Google Gemini бързо се разви от подобрител на уеб търсенето до всеобхватен AI чатбот, способен да се справя с широк спектър от задачи. Сега той може да обработва файлове, да генерира видеоклипове със звук и да се справя със сложни проблеми, като същевременно се възползва от облачно съхранение и безпроблемна интеграция с приложенията на Google. От отговаряне на въпроси за страници в Chrome до управление на Gmail, Gemini предлага унифицирано AI изживяване. Неговите възможности за намиране на източници за научни изследвания и генериране на изображения не винаги блестят и подобно на други чатботове, той понякога може да предоставя неточна информация.
Gemini като виртуален асистент
Представете си Gemini като усъвършенстван виртуален асистент, умел в справянето с различни задачи. Той може да анализира документи, да отговаря на въпроси, да генерира изображения и видеоклипове, да провежда изследвания, да помага в творческото писане, да търси в мрежата и да решава математически проблеми. Той е достъпен чрез текст или глас, подобно на Microsoft Copilot или ChatGPT.
Gemini също така може да се похвали с функции, пригодени за програмисти, включително Gemini Code Assist и Jules asynchronous coding agent. Тези инструменти могат да помогнат при задачи като създаване на персонализирани WordPress плъгини и отстраняване на грешки в кода.
Основната функционалност: заявки и отговори
В основата си Gemini получава потребителски заявки и генерира отговори, захранвани от large language models (LLMs), обучени върху огромни масиви от данни. Тези модели предоставят на Gemini достъп до богатство от информация по различни теми, допълнена от интернет търсения в реално време.
Колкото повече потребители взаимодействат с Gemini, толкова по-добър става той. Ангажираността на потребителите помага за обучението на основните модели, което позволява на Gemini да предоставя по-точни отговори и да намалява грешките с течение на времето. Този непрекъснат процес на обучение е постепенен, но съществен.
Моделни линии на Gemini: Flash и Pro
Gemini използва две основни моделни линии: Flash и Pro. Линията Flash е предназначена за разговори, докато линията Pro е специализирана в сложни задачи за разсъждение като кодиране, математика и наука. Всеки модел в рамките на тези линии проявява уникални силни страни. Най-новите модели са 2.5 Flash и 2.5 Pro, като тестването често е фокусирано върху стандартния 2.5 Flash и 2.5 Pro за специализирани задачи.
Безплатно срещу премиум: Какво получавате?
Gemini предлага както безплатни, така и премиум планове, като премиум плановете отключват допълнителни функции.
Безплатен план
Безплатните потребители имат достъп до 2.5 Flash модела, ограничен достъп до 2.5 Pro модела, гласов режим (Gemini Live), ограничени възможности за задълбочени изследвания и персонализирани AI асистенти (Gems). Те също така получават ограничен достъп до Whisk animation tool и 15 GB Google Drive облачно хранилище.
Премиум планове
Премиум плановете включват Google AI Pro (19,99 щ.д. на месец) и Google AI Ultra (249,99 щ.д. на месец). Нивото AI Pro предоставя по-високи лимити на използване, Flow filmmaking tool, Gemini в Google Chrome, генериране на видео чрез Gemini’s Veo 2 модел и по-голям контекстен прозорец за сложни заявки. Google Drive облачното съхранилище се увеличава до 2TB с AI Pro, и Gemini се интегрира с Google Workspace приложения като Gmail, Calendar, Docs и Sheets.
Планът AI Ultra включва всичко в AI Pro, с още по-високи лимити на използване и няколко нови функции: 30TB Google Drive облачно съхранилище, ранен достъп до Gemini’s task-streamlining agent, ексклузивен достъп до предстоящия 2.5 Pro Deep Think mode на Gemini, най-новия Veo 3 video generation model на Google и YouTube Premium. Планът AI Pro обикновено е по-рентабилен за повечето потребители. Абонаментът за Google One, фокусиран върху облачното съхранение чрез Google Drive, позволява да получите Gemini AI Pro с повече от 2TB облачно съхранилище, като например 5TB (25 щ.д. на месец) или 10TB (50 щ.д. на месец).
Предложение за стойност: Gemini срещу конкуренти
Основни чатботове като Copilot, ChatGPT и Gemini се предлагат на цена около 20 щ.д. на месец за техните премиум планове. Gemini и Copilot се открояват със своята интеграция с приложенията на Google и Microsoft 365, съответно. ChatGPT се фокусира единствено върху функционалността на чатботовете. Докато Copilot Pro има уникални функции, облачната интеграция на Gemini предлага изключителна стойност.
Достъпност: Уеб, мобилни устройства и интеграции
Gemini е достъпен чрез уеб и мобилни приложения (Apple и Android). Въпреки че няма настолно приложение или официално разширение за браузър, Chrome предлага Gemini интеграция. Gemini може да се използва в рамките на приложения на Google като Calendar, Docs, Drive, Gmail, Maps, Keep, Photos, Sheets и YouTube Music.
Първи стъпки: Интерфейс и потребителско изживяване
Gemini не изисква акаунт, но се препоръчва да влезете, за да променяте модели, да използвате дълбоки изследвания и да запазвате чатове.
Интерфейсът е прост, включващ текстово поле “Ask Gemini” и скорошни чатове в страничната лента. Примерите за заявки с възможност за щракване предлагат насоки за това какво може да направи Gemini. Отговорите обикновено са бързи, особено за генериране на изображения. Потребителите могат да копират, слушат, генерират отново или да споделят отговори. От време на време проблемите със сървъра могат да причинят забавяне на отговорите, подобно на ChatGPT и Copilot.
Тон и памет
Gemini е по-директен и по-малко разговорен от ChatGPT. Персонализирането на тона на Gemini не е възможно, но определена потребителска информация може да бъде запазена, така че Gemini да я запомни. Стабилната памет на Gemini позволява по-удовлетворяващи чат изживявания, запомняйки минали чатове дори при започване на нови.
Гласов режим: Gemini Live
Иконата на микрофон дава възможност за въвеждане на текст чрез глас, а Gemini Live, подобно на гласовия режим на ChatGPT или Copilot Voice, позволява на потребителите да разговарят естествено с различни гласове.
Gemini Live поддържа споделяне на камера и екран, което позволява на потребителите да обсъждат теми от реалния свят. Въпреки че възможностите за разпознаване на изображения на Gemini обикновено са компетентни, функцията служи повече като спестяване на време.
Project Mariner: Task-Streamlining Agent
Project Mariner, ексклузивно за потребителите на AI Ultra, е AI асистент, който изпълнява задачи като търсене на работа или търсене на апартаменти. Google нарича Project Mariner „изследователски прототип“, което показва, че той все още се нуждае от по-нататъшно усъвършенстване.
Уеб търсене и извличане на информация
Уеб търсенето е стандартна функция на всички основни чатботове. Gemini, ChatGPT и Copilot могат да отговарят на въпроси за текущи събития. Докато повечето въпроси се отговарят правилно, някои могат да затруднят чатботовете.
Отговорите на Gemini и Copilot обикновено са кратки и точни, докато ChatGPT предоставя по-подробна информация. Gemini и ChatGPT имат икони за източник, които се свързват със свързани статии, но интерфейсът на ChatGPT показва името на източника и пълното заглавие на статията.
AI Mode и пазаруване
До AI Mode на страницата за търсене на Google, захранван от Gemini, може да се осъществи достъп чрез бутон AI Mode. Той позволява на потребителите да задават въпроси въз основа на уеб резултати, със свързани плочки със статии и подходящи снимки в отговори, подобни на ChatGPT. Той също така осигурява удобен достъп до търсенето в Google и търсенето на изображения.
Gemini може също така да помогне с пазаруването, като предостави съвети за покупка заедно с плочките на Google Shopping с потребителски отзиви, връзки към търговци на дребно и проследяване на цените. Функцията за пазаруване на Gemini предлага подходящи препоръки.
Дълбоки изследвания: Подробни репортажи
Дълбоките изследвания са ценна функция на AI чатботовете, която позволява на потребителите да задават въпроси или да предлагат теми, за които Gemini да изследва и да докладва. Докладите могат да посочват множество източници и да генерират за около 10 минути.
И двата чатбота се справят лесно с прости изследователски теми, но въпросите без окончателни отговори и изискващи разнообразни източници са по-предизвикателни.
Gemini цитира повече източници, но използването на източници на ChatGPT е по-лесно за потребителя. Gemini позволява експортиране на отчети в Google Docs, но интерфейсът за задълбочени изследвания на ChatGPT е по същество просто лента за зареждане.
Тонът на отчета се различава значително, като отчетите на Gemini приличат на академични статии, а отчетите на ChatGPT приличат на публикации във форуми.
Генериране на изображения: Визуално сравнение
Генерирането на изображения е друга основна функция на AI чатботовете. Тестовете се фокусират върху фотореалистични и сложни илюстрации.
При фотореалистично генериране на изображения Gemini генерира изображения бързо и визуално привлекателно, въпреки че може да съдържа грешки.
За сложни илюстрации комиксът на Gemini обикновено е несвързан, докато комиксът на ChatGPT се доближава повече до изпълнението на целта си.
При генерирането на технически диаграми ChatGPT създава много точни диаграми, затвърждавайки силата си.
Генериране на видео: Разрастващо се поле
AI генерирането на видео е все по-масова функция. Gemini има Flow filmmaker tool, Veo 3 video generation model и Whisk AI animator. Способността му да генерира видеоклипове с аудио го отличава от Sora video generation на ChatGPT, въпреки че е изключително за абонатите на AI Ultra.
Veo 3 представлява значителен скок напред, но изисква внимателно калибриране на подканите. Всяко поколение изисква 150 кредита (12 500 кредита на месец с AI Ultra).
Flow позволява подрязване на видеоклипове и разширяването им на базата на нови заявки. С достатъчно кредити може да се направи филм изцяло с Flow.
Whisk, AI animation tool на Google, позволява на потребителите да качват снимки. Резултатите могат да бъдат забавни, но имат грешки и изкривявания.
Анализ на файлове: Разбиране на качено съдържание
Gemini може да анализира и разбира качени файлове, критикувайки автобиографии, интерпретирайки изображения или превеждайки текст.
При разпознаването на изображения чатботовете се тестват за способността им да идентифицират компоненти в качено изображение. ChatGPT can include a larger volume of detail.
За обработка на документи на чатботовете се възлага да отговарят на въпроси въз основа само на качвани документи. Както Gemini, така и ChatGPT предоставят верни отговори, но се препоръчва предпазливост при качване на файлове. ChatGPT може да има леко предимство в обработката на файлове пред Gemini, но това е незначителна разлика.
Творческо писане: Генериране на стихотворения
AI чатботовете могат да помогнат при творческото писане, включително шеги, монолози и стихотворения.
Когато е натоварен със задачата да напише стихотворение със свободен стих, ChatGPT се придържа по-стриктно към инструкциите. Стихотворението на Gemini не използва препинателни знаци, докато стихотворението на Copilot се чувства липсващо с прекъсванията на редовете.
Сложни разсъждения: Изпитни въпроси
Сложните разсъждения се тестват чрез представяне на чатботовете с изпитни въпроси за студенти в компютърните науки, математиката и физиката.
Чатботовете се представят много добре, отговаряйки ефективно на всички въпроси по физика. ChatGPT връща най-малко грешни отговори като цяло.
Gemini in Chrome: Безпроблемна интеграция
Chrome вече интегрира Gemini. Притежателите на платен акаунт могат да щракнат върху иконата Gemini, за да отворят прозорец за чат, взаимодействайки с Gemini както обикновено и запитвайки съдържанието на активния раздел. Интеграцията на Gemini в Chrome позволява на потребителите да елиминират необходимостта да отварят нов раздел, за да попитат Gemini нещо чрез функционалност, подобна на Copilot Vision в Edge, въпреки че функцията Gemini’s Live не е налична в уеб интерфейса.
Текстовите отговори са впечатляващо бързи. Скоростта на отговорите ме кара да се чудя дали Gemini има някакво ниво на достъп до уеб страници, преди да ги споделите с него.
Въпреки че Gemini в Chrome има някои ограничения; Gemini не може да разбира видеоклипове, а отговорите с Live не са толкова бързи, колкото са при текст, като цяло е полезно, тъй като елиминира необходимостта от копиране и поставяне. Въпреки това, освен ако не използвате Gemini през цялото време, времето, което спестявате, като го имате на един клик разстояние, може да не е голяма работа. Функционалността Live е също толкова полезна, позволявайки ми да задавам въпроси за това, което гледам, без да е необходимо да докосвам клавиатура.
Gemini в Chrome има няколко ограничения за това какво може да преглежда и разбира. В резултат на това Gemini може да се почувства инвазивен Gemini може да вижда и да отговаря на въпроси за определени раздели, след като ги споделите.
Google Apps Integration: Подобрена продуктивност
Абонатите на AI Pro план получават AI функции във приложенията на Google, включително Calendar, Docs, Drive, Gmail, Maps, Keep, Photos, Sheets и YouTube Music.
Google подчертава интеграциите на собствения сайт на Gemini. Можете да добавяте събития към Google Calendar въз основа на флаер, да генерирате списъци с хранителни стоки в Google Keep или да позволите на Gemini да курира плейлисти в YouTube Music. Gemini в Docs, Gmail, Sheets и Slides отразяват Copilot в приложенията на Microsoft 365, създавайки слайдове въз основа на заявки, изготвяйки имейли, генерирайки текст и предлагайки формули.
Gemini в Gmail се откроява, предоставяйки на Gemini пълен достъп до вашата история на имейли, позволявайки му да търси конкретна информация или да предоставя съвети за почистване на входящата поща. Въпреки това, това не е всемогъща функция. Gemini не може да направи всичко. Тази интеграция се чувства като нахлуване в личния живот.
В зависимост от степента, в която използвате наличните интеграции на Gemini; може да няма такива, които да отговарят на вашите специфични изисквания. Въпреки това, може да е от полза поради множеството функции.
Gems: Персонализирани AI Експерти
Gems са персонализирани версии на Gemini, пригодени за специфични цели. Инструкторите могат да добавят файлове и да създадат Gem за PC Builder, който да помага на начинаещи строители на компютри.
Отговорите се различават малко от разговорите с Gemini. Тези, които планират да говорят с Gemini за определена тема, могат да създадат Gem. Въпреки това, Gems не се чувстват, че наистина изпълняват обещанието на Google.
Безопасност и поверителност
Gemini не е съзнателен и не може да мисли или разбира нещата като човек.
Съдържание за възрастни, незаконни дейности, реалистични изображения на хора и табу теми са против политиките на Gemini, Gemini е най-разхлабващият със своята система за филтриране.
Gemini има context window. Gemini’s context window на своя AI Pro план може да обработва до 1500 страници текст или 30 000 реда код наведнъж с платени. Абонатите могат да срещнат пречки, ако безплатната версия се използва широко.
Google събира данни, когато използвате Gemini, включително файлове, информация за местоположението, използване на продукти и чатове. Тези данни се използват за подобряване на продуктите на Google и технологиите за машинно обучение.
Потребителите могат да изключат Gemini Apps Activity. По подразбиране Google съхранява данни от чатове за 18 месеца.
Що се отнася до интеграциите на Gemini с Google Workspace, като например в Gmail, Docs, Drive, Sheets и Slides, Google обещава да не използва обучени модели, да не ги продава или да не ги използва за насочени реклами.
В миналото Google е имал проблеми, които включват злонамерени участници, които са експлоатирали недостатъци на Google Chrome, италиански регулатори, които са цитирали Google за неговите практики за данни, и събиране на данни без съгласие, което е довело до загуби от милиарди. Като такива, се препоръчва да не споделяте чувствителни данни.