काठमाडौं । मंगलबार आयोजना गरिएको गूगल आइ/ओ २०२६ इभेन्टमा सबैले कम्पनीले प्रयोगकर्ता र उद्यमहरूका लागि सार्वजनिक गर्न लागेका नयाँ फिचर र प्रोडक्टहरूको पहिलो झलक पाए । गूगलका सीईओ सुन्दर पिचाईले कीनोट सेसनको सुरुवात गर्दै “डक्स लाइभ” जस्ता नयाँ आर्टिफिसियल इन्टेलिजेन्स (एआई) टुलहरूको घोषणा गरे । कम्पनीले आफ्नो सबैभन्दा रोमाञ्चक आविष्कार जेमिनी ओम्नी सार्वजनिक गर्‍यो । यसका साथै, कम्पनीले प्रयोगकर्ताका लागि जेमिनी ३.५ सिरिजका मोडेलहरू पनि प्रस्तुत गर्‍यो ।

लाइभ इभेन्टका क्रममा कम्पनीले जेमिनी ३.५ सिरिज अनावरण गर्‍यो । जेमिनी ३.५ सिरिजका नयाँ मोडेलहरूले एजेन्टिक क्षमताहरू र कोडिङ प्रदर्शनमा ठूलो सुधार ल्याएका छन् । हाल गूगलले जेमिनी एप र सर्चमा “एआई मोड” मार्फत जेमिनी ३.५ फ्ल्यास मोडेल विश्वभर सबैका लागि रोल आउट गर्दैछ । यो डेभलपरहरूका लागि एंटीग्रैविटी प्लेटफर्ममा तथा जेमिनी एप्लिकेशन प्रोग्रामिङ इन्टरफेस (एपीआई) मार्फत एआई स्टुडियो र एन्ड्रोइड स्टुडियो मा पनि उपलब्ध छ ।

गूगलका अनुसार, जेमिनी ३.५ फ्ल्यासले “आधाभन्दा कम लागतमा, प्रतिस्पर्धी फ्रन्टियर मोडेलहरूको तुलनामा ४ गुणा छिटो गति सहित फ्रन्टियर-स्तरको प्रदर्शन” दिन्छ । आन्तरिक मूल्याङ्कनका आधारमा कम्पनीको दाबी छ कि एजेन्टिक प्रदर्शनका लागि “एमसीपी एटलस” र “टूलाथलोन” बेन्चमार्कहरूमा जेमिनी ३.५ फ्ल्यासले क्लोड सॉनेट ४.६, क्लोड ओपस ४.७ र जीपीटी-५.५ लाई पछि पार्छ । साथै, यो वित्तीय विश्लेषणका लागि “फाइनान्स एजेन्ट v2”, मल्टिमोडल बुझाइका लागि “एमएमएमयू प्रो” र लामो कन्टेक्स्ट सूचना प्रशोधनका लागि “एमआरसीआर v2” (१ मिलियन प्वाइन्टवाइज) मा पनि यी मोडेलहरूभन्दा राम्रो प्रदर्शन गर्छ ।

जेमिनी ३.५ फ्ल्यासले आउटपुट जेनेरेसनका लागि प्रति सेकेन्ड २८९ टोकनको गतिसहित क्लोड ओपस ४.७ र जीपीटी-५.५ लाई धेरै पछि पार्ने बताइएको छ । कम्पनीले भन्यो, “जेमिनी ३.५ फ्ल्यास हाम्रो अहिलेसम्मको सबैभन्दा शक्तिशाली एजेन्टिक र कोडिङ मोडेल हो, जसले चुनौतीपूर्ण कोडिङ र एजेन्टिक बेन्चमार्कहरूमा जेमिनी ३.१ प्रो भन्दा राम्रो प्रदर्शन गर्छ ।”

यी सङ्ख्याहरूभन्दा अलग, यस मोडेलको सबैभन्दा ठूलो विशेषता यसको एजेन्टिक प्रदर्शन देखिन्छ । कम्पनीले जोड दियो कि यो मोडेलले एंटीग्रैविटी प्लेटफर्ममा पहुँच गरेर केवल १२ घण्टामै पूर्ण रूपमा कार्यशील एउटा अपरेटिङ सिस्टम बनाउन सफल भयो । यसका लागि समानान्तर रूपमा ९३ वटा एजेन्ट प्रयोग गरियो र एपीआई लागतमा १,००० डलरभन्दा कम खर्च भयो ।

अब जेमिनी ओम्नी को कुरा गर्दा, यो गूगलको पहिलो भिडियो जेनेरेसन मोडेल हो, जसले एकै प्रम्प्टमा मल्टिमोडल इनपुटलाई संयोजन गर्न सक्छ । यसको अर्थ, एउटै प्रम्प्टमा भिडियो, अडियो, टेक्स्ट र इमेजहरू समावेश गर्न सकिन्छ र यसले जे पनि सिर्जना गर्न सक्छ । यद्यपि, त्यो “जे पनि” भित्र के के पर्छ भन्ने कुरा अहिले स्पष्ट छैन, तर हाल ओम्नी फ्ल्यास मोडेललाई भिडियो जनरेट गर्न प्रयोग गरिँदैछ । यसले प्रयोगकर्तालाई कुराकानीमार्फत भिडियो सम्पादन गर्ने सुविधा पनि दिन्छ । यो मोडेल क्यारेक्टरहरू, वस्तुहरू र पृष्ठभूमिसहित विशिष्ट तत्वहरू परिवर्तन गर्न पनि सक्षम छ ।

जेमिनी ओम्नी फ्ल्यास हाल जेमिनी एप र गूगल फ्लो मार्फत विश्वभर गूगल एआई प्लस, प्रो र अल्ट्रा सब्सक्राइबरहरूका लागि रोल आउट भइरहेको छ । यसका साथै, यो यही हप्तादेखि युट्युब शर्ट्स र युट्युब क्रिएट एप मा प्रयोगकर्ताहरूका लागि निःशुल्क रूपमा रोल आउट हुन थालेको छ ।