Google Gemini szybko ewoluował od narzędzia wspomagającego wyszukiwanie w sieci do wszechstronnego chatbota AI, zdolnego do obsługi szerokiego zakresu zadań. Obecnie potrafi przetwarzać pliki, generować filmy z dźwiękiem i rozwiązywać złożone problemy, a wszystko to przy wykorzystaniu przestrzeni dyskowej w chmurze i bezproblemowej integracji z aplikacjami Google. Od odpowiadania na pytania dotyczące stron Chrome po zarządzanie Gmailem, Gemini oferuje ujednolicone doświadczenie AI. Jednak jego możliwości w zakresie pozyskiwania źródeł informacji i generowania obrazów nie zawsze są doskonałe, a podobnie jak inne chatboty, czasami może podawać niedokładne informacje.
Gemini jako wirtualny asystent
Pomyśl o Gemini jako o zaawansowanym wirtualnym asystencie, który doskonale radzi sobie z różnymi zadaniami. Potrafi analizować dokumenty, odpowiadać na pytania, generować obrazy i filmy, prowadzić badania, pomagać w twórczym pisaniu, przeszukiwać sieć i rozwiązywać problemy matematyczne. Jest dostępny za pośrednictwem tekstu lub głosu, podobnie jak Microsoft Copilot lub ChatGPT.
Gemini oferuje również funkcje dostosowane dla programistów, w tym Gemini Code Assist i asynchronicznego agenta kodowania Jules. Narzędzia te mogą pomagać w zadaniach takich jak tworzenie niestandardowych wtyczek WordPress i debugowanie kodu.
Podstawowa funkcjonalność: Monity i odpowiedzi
U podstaw Gemini leży odbieranie monitów użytkownika i generowanie odpowiedzi, oparte na dużych modelach językowych (LLM) wytrenowanych na ogromnych zbiorach danych. Modele te zapewniają Gemini dostęp do bogactwa informacji na różne tematy, uzupełnionych o wyszukiwania w Internecie w czasie rzeczywistym.
Im więcej użytkowników wchodzi w interakcje z Gemini, tym lepiej staje się on. Zaangażowanie użytkowników pomaga trenować bazowe modele, umożliwiając Gemini dostarczanie dokładniejszych odpowiedzi i redukcję błędów w czasie. Ten proces ciągłego uczenia się jest stopniowy, ale niezbędny.
Linie modeli Gemini: Flash i Pro
Gemini wykorzystuje dwie główne linie modeli: Flash i Pro. Linia Flash jest przeznaczona do interakcji konwersacyjnych, a linia Pro specjalizuje się w złożonych zadaniach wymagających rozumowania, takich jak kodowanie, matematyka i nauki ścisłe. Każdy model w tych liniach wykazuje unikalne mocne strony. Najnowsze modele to 2.5 Flash i 2.5 Pro, przy czym testy często koncentrują się na domyślnym 2.5 Flash i 2.5 Pro do specjalistycznych zadań.
Wersja bezpłatna a premium: Co otrzymujesz?
Gemini oferuje plany bezpłatne i premium, przy czym plany premium odblokowują dodatkowe funkcje.
Plan bezpłatny
Bezpłatni użytkownicy mają dostęp do modelu 2.5 Flash, ograniczonego dostępu do modelu 2.5 Pro, trybu głosowego (Gemini Live), ograniczonych możliwości dogłębnych badań i niestandardowych asystentów AI (Gems). Otrzymują również ograniczony dostęp do narzędzia do animacji Whisk i 15 GB przestrzeni dyskowej w chmurze Google Drive.
Plany Premium
Plany premium obejmują Google AI Pro (19,99 USD miesięcznie) i Google AI Ultra (249,99 USD miesięcznie). Poziom AI Pro zapewnia wyższe limity użytkowania, narzędzie do tworzenia filmów Flow, Gemini w Google Chrome, generowanie wideo za pomocą modelu Veo 2 Gemini i większe okno kontekstowe dla złożonych monitów. Przestrzeń dyskowa w chmurze Google Drive wzrasta do 2 TB w przypadku AI Pro, a Gemini integruje się z aplikacjami Google Workspace, takimi jak Gmail, Kalendarz, Dokumenty i Arkusze.
Plan AI Ultra zawiera wszystko, co oferuje AI Pro, z jeszcze wyższymi limitami użytkowania i kilkoma nowymi funkcjami: 30 TB przestrzeni dyskowej w chmurze Google Drive, wczesny dostęp do agenta usprawniającego zadania Gemini, ekskluzywny dostęp do nadchodzącego trybu 2.5 Pro Deep Think Gemini, najnowszy model generowania wideo Veo 3 firmy Google i YouTube Premium. Plan AI Pro jest na ogół bardziej opłacalny dla większości użytkowników. Subskrypcja Google One, skupiona na przestrzeni dyskowej w chmurze za pośrednictwem Google Drive, umożliwia uzyskanie Gemini AI Pro z ponad 2 TB przestrzeni dyskowej w chmurze, na przykład 5 TB (25 USD miesięcznie) lub 10 TB (50 USD miesięcznie).
Propozycja wartości: Gemini a konkurenci
Główne chatboty, takie jak Copilot, ChatGPT i Gemini, są wyceniane na około 20 USD miesięcznie za plany premium. Gemini i Copilot wyróżniają się integracją odpowiednio z aplikacjami Google i Microsoft 365. ChatGPT koncentruje się wyłącznie na funkcjonalności chatbota. Chociaż Copilot Pro ma unikalne funkcje, integracja przestrzeni dyskowej w chmurze Gemini oferuje wyjątkową wartość.
Dostępność: Sieć, urządzenia mobilne i integracje
Gemini jest dostępny za pośrednictwem aplikacji internetowych i mobilnych (Apple i Android). Chociaż nie ma aplikacji na komputery stacjonarne ani oficjalnego rozszerzenia przeglądarki, Chrome oferuje integrację z Gemini. Gemini można używać w aplikacjach Google, takich jak Kalendarz, Dokumenty, Dysk, Gmail, Mapy, Keep, Zdjęcia, Arkusze i YouTube Music.
Pierwsze kroki: Interfejs i wrażenia użytkownika
Gemini nie wymaga konta, ale zalogowanie się jest zalecane, aby zmieniać modele, korzystać z dogłębnych badań i zapisywać czaty.
Interfejs jest prosty, zawiera pole tekstowe "Zapytaj Gemini" i ostatnie czaty na pasku bocznym. Klikalne przykładowe monity oferują wskazówki dotyczące tego, co Gemini potrafi. Odpowiedzi są zazwyczaj szybkie, zwłaszcza w przypadku generowania obrazów. Użytkownicy mogą kopiować, odsłuchiwać, regenerować lub udostępniać odpowiedzi. Sporadyczne problemy z serwerem mogą powodować zawieszanie się odpowiedzi, podobnie jak w przypadku ChatGPT i Copilot.
Ton i pamięć
Gemini jest bardziej bezpośredni i mniej rozmowny niż ChatGPT. Personalizacja tonu Gemini nie jest możliwa, ale niektóre informacje o użytkowniku można zapisać, aby Gemini je zapamiętał. Solidna pamięć Gemini pozwala na bardziej satysfakcjonujące doświadczenia w czatach, zapamiętując wcześniejsze czaty nawet po rozpoczęciu nowych.
Tryb głosowy: Gemini Live
Ikona mikrofonu umożliwia wprowadzanie tekstu za pomocą mowy, a Gemini Live, podobnie jak tryb głosowy ChatGPT lub Copilot Voice, pozwala użytkownikom na naturalną rozmowę różnymi głosami.
Gemini Live obsługuje udostępnianie kamery i ekranu, umożliwiając użytkownikom omawianie rzeczywistych tematów. Chociaż możliwości rozpoznawania obrazów Gemini są na ogół kompetentne, funkcja ta służy bardziej jako oszczędność czasu.
Project Mariner: Agent usprawniający zadania
Project Mariner, dostępny wyłącznie dla użytkowników AI Ultra, to asystent AI, który wykonuje zadania takie jak poszukiwanie pracy lub mieszkania. Google nazywa Project Mariner "prototypem badawczym", wskazując, że wciąż wymaga on dalszego dopracowania.
Wyszukiwanie w Internecie i pobieranie informacji
Wyszukiwanie w Internecie to standardowa funkcja wszystkich popularnych chatbotów. Gemini, ChatGPT i Copilot mogą odpowiadać na pytania dotyczące bieżących wydarzeń. Większość pytań jest rozwiązywana poprawnie, ale niektóre mogą zaskoczyć chatboty.
Odpowiedzi Gemini i Copilot są zazwyczaj krótkie i rzeczowe, natomiast ChatGPT dostarcza bardziej szczegółowych informacji. Gemini i ChatGPT mają ikony źródła, które prowadzą do powiązanych artykułów, ale interfejs ChatGPT pokazuje nazwę źródła i pełny tytuł artykułu.
AI Mode i zakupy
Dostęp do AI Mode na stronie wyszukiwania Google, obsługiwanym przez Gemini, można uzyskać za pomocą przycisku AI Mode. Umożliwia on użytkownikom zadawanie pytań na podstawie wyników wyszukiwania w sieci, z powiązanymi kafelkami artykułów i odpowiednimi obrazami w odpowiedziach, podobnie jak ChatGPT. Zapewnia również wygodny dostęp do wyszukiwania Google i grafiki.
Gemini może również pomagać w zakupach, udzielając porad dotyczących zakupu wraz z kafelkami Zakupów Google z recenzjami użytkowników, linkami do sprzedawców i śledzeniem cen. Funkcja zakupów Gemini oferuje odpowiednie rekomendacje.
Dogłębne badania: Raportowanie w szczegółach
Dogłębne badania to cenna funkcja chatbotów AI, pozwalająca użytkownikom zadawać pytania lub sugerować tematy, które Gemini ma zbadać i zrelacjonować. Raporty mogą cytować liczne źródła i generować się w około 10 minut.
Oba chatboty z łatwością radzą sobie z prostymi tematami badawczymi, ale pytania bez definitywnych odpowiedzi i wymagające różnorodnych źródeł są trudniejsze.
Gemini cytuje więcej źródeł, ale pozyskiwanie źródeł ChatGPT jest bardziej przyjazne dla użytkownika. Gemini umożliwia eksportowanie raportów do Dokumentów Google, ale interfejs dogłębnych badań ChatGPT to zasadniczo tylko pasek ładowania.
Ton raportu znacznie się różni, przy czym raporty Gemini przypominają prace akademickie, a raporty ChatGPT przypominają posty na forum.
Generowanie obrazów: Porównanie wizualne
Generowanie obrazów to kolejna podstawowa funkcja chatbotów AI. Testy koncentrują się na fotorealistycznych i złożonych ilustracjach.
W przypadku generowania obrazów fotorealistycznych Gemini generuje obrazy szybko i atrakcyjnie wizualnie, choć może zawierać błędy.
W przypadku złożonych ilustracji komiks Gemini jest zwykle niespójny, podczas gdy komiks ChatGPT jest bliższy spełnieniu swojego celu.
W przypadku generowania diagramów technicznych ChatGPT generuje bardzo dokładne diagramy, umacniając swoją siłę.
Generowanie wideo: Rozwijająca się dziedzina
Generowanie wideo AI to coraz bardziej popularna funkcja. Gemini ma Flow filmmaker tool, Veo 3 video generation model, i Whisk AI animator. Jego zdolność do generowania filmów z dźwiękiem odróżnia go od generowania wideo Sora w ChatGPT, choć jest dostępne wyłącznie dla subskrybentów AI Ultra.
Veo 3 stanowi znaczący krok naprzód, jednak wymaga starannej kalibracji monitu. Każde wygenerowanie wymaga 150 kredytów (12 500 kredytów miesięcznie z AI Ultra).
Flow umożliwia przycinanie klipów wideo i wydłużanie ich na podstawie nowych monitów. Przy wystarczającej liczbie kredytów film można by teoretycznie nakręcić w całości za pomocą Flow.
Whisk, narzędzie do animacji AI firmy Google, umożliwia użytkownikom przesyłanie zdjęć. Wyniki mogą być zabawne, ale mają błędy i zniekształcenia.
Analiza plików: Rozumienie przesłanej zawartości
Gemini może analizować i rozumieć przesłane pliki, oceniając życiorysy, interpretując obrazy lub tłumacząc tekst.
W rozpoznawaniu obrazów, chatboty są testowane pod kątem ich zdolności do identyfikowania komponentów w przesłanym obrazie. ChatGPT może zawierać większą ilość szczegółów.
W przypadku przetwarzania dokumentów chatboty mają za zadanie odpowiadać na pytania na podstawie wyłącznie przesłanych dokumentów. Zarówno Gemini, jak i ChatGPT udzielają poprawnych odpowiedzi, ale zaleca się ostrożność podczas przesyłania plików. ChatGPT może mieć niewielką przewagę w przetwarzaniu plików nad Gemini, ale jest to cienka granica.
Twórcze pisanie: Generowanie wierszy
Chatboty AI mogą pomagać w twórczym pisaniu, w tym w żartach, monologach i wierszach.
Gdy ma napisać wiersz swobodny, ChatGPT ściślej przestrzega instrukcji. Wiersz Gemini nie używa interpunkcji, podczas gdy wiersz Copilot wydaje się ubogi z powodu jego podziałów wierszy.
Złożone rozumowanie: Pytania egzaminacyjne
Złożone rozumowanie jest testowane przez przedstawianie chatbotom pytań egzaminacyjnych dla studentów w informatyce, matematyce i fizyce.
Chatboty radzą sobie bardzo dobrze, skutecznie odpowiadając na wszystkie pytania z fizyki. ChatGPT zwraca najmniej niepoprawnych odpowiedzi ogółem.
Gemini w Chrome: Bezproblemowa integracja
Chrome integruje teraz Gemini. Posiadacze płatnych kont mogą kliknąć ikonę Gemini, aby otworzyć okno czatu, wchodząc w interakcje z Gemini jak zwykle i wysyłając zapytania o zawartość aktywnej karty. Integracja Gemini w Chrome pozwala użytkownikom wyeliminować potrzebę otwierania nowej karty, aby zapytać Gemini o coś za pośrednictwem funkcji podobnej do Copilot Vision w Edge, chociaż funkcja Live Gemini nie jest dostępna w jego interfejsie Web.
Odpowiedzi tekstowe są imponująco szybkie. Szybkość odpowiedzi sprawia, że zastanawiam się, czy Gemini ma jakiś poziom dostępu do stron internetowych, zanim się nimi podzielisz.
Chociaż Gemini w Chrome ma pewne ograniczenia; Gemini nie rozumie filmów, a odpowiedzi z Live nie są tak szybkie jak przez tekst, to ogólnie rzecz biorąc, jest przydatny, ponieważ eliminuje potrzebę kopiowania i wklejania. Jednak, dopóki nie używasz Gemini cały czas, czas zaoszczędzony dzięki temu, że jest on na wyciągnięcie ręki, może nie być wielkim problemem. Funkcja Live jest podobnie pomocna, umożliwiając mi zadawanie pytań dotyczących tego, na co patrzę, bez konieczności dotykania klawiatury.
Gemini w Chrome ma kilka ograniczeń dotyczących tego, co może wyświetlać i rozumieć. W rezultacie Gemini może wydawać się inwazyjny Gemini może widzieć i odpowiadać na pytania dotyczące niektórych kart po ich udostępnieniu.
Integracja z aplikacjami Google: Zwiększona produktywność
Subskrybenci planu AI Pro otrzymują funkcje AI w aplikacjach Google, w tym w Kalendarzu, Dokumentach, Dysku, Gmailu, Mapach, Keep, Zdjęciach, Arkuszach i YouTube Music.
Google podkreśla integracje na własnej stronie Gemini. Możesz dodawać wydarzenia do Kalendarza Google na podstawie ulotki, generować listy zakupów w Google Keep lub pozwolić Gemini na dobieranie list odtwarzania w YouTube Music. Gemini w Dokumentach, Gmailu, Arkuszach i Prezentacjach odzwierciedla Copilot w aplikacjach Microsoft 365, tworząc slajdy na podstawie monitów, redagując e-maile, generując tekst i sugerując formuły.
Gemini w Gmailu wyróżnia się, dając Gemini pełny dostęp do historii Twojej poczty e-mail, umożliwiając mu wyszukiwanie określonych informacji lub udzielanie porad dotyczących czyszczenia skrzynki odbiorczej. Jednak nie jest to wszechmocna funkcja. Gemini nie może wszystkiego. Ta integracja sprawia wrażenie naruszenia prywatności.
W zależności od stopnia wykorzystania dostępnych integracji Gemini; mogą nie istnieć takie, które spełniają Twoje specyficzne wymagania. Może to jednak być korzystne ze względu na mnogość funkcji.
Gems: Niestandardowi eksperci AI
Gems to niestandardowe wersje Gemini dostosowane do określonych celów. Instruktorzy mogą dodawać pliki i tworzyć PC Builder Gem, aby pomagać osobom budującym komputery po raz pierwszy.
Odpowiedzi są marginalnie inne niż podczas rozmowy z Gemini. Osoby, które planują porozmawiać z Gemini na określony temat, mogą utworzyć Gem. Jednak Gems nie wydają się naprawdę spełniać obietnicy Google.
Bezpieczeństwo i prywatność
Gemini nie jest świadomy i nie może myśleć ani rozumieć rzeczy jak człowiek.
Treści dla dorosłych, nielegalne działania, realistyczne obrazy ludzi i tematy tabu są sprzeczne z zasadami Gemini, Gemini jest najbardziej pobłażliwy w stosunku do swojego systemu filtrowania.
Gemini ma okno kontekstowe. Okno kontekstowe Gemini w planie AI Pro może obsługiwać do 1500 stron tekstu lub 30 000 linii kodu naraz z płatną subksrypcją. Subskrybenci mogą napotkać przeszkody, jeśli wersja bezpłatna jest używana intensywnie.
Google gromadzi dane, gdy korzystasz z Gemini, w tym pliki, informacje o lokalizacji, sposób użytkowania produktu i czaty. Dane te są wykorzystywane do ulepszania produktów Google i technologii uczenia maszynowego.
Użytkownicy mogą wyłączyć Aktywność w aplikacjach Gemini. Domyślnie Google przechowuje dane czatu przez 18 miesięcy.
Jeśli chodzi o integracje Gemini z Google Workspace, takie jak Gmail, Dokumenty, Dysk, Arkusze i Prezentacje, Google obiecuje nie wykorzystywać trained models, nie sprzedawać ich ani nie wykorzystywać ich do targetowanych reklam.
Google doświadczył w przeszłości problemów, które obejmują, złośliwych aktorów, którzy wykorzystali luki w Google Chrome, włoskich regulatorów, którzy cytowali Google za jego praktyki dotyczące danych, oraz gromadzenie danych bez zgody prowadzące do strat miliardów. W związku z tym zaleca się, aby nie udostępniać wrażliwych danych.