ジェミニ（言語モデル）

Google は、子会社のGoogle DeepMindが開発した大規模言語モデル(LLM) である Gemini を、2023 年 5 月 10 日のGoogle I/O基調講演で発表しました。これは、同イベントで発表されたPaLM 2のより強力な後継として位置づけられ、Google のCEOであるSundar Pichai氏は、Gemini はまだ開発の初期段階にあると述べています。^{[ 3 ] [ 4 ]}他の LLM とは異なり、Gemini はテキスト コーパスのみでトレーニングされておらず、テキスト、画像、音声、ビデオ、コンピュータ コードなど、複数の種類のデータを同時に処理できるマルチモーダルとして設計されている点でユニークであると言われています。^{[ 5 ]}これは、Google DeepMind として統合された Google の 2 つの部門であるDeepMind とGoogle Brainのコラボレーションによって開発されました。 ^{[ 6 ]} DeepMindのCEOであるデミス・ハサビス氏はWired誌のインタビューで、 Geminiの高度な機能について語り、このアルゴリズムがOpenAIのChatGPT （ GPT-4で動作し、GoogleがLaMDAとBardで積極的に対抗してきた）を凌駕できると確信していると述べた。ハサビス氏は、2016年に囲碁チャンピオンのイ・セドル氏を破り世界的な注目を集めたDeepMindのAlphaGoプログラムの強みを強調し、GeminiはAlphaGoと他のGoogle-DeepMind LLMの力を組み合わせるだろうと述べた。^{[ 7 ]}

2023 年 8 月、The Information は、Google の Gemini のロードマップを概説したレポートを公開し、同社が 2023 年後半のローンチを目指していることを明らかにした。レポートによると、Google は、ほとんどの LLM に搭載されている会話テキスト機能と人工知能による画像生成を組み合わせることで、OpenAI や他の競合他社を凌駕し、文脈に沿った画像を作成し、より幅広いユースケースに適応できるようにすることを望んでいた。^{[ 8 ]} Bard と同様に、^{[ 9 ]} Google の共同創設者であるSergey Brin は、Google Brain や DeepMind の数百人のエンジニアとともに、引退から呼び戻され、Gemini の開発を支援した。^{[ 8 ] [ 10 ]}彼は後に Gemini の「コア貢献者」としてクレジットされた。^{[ 11 ]} Gemini はYouTube動画の文字起こしでトレーニングされていたため、著作権侵害の可能性のある素材をフィルタリングするために弁護士が招集された。^{[ 8 ]}

Geminiのローンチが間近に迫っているというニュースを受けて、OpenAIはGeminiと同様のマルチモーダル機能とGPT-4を統合する作業を加速させた。^{[ 12 ]} The Informationは9月に、GoogleがGoogle CloudのVertex AIサービスを通じて顧客に提供する予定のLLMの「初期バージョン」への早期アクセス権を複数の企業に付与したと報じた。同誌はまた、GoogleがGeminiをGPT-4とMicrosoftのGitHub Copilotの両方と競合できるように強化しているとも報じた。^{[ 13 ] [ 14 ]}

2023 年 12 月 6 日、ピチャイとハサビスは、バーチャル記者会見で「Gemini 1.0」を発表しました。^{[ 15 ] [ 16 ]}これには、3 つのモデルがあります。「非常に複雑なタスク」向けに設計された Gemini Ultra、「幅広いタスク」向けに設計された Gemini Pro、および「デバイス上のタスク」向けに設計された Gemini Nano です。発売当初、Gemini Pro と Nano はそれぞれ Bard とPixel 8 Proスマートフォンに統合され、Gemini Ultra は「Bard Advanced」の動力源となり、2024 年初頭にソフトウェア開発者向けに提供される予定でした。Google が Gemini を組み込む予定だった他の製品には、検索、広告、Chrome 、 Google Workspaceの Duet AI 、およびAlphaCode 2がありました。^{[ 17 ] [ 16 ]}これは英語でのみ利用可能でした。^{[ 16 ] [ 18 ]} Googleの「最大かつ最も有能なAIモデル」として宣伝され、人間の行動を模倣するように設計された^{[ 19 ] [ 16 ] [ 20 ]}同社は、「広範な安全性のテスト」が必要であるため、Geminiは翌年まで広く利用可能にならないと述べた。^{[ 15 ]} GeminiはGoogleのTensor Processing Unit（TPU）でトレーニングされ、動作しており、 ^{[ 15 ] [ 18 ]}その名前はDeepMindとGoogle Brainの合併、およびNASAのProject Geminiに由来している。^{[ 21 ]}

Gemini Ultraは、さまざまな業界ベンチマークでGPT-4、AnthropicのClaude 2、Inflection AIのInflection-2、MetaのLLaMA 2、xAIのGrok 1を上回ったと言われており、 ^{[ 22 ] [ 15 ]} Gemini ProはGPT-3.5を上回ったと言われている。^{[ 5 ]} Gemini Ultraは、57人の被験者によるMassive Multitask Language Understanding（MMLU）テストで人間の専門家を上回った最初の言語モデルでもあり、90%のスコアを獲得した。^{[ 5 ] [ 21 ]} Gemini Proは12月13日にAI StudioとVertex AIでGoogle Cloudの顧客向けに提供開始され、Gemini NanoはAndroid開発者向けにも提供される予定である。^{[ 23 ] [ 24 ] [ 25 ]}ハサビス氏はさらに、DeepMindがGeminiを「ロボット工学と組み合わせて物理的に世界と相互作用する方法」を模索していることを明らかにした。^{[ 26 ]} 10月にジョー・バイデン米大統領が署名した大統領令に従い、GoogleはGemini Ultraのテスト結果を米国連邦政府と共有すると発表した。同様に、同社は11月にブレッチリー・パークで開催されたAI安全サミットで示された原則を遵守するため、英国政府と協議を行っていた。 ^{[ 5 ]}

2025年6月、GoogleはGemini CLIを発表しました。これは、Geminiの機能を端末に直接提供するオープンソースのAIエージェントで、高度なコーディング、自動化、問題解決機能を提供し、個人開発者には寛大な無料使用制限が設けられています。^{[ 27 ]}

2024 年 1 月、Google はSamsungと提携し、Gemini Nano と Gemini Pro をGalaxy S24スマートフォンのラインナップに統合しました。^{[ 28 ] [ 29 ]}翌月、Bard と Duet AI は Gemini ブランドの下に統合され、^{[ 30 ] [ 31 ]} Google Oneサブスクリプション サービスの新しい「AI Premium」ティアを通じて「Gemini Advanced with Ultra 1.0」がリリースされました。^{[ 32 ]} Gemini Pro もグローバルに発売されました。^{[ 33 ]}

2024 年 2 月、Google は Gemini 1.5 を発表し、1.0 Ultra よりも強力で高性能なモデルであると説明しました。^{[ 34 ] [ 35 ] [ 36 ]}変更点には、新しいアーキテクチャ、専門家の混合アプローチ、より大きな 100 万トークンのコンテキスト ウィンドウが含まれます。^{[ 37 ]}同じ月に、Google は Gemini モデルのより小型で無料のオープンソースの範囲である Gemma を発表しました。複数の出版物は、これを Meta や他の企業が AI モデルをオープンソース化したことへの対応であり、Google がこれまで AI を独自仕様にしていた慣行からの転換であると説明しました。^{[ 38 ] [ 39 ] [ 40 ]} Google は 5 月 14 日、2024 I/O の基調講演で、Gemini 1.5 Flash という追加モデルを発表しました。^{[ 41 ]}

2024年9月24日に、Gemini-1.5-Pro-002とGemini-1.5-Flash-002という2つのアップデートされたGeminiモデルがリリースされました。^{[ 42 ]}

2024 年 12 月 11 日、Google は新しい Gemini 2.0 Flash Experimental モデルを発表しました。^{[ 43 ]}機能には、リアルタイムのオーディオおよびビデオのインタラクションのためのマルチモーダル Live API、ネイティブ画像と制御可能なテキスト読み上げ生成 (ウォーターマーク付き)、および統合された Google 検索が含まれます。^{[ 44 ]}また、エージェント機能の改善、新しい Google Gen AI SDK、および GitHub 用の実験的な AI コーディング エージェントである「Jules」も導入されています。^{[ 45 ]}

2025年1月30日、GoogleはGemini 2.0 Flashを新しいデフォルトモデルとしてリリースし、Gemini 1.5 Flashも引き続き使用可能とした。これに続き、2025年2月5日にはGemini 2.0 Proがリリースされた。さらに、GoogleはGemini 2.0 Flash Thinking Experimentalをリリースした。これは、プロンプトに応答する際の言語モデルの思考プロセスの概要を生成するものである。^{[ 46 ]}

2025年3月12日、GoogleはGemini Roboticsも発表した。これはGemini 2.0ファミリーのモデルに基づいたビジョン・言語・アクションモデルである。[ 47 ^]翌日、 GoogleはAndroid StudioのGeminiがシンプルなUIモックアップを理解し、それを動作するJetpack Composeコードに変換できると発表した。^{[ 48 ]}

Gemini 2.5 Pro Experimental は 2025 年 3 月 25 日にリリースされました。^{[ 49 ] [ 50 ] [ 51 ]}このモデルは、ネイティブのマルチモダリティを維持しながら、思考の連鎖を促す機能を提供します。^{[ 49 ] [ 51 ] [ 52 ]}

Google I/O 2025で、GoogleはGemini 2.5 Flashが標準モデルになると発表しました。^{[ 53 ]} Gemini 2.5 Proは、より優れたコーディング機能やその他の改良を特徴とする、最も先進的なGeminiモデルとして発表されました。^{[ 54 ]} 2.5 ProとFlashの両方がネイティブオーディオ出力をサポートしています。

2025年6月17日、Googleは2.5 ProとFlashの一般提供開始を発表した。同日、速度とコスト効率を最適化したモデルであるGemini 2.5 Flash-Liteも発表した。^{[ 55 ]}

2025年11月18日、Googleは3 Proと3 Deep Thinkのリリースを発表しました。^{[ 56 ]}これらの新しいモデルは2.5 ProとFlashに取って代わります。このリリースを受けて、OpenAIは競合モデルであるGPT-5.2のリリースを早め、12月11日にリリースしました。^{[ 57 ] [ 58 ] [ 59 ] [ 60 ]}

2025年12月4日、Googleは3 Deep ThinkがUltra加入者向けに展開を開始すると発表した。^{[ 61 ]}

2025年12月17日、Googleは、現在のバージョン2.5 Flashに代わるバージョン3 Flashのリリースを発表した。^{[ 62 ]}

2026年1月12日、Appleは次期バージョンのSiriにGemini AIモデルを使用する計画を発表した。^{[ 63 ]}

2026年2月11日、ジェミニは女性ファッションブランドのL'Agenceと提携し、ニューヨークファッションウィークで同社のバーチャル試着技術を活用した。 ^{[ 64 ]}

2026年2月19日、GoogleはGemini 3.1 Proをリリースした。^{[ 2 ] [ 65 ]}

2026年2月26日、Nano Banana 2がリリースされました。これはGemini 3.1 Flash Imageプラットフォームをベースにしたアップデート版です。^{[ 66 ]}

2026年3月3日、GoogleはGoogle APIで開発者向けにGemini 3.1 Flash Liteをリリースした。^{[ 67 ] [ 68 ]}

2026年4月2日、Googleは高度な推論とエージェントワークフローのために特別に構築されたGemma 4をリリースした。^{[ 69 ]}

2026年5月19日、GoogleはGemini 3.5 Flashをリリースした。これは3.5モデルファミリーの最初の一般公開版である。^{[ 70 ]}

2026年7月21日、GoogleはGemini 3.6 FlashとGemini 3.5 Flash-Liteをリリースした。^{[ 71 ] [ 72 ]}

次の表は、ジェミニの主なモデルバージョンを一覧にし、各バージョンに含まれる重要な変更点を説明しています。^{[ 73 ] [ 74 ] [ 75 ]}