Google представила обновленную модель Gemini 1.2 Flash

Google DeepMind анонсировала выход Gemini 1.2 Flash — обновленной версии своей высокопроизводительной модели, оптимизированной для работы с длинными видеопотоками и снижения задержек. Релиз направлен на повышение эффективности обработки мультимодальных данных в реальном времени.

Ключевым улучшением стала поддержка расширенного контекстного окна, позволяющего анализировать видеофайлы длительностью до 60 минут за один запрос. Разработчики оптимизировали архитектуру модели, что привело к сокращению времени отклика при сохранении высокой точности ответов. Обновление также включает улучшенные механизмы обработки аудио и визуальных сигналов, что делает модель более пригодной для создания интерактивных агентов.

Важным дополнением стала поддержка нативной генерации и редактирования видео длительностью до 15 секунд, а также повышенная визуальная консистентность результатов. Кроме того, стоимость обработки токенов была снижена на 30%, что делает модель более доступной для масштабируемых корпоративных решений. Модель уже доступна для интеграции через API, предоставляя разработчикам инструменты для создания приложений, требующих глубокого анализа видеоконтента без необходимости разбиения файлов на фрагменты.

Для практиков это означает возможность внедрения функций анализа длинных видеолекций, записей встреч или сложных визуальных инструкций напрямую в продукты. Увеличенная длина контекста и оптимизация затрат позволяют снизить нагрузку на инфраструктуру при работе с тяжелыми мультимедийными данными.