Google DeepMind apresenta o Gemini 2.0, novo modelo de IA para a era agentic

• O Gemini 1.0 inovou como um modelo multimodal capaz de processar informações em texto, vídeo, imagem, áudio e código
• O Gemini 2.0 leva essa visão adiante e evolui para um modelo agentic capaz de compreender o mundo, planejar várias etapas e executar tarefas
• O Gemini 2.0 será integrado a produtos principais, como a Busca do Google, oferecendo capacidade para lidar também com tópicos mais complexos e perguntas de múltiplas etapas

Principais características do Gemini 2.0 Flash

• Com base no sucesso do 1.5 Flash, oferece desempenho ainda melhor e tempos de resposta mais rápidos
• É 2 vezes mais rápido que o 1.5 Pro e apresenta desempenho superior nos principais benchmarks
• Suporta não apenas entradas multimodais como imagem, vídeo e áudio, mas também geração de imagens combinadas com texto e síntese de voz multilíngue
• Pode chamar nativamente ferramentas como Google Search, execução de código e funções personalizadas
• Será disponibilizado primeiro para desenvolvedores e testadores confiáveis, com lançamento mais amplo previsto para o início do próximo ano

Apresentação dos projetos de pesquisa

• Project Astra: assistente de IA de uso geral com recursos de memória aprimorados
  • Melhorias em recursos como conversas multilíngues, uso de Google Search/Lens/Maps e memória de sessão de cerca de 10 minutos
  • Está evoluindo com a coleta de feedback de testadores confiáveis por meio de dispositivos Android
• Project Mariner: protótipo de pesquisa que interage com o navegador e pode ajudar em tarefas complexas
  • Alcançou um alto resultado de 83,5% no benchmark WebVoyager
  • Inclui medidas de segurança integradas que pedem confirmação antes que o usuário aprove a ação final
• Jules: agente de programação com IA integrado ao workflow do GitHub
  • Dá suporte aos desenvolvedores na resolução de issues e na execução de planos

Áreas de aplicação dos agentes de IA

• Em parceria com a desenvolvedora de jogos Supercell, a empresa está explorando o uso de agentes de IA dentro de jogos
• Também estão em andamento experimentos para aplicar a capacidade de raciocínio espacial do Gemini 2.0 na área de robótica

Segurança e desenvolvimento responsável

• Foi adotada uma abordagem gradual e exploratória para o desenvolvimento de novas tecnologias
• Por meio de uma abordagem de red teaming com apoio de IA, são geradas automaticamente formas de detectar riscos e medidas de mitigação
• No Project Mariner, foram implementados recursos para proteger os usuários contra tentativas maliciosas de prompt injection
• São oferecidos controles de privacidade do usuário e recursos para apagar sessões

Próximos planos

• Os recursos do Gemini 2.0 serão expandidos para o app Gemini e outros produtos do Google
• Segurança e responsabilidade continuarão sendo prioridade máxima no caminho rumo à AGI

[GN⁺]

Comentários do Hacker News

• O novo plug-in llm-gemini oferece suporte ao modelo Gemini 2.0 Flash. Compartilharam como usá-lo no terminal

  • Os modelos Gemini têm a capacidade de escrever e executar código Python
  • Chamadas de rede não são possíveis, mas estão tentando várias abordagens
  • Mostra desempenho excelente em descrições visuais

• Grandes empresas mudam de direção lentamente, mas, quando definem um rumo, conseguem realizar coisas que empresas pequenas não conseguem

  • O Google tem muito talento nessa área e está obtendo bons resultados
  • A capacidade de transformar modelos LLM em produto e fazer marketing ainda é uma incógnita, mas o desempenho é excelente

• Supera o Gemini 1.5 Pro na maioria dos benchmarks

  • O Google DeepMind está se adaptando à era dos LLMs
  • Controla diretamente o hardware por meio dos TPUs

• Um novo SDK foi anunciado. Parece seguir práticas modernas recomendadas

  • Eles vinham oferecendo um endpoint compatível com OpenAI, mas não estava claro se haveria suporte de longo prazo
  • Recomendam configurar um cluster Kubernetes e buckets no GCP

• Fico feliz que o novo lançamento do Google esteja disponível para uso imediato

  • O Gemini Flash 2.0 supera o Gemini Pro 1.5 em problemas do Advent of Code
  • O Flash 2.0 corrige erros de compilação

• A palavra "agentic" soa desagradável

  • Palavras como "versatile", "multifaceted" e "autonomous" parecem mais apropriadas

• Os modelos Gemini 2 oferecem suporte a geração de áudio e imagens

  • A geração de imagens deve ficar geralmente disponível em janeiro
  • Tarefas de visão computacional poderão ser feitas por meio de LLMs

• O Gemini 2 está à frente do 4o no Chatbot Arena

• Acho a palavra "agentic" inadequada

  • Na prática, trata-se principalmente de um pipeline composto por system prompts e ferramentas

• Acessei o Gemini 2.0 Flash no navegador Safari do iPhone por meio do Google AI Studio

  • Identificou com precisão o que viu pela câmera
  • Consegue ler texto em inglês e japonês
  • Identificou visualmente notas de piano, mas não conseguiu fazer isso apenas pelo som