To Gemini 2.5 φέρνει καλύτερες δυνατότητες συλλογισμού και απόδοσης

[Axlmon]

Η Google ανακοίνωσε το Gemini 2.5, το "πιο έξυπνο μοντέλο" της μέχρι σήμερα, με βελτιωμένες δυνατότητες συλλογισμού, επιδόσεις και ακρίβεια, λίγους μήνες μετά την κυκλοφορία του Gemini 2.0 και εν μέσω της ανόδου της DeepSeek.

Το Gemini 2.5 έρχεται τρεις μήνες μετά την κυκλοφορία της προηγούμενης πιο έξυπνης οικογένειας μοντέλων της Google, του Gemini 2.0, που εισήγαγε περιπτώσεις χρήσης συλλογισμού και agent λειτουργιών. Το νέο μοντέλο είναι διαθέσιμο ως Gemini 2.5 Pro (πειραματικό) στο Google AI Studio και για τους χρήστες του Gemini Advanced στο περιβάλλον συνομιλίας Gemini. Σύντομα θα είναι διαθέσιμο και στο Vertex AI.

Ο Koray Kavukcuoglu, CTO της Google DeepMind, ανέφερε σε blog post ότι το Gemini 2.5 αντιπροσωπεύει το επόμενο βήμα στον στόχο της Google να κάνει "την τεχνητή νοημοσύνη πιο έξυπνη και ικανή για συλλογισμό".

"Τώρα, με το Gemini 2.5, έχουμε επιτύχει ένα νέο επίπεδο απόδοσης συνδυάζοντας ένα σημαντικά βελτιωμένο βασικό μοντέλο με βελτιωμένη εκπαίδευση μετά την ολοκλήρωση του μοντέλου", έγραψε ο Kavukcuoglu. "Προχωρώντας, χτίζουμε αυτές τις δυνατότητες σκέψης απευθείας σε όλα τα μοντέλα μας, ώστε να μπορούν να χειρίζονται πιο σύνθετα προβλήματα και να υποστηρίζουν ακόμη πιο ικανούς πράκτορες με επίγνωση του περιεχομένου."

Όπως το Gemini 2.0 και το Gemini 2.0 Flash Thinking, το Gemini 2.5 Pro "σκέφτεται" πριν απαντήσει. Το νέο μοντέλο μπορεί να χειριστεί πολυτροπική είσοδο από κείμενο, ήχο, εικόνες, βίντεο και μεγάλα σύνολα δεδομένων. Επιπλέον, το Gemini 2.5 Pro μπορεί να κατανοήσει ολόκληρα αποθετήρια (repositories) κώδικα για projects προγραμματισμού.

Το Gemini 2.5 Pro προσφέρει μερικά από τα μεγαλύτερα παράθυρα περιεχομένου που διατίθενται για πειραματικά μοντέλα στο Gemini. Διατίθεται με παράθυρο περιεχομένου 1 εκατομμυρίου token, το οποίο θα επεκταθεί σύντομα σε 2 εκατομμύρια tokens. Ο διαχειριστής προϊόντων του Google AI Studio, Logan Kilpatrick, ανέφερε στο X ότι το Gemini 2.5 Pro είναι "το πρώτο πειραματικό μοντέλο με υψηλότερα όρια ρυθμού + χρέωση".

Η Google σχεδιάζει να ανακοινώσει σύντομα τις τιμές για τα μοντέλα Gemini 2.5.

Σύμφωνα με την Google, το μοντέλο πρωτοπορεί σε δοκιμές συγκριτικής αξιολόγησης προηγμένου συλλογισμού. Η εταιρεία ανέφερε ότι το Gemini 2.5 Pro "προηγείται σε συγκριτικές αξιολογήσεις αντιστοίχισης και επιστήμης όπως το GPQA και το AIME 2025". Ο Kavukcuoglu δήλωσε ότι το μοντέλο επίσης σημείωσε "κορυφαία επίδοση 18,8% μεταξύ των μοντέλων χωρίς χρήση εργαλείων στο Humanity's Last Exam", ένα σύνολο δεδομένων που στοχεύει στην αποτύπωση της ανθρώπινης γνώσης και συλλογισμού.

Το Gemini 2.5 Pro επίσης αποδίδει ισχυρά σε εργασίες κωδικοποίησης και σημείωσε καλύτερη επίδοση από το Gemini 2.0 σε συγκεκριμένες συγκριτικές αξιολογήσεις. Η Google σημείωσε ότι το νέο μοντέλο "διαπρέπει στη δημιουργία οπτικά ελκυστικών διαδικτυακών εφαρμογών και εφαρμογών κώδικα με πρακτόρευση, καθώς και στον μετασχηματισμό και την επεξεργασία κώδικα".

Το Gemini 2.5 Pro εισέρχεται στην αγορά μοντέλων συλλογισμού σε ένα σημαντικά διαφοροποιημένο περιβάλλον σε σχέση με το Gemini 2.0 του Δεκεμβρίου. Η κυκλοφορία του μοντέλου συλλογισμού μεγάλης γλωσσικής κλίμακας (LLM) DeepSeek-R1 της DeepSeek έδειξε ότι τα ισχυρά μοντέλα μπορούν να αποδίδουν καλά με ένα κλάσμα του κόστους εκπαίδευσης και υπολογισμού. Επιπλέον, η DeepSeek έδειξε ότι τα μοντέλα ανοιχτού κώδικα μπορούν να ανταγωνιστούν τα πιο κλειστού κώδικα LLM, όπως τα μοντέλα o1 και o3 της OpenAI.

Εκτός από τις συνεχώς αυξανόμενες προσφορές μοντέλων της DeepSeek, η Google πρέπει να ανταγωνιστεί τα μοντέλα συλλογισμού της OpenAI. Ενώ το νεότερο μοντέλο από την OpenAI ήταν το GPT-4.5 —όχι ένα μοντέλο συλλογισμού— αναμένεται ακόμη η εταιρεία να αναπτύξει περισσότερα μοντέλα συλλογισμού σύντομα.

Το Gemini 2.5 είναι το δεύτερο νέο μοντέλο της Google αυτό το μήνα. Τον Μάρτιο, η εταιρεία κυκλοφόρησε την τελευταία έκδοση του μικρού γλωσσικού μοντέλου της, Gemma 3, το οποίο προσέφερε μοντέλο περιεχομένου 128.000 token και ήταν βέλτιστο για χρήση σε φορητές συσκευές.

View full article

[SuperLuigis]

Πως γίνεται όλοι αυτοί να βγάζουν νεες εκδόσεις κάθε λίγους μήνες

[zazoum]

23 minutes ago, SuperLuigis said:

Πως γίνεται όλοι αυτοί να βγάζουν νεες εκδόσεις κάθε λίγους μήνες

Ειναι πλουσιοι 😛

[panther_512]

1 hour ago, SuperLuigis said:

Πως γίνεται όλοι αυτοί να βγάζουν νεες εκδόσεις κάθε λίγους μήνες

Είναι αγώνας ταχύτητας.

Ήδη εκπαιδεύουν νέα μοντέλα.

gemma 3 πραγματικά όλα τα λεφτά για local AI, και με άριστη υποστήριξη ελληνικών, κάτι στο οποίο πάσχουν σοβαρά τα περισσότερα ελαφριά μοντέλα.

[nepomuk]

1 ώρα πριν, SuperLuigis είπε

Πως γίνεται όλοι αυτοί να βγάζουν νεες εκδόσεις κάθε λίγους μήνες

Ενεκα βρεφικης - νηπιακης ηλικιας ολα αυτα τα προτζεκτ , η επανασταση μολις ξεκινησε.

[Diavolos666]

Προσωπικά gemini δεν θα χρησιμοποιήσω ποτέ. Έχω μνήμη παραπάνω από 3 δευτερόλεπτα και θυμάμαι τι προσπάθησαν να κάνουν. Και δεν είναι ότι έβαλαν μυαλό και άλλαξαν, απλά έφαγαν κράξιμο και τώρα το παίζουν καλοί, να αποκτήσουν χρήστες και να εκπαιδεύουν τα μοντέλα τους μέχρι να εδραιωθούν.

[oldnew]

2 hours ago, SuperLuigis said:

Πως γίνεται όλοι αυτοί να βγάζουν νεες εκδόσεις κάθε λίγους μήνες

Το θέμα δεν είναι πόσο συχνά βγάζεις Update, το θέμα είναι ποσο βελτίωση πετυχαίνουν.. 

[panther_512]

2 hours ago, Diavolos666 said:

Προσωπικά gemini δεν θα χρησιμοποιήσω ποτέ. Έχω μνήμη παραπάνω από 3 δευτερόλεπτα και θυμάμαι τι προσπάθησαν να κάνουν. Και δεν είναι ότι έβαλαν μυαλό και άλλαξαν, απλά έφαγαν κράξιμο και τώρα το παίζουν καλοί, να αποκτήσουν χρήστες και να εκπαιδεύουν τα μοντέλα τους μέχρι να εδραιωθούν.

LM studio και χρήση local AI είναι η λύση σου.

Ειρωνικά, η καλύτερη local λύση αν σε ενδιαφέρει η ελληνική γλώσσα είναι της Google. (Gemma 3)

[Diavolos666]

1 hour ago, panther_512 said:

LM studio και χρήση local AI είναι η λύση σου.

Ειρωνικά, η καλύτερη local λύση αν σε ενδιαφέρει η ελληνική γλώσσα είναι της Google. (Gemma 3)

Κάποιο που να δουλεύει σωστά? Έχω κατεβάσει ένα σωρό στο παρελθόν στον Threadripper μου στην 3080, εκτός του ότι έκαναν δέκα ώρες να βγάλουν αποτέλεσμα πολλές φορές έβγαζαν χαζομάρες.

Ένα που έβγαζε αποτελέσματα ήταν τόσο χάλια που ήταν προτιμότερο να χρησιμοποιώ κάποιο δωρεάν όπως το chatgpt που και στο δωρεάν βγάζει κλάσης ανώτερα αποτελέσματα σε σχέση με οποιοδήποτε τοπικό.

Αυτό που κατάλαβα για τα τοπικά είναι ότι θέλει να έχεις κάρτα γραφικών με 100GB Vram που λέει ο λόγος για να τρέξεις κάποιο μεγάλο και καλό μοντέλο.

Το δε stable diffusion πριν χρόνια που το δοκίμασα έπασχε από διπλά κεφάλια, δεκαπλά χέρια κτλ. Δεν κατάλαβα ποτέ όλοι αυτοί που βάζουν εικόνες από stable diffusion πως το έκαναν (εκτός κι αν το έκαναν από κανένα Midjourney και απλά έβαλαν ψέματα ότι το έκαναν στο stable diffusion)

Επεξ/σία 26 Μαρτίου από Diavolos666

[panther_512]

2 minutes ago, Diavolos666 said:

Κάποιο που να δουλεύει σωστά? Έχω κατεβάσει ένα σωρό στο παρελθόν

Μάλλον έχεις καιρό να δοκιμάσεις κάτι.

Δοκίμασε Gemma 3 4B

Επεξ/σία 26 Μαρτίου από panther_512

[Diavolos666]

8 minutes ago, panther_512 said:

Μάλλον έχεις καιρό να δοκιμάσεις κάτι.

Δοκίμασε Gemma 3 4B

Πρόσφατα δοκίμασα ένα Llama πως λεγόταν, μόνο λάθη έβγαζε. Και σχεδόν όλα έχουν περιορισμούς, γράφεις κάτι και σου λέει ότι δεν το δέχεται, κάτι σαν profanity filter, αυτή η πολιτική ορθότητα έχει χαλάσει και την ΤΝ πριν καν βγει,  άλλο του λες άλλο καταλαβαίνει. Προκειμένου να μην θίξει κανέναν προτιμάει να μην βγάζει αποτέλεσμα ακόμα και αν κάνει λάθος και απλά δεν κατάλαβε τι ρώτησες.

Επεξ/σία 26 Μαρτίου από Diavolos666

[panther_512]

2 hours ago, Diavolos666 said:

Πρόσφατα δοκίμασα ένα Llama πως λεγόταν, μόνο λάθη έβγαζε. Και σχεδόν όλα έχουν περιορισμούς, γράφεις κάτι και σου λέει ότι δεν το δέχεται, κάτι σαν profanity filter, αυτή η πολιτική ορθότητα έχει χαλάσει και την ΤΝ πριν καν βγει,  άλλο του λες άλλο καταλαβαίνει. Προκειμένου να μην θίξει κανέναν προτιμάει να μην βγάζει αποτέλεσμα ακόμα και αν κάνει λάθος και απλά δεν κατάλαβε τι ρώτησες.

Βρε δοκίμασε το Gemma 3 4B ή αν έχεις κάρτα γραφικών με 8GB VRAM ή παραπάνω το 12Β.

Είναι πολύ καλό, σε επίπεδο ChatGPT. Το έχω τεστάρει σε πολύπλοκες εντολές και δημιουργία ψηφιακών βοηθών και ανταποκρίνεται σχεδόν όπως το ChatGPT.

Ρίξε μιά ματιά, δεν χάνεις κάτι.

Μήν το ζορίζεις όμως με έλεγχο πολιτικής ορθότητας. Βάλτου νορμάλ πράγματα.