Vous pouvez utiliser les résultats générés à des fins commerciales. Tous les droits sur le contenu créé vous appartiennent. Seule restriction : vérifiez que la requête ne contient pas de contenus protégés par le droit d'auteur appartenant à des tiers. Le respect des droits sur les données d'entrée relève de votre responsabilité.

Il s'agit d'un modèle textuel de Google avec un contexte d'un million de jetons. Il analyse de longs documents et des bases de code, écrit et refactorise du code, aide au débogage, répond aux questions sur les fichiers et images téléchargés, et fonctionne avec l'appel de fonctions dans vos services.

En une seule réponse, le modèle génère jusqu'à 32 000 jetons, ce qui suffit pour un long article, une analyse détaillée de document ou un gros fichier de code. Si vous avez besoin de plus de volume, divisez la tâche en plusieurs parties : le contexte d'un million de jetons permet de conserver l'intégralité de la conversation.

Dans nos données, aucun mode de raisonnement distinct n'est indiqué pour ce modèle ; il répond immédiatement, ce qui offre une grande vitesse. Cependant, vous pouvez lui demander de détailler la solution étape par étape directement dans le prompt : pour les tâches de mathématiques, de logique et STEM, cela améliore généralement le résultat de manière significative.

Oui, l'appel de fonctions et la sortie JSON structurée sont pris en charge. Le modèle se connecte à vos outils, renvoie une réponse selon le schéma défini et s'intègre parfaitement dans les pipelines. Grâce à l'API BotHub compatible OpenAI, vous pouvez passer à un autre modèle sans réécrire l'intégration.

En entrée, en plus du texte, le modèle accepte des images et des documents, les fichiers étant traités nativement sans reconnaissance séparée. L'audio et la vidéo ne sont pas indiqués dans nos données ; pour la transcription ou l'analyse d'enregistrements, il est donc plus pratique d'utiliser un modèle spécialisé dans BotHub, accessible dans la même fenêtre.

La famille Gemini est multilingue par conception, et en pratique, le modèle fonctionne de manière fiable en russe : il répond sur la base de documents, écrit du code et explique les solutions. Nous ne disposons pas de données précises sur les langues, donc le meilleur moyen est de tester sur vos tâches dans BotHub et de comparer avec d'autres modèles dans la même fenêtre.