50%, ตอบสนองเร็วขึ้น, และมีอัตรา rate limit เพิ่มขึ้น 2 เท่า (สูงสุด 4,000 รีเควสต์ต่อนาที ของเดิม 2,000 รีเควสต์ต่อนาที)

ราคาของ Gemini 1.5 Flash-8B ถือว่าถูกที่สุดในการรันโมเดล Gemini ทุกตัว ได้แก่

กูเกิลเปิดให้นักพัฒนาแอพบน Android เรียกใช้งานโมเดล Gemini Nano เป็นการทั่วไป หลังจากทดสอบแบบจำกัดวงมาตั้งแต่ Google I/O 2024 โดยตอนนี้ใช้โมเดล Gemini Nano 2 ที่มีประสิทธิภาพดีขึ้นด้วย

การใช้งาน Gemini Nano ต้องเรียกผ่าน AICore โดยมี AI Edge SDK อีกที ตอนนี้การใช้งานยังจำกัดเฉพาะบนฮาร์ดแวร์ Pixel 9 series เท่านั้น และสถานะการเปิดใช้ยังเป็นการทดลองใช้งาน (experimental)

หลังจากกูเกิลเริ่มปล่อย Gemini Live ให้กับผู้ใช้ Android ตั้งแต่ช่วงกลางเดือนกันยายน ตอนนี้ผู้ใช้ Android ที่ตั้งค่าระบบปฏิบัติการเป็นภาษาอังกฤษ สามารถใช้งาน Gemini Live ได้ทั้งหมดแล้วผ่านแอพ Gemini (ลองเปิดจากบัญชีตัวเองก็พบว่าใช้งานได้แล้ว)

Gemini Live เป็นการสนทนาโต้ตอบกับ Gemini ด้วยเสียงแบบต่อเนื่อง เป็นการโชว์ศักยภาพโมเดลภาษาของกูเกิลที่สนทนาได้อย่างลื่นไหลและเป็นธรรมชาติ แต่ Gemini Live ยังขาดฟีเจอร์บางอย่างที่เคยมีในผู้ช่วยอัจฉริยะตัวก่อนๆ เช่น การสั่งงานแอพภายนอกแบบที่เคยทำได้ใน Google Assistant เป็นต้น