Google DeepMind präsentiert Gemini Ultra 2.0 mit starker multimodaler Fähigkeit
Google DeepMind stellt die nächste Generation seines Flaggschiff-Modells vor, das Text, Bild, Audio und Video deutlich besser verknüpfen kann
Google legt nach: Gemini Ultra 2.0 ist da – und soll deutlich schlauer geworden sein.
Das neue Flaggschiff-Modell von DeepMind kann jetzt noch besser mit verschiedenen Datentypen gleichzeitig umgehen: Text, Bilder, Audio und Video.
In den ersten Demos hat das Modell wissenschaftliche Diagramme analysiert und komplexe Videosequenzen interpretiert – und zwar richtig gut.
Warum das wichtig ist?
Weil genau diese multimodale Fähigkeit der Schlüssel für die nächste Generation von KI-Assistenten ist.
Stellt euch vor, ihr zeigt eurem Handy ein kaputtes Teil am Fahrrad, beschreibt das Geräusch dabei – und die KI erklärt euch sofort, was zu tun ist.
Gemini konkurriert direkt mit ChatGPT und Claude, und der Wettlauf um die beste KI wird damit noch enger.
