gemini-robotics-er-2-preview
Rede Neural
Especificações
- Entrada
- texto, imagens, documentos
- Saída
- texto
- Tamanho do contexto
- 131 072 tokens
- Comprimento máximo de resposta
- 32 000 tokens
- Recursos
- Batch API
Custo do prompt
(por 1M tokens)
Custo da resposta
(por 1M tokens)
Prompt de imagem
(por 1K tokens)
Como funciona gemini-robotics-er-2-preview?
Perguntas frequentes sobre gemini-robotics-er-2-preview
Você pode usar os resultados da geração para fins comerciais. Todos os direitos sobre o conteúdo criado pertencem a você. A única restrição: certifique-se de que a solicitação não inclua materiais de terceiros protegidos por direitos autorais. A responsabilidade pelo cumprimento dos direitos sobre os dados de entrada é do usuário.
O modelo do Google aceita texto, imagens e documentos como entrada e responde com texto. A janela de contexto é de 65.536 tokens, portanto, um documento volumoso ou uma série de quadros caberá em uma única solicitação. É adequado para análise de imagens, extração de dados de arquivos e análise textual de material visual.
O limite de uma única resposta é de 32.000 tokens, o que equivale a algumas dezenas de páginas. É mais do que suficiente para a maioria das tarefas: análise detalhada de documentos, resumos longos, descrição estruturada de uma série de imagens. Se precisar de um volume maior, divida o trabalho em solicitações sequenciais — o contexto de 65.536 tokens é suficiente para isso.
Em nossos dados, não há uma marcação específica sobre um modo de raciocínio, por isso não podemos prometer isso. No entanto, nada impede que você peça ao modelo para analisar a tarefa passo a passo diretamente no prompt — assim, as respostas geralmente ficam mais precisas. A maneira mais fácil de verificar é com seu próprio exemplo.
Não há indicações sobre chamada de funções e modo JSON estrito em nossos dados, portanto, não podemos garantir isso. Você pode solicitar o formato desejado com uma instrução comum no prompt e a descrição do esquema. O modelo está disponível através da API unificada compatível com OpenAI do BotHub, então testar seu cenário leva apenas alguns minutos.
Imagens e documentos — sim, esses são formatos de entrada confirmados: você pode enviar um quadro, digitalização ou arquivo e obter uma análise textual. Áudio e vídeo não estão listados nos formatos de entrada suportados, portanto, para som e vídeos, é melhor escolher outro modelo — alternar em uma única janela do BotHub é rápido.
Não temos dados sobre os idiomas de prompt e resposta, por isso não faremos afirmações sobre o russo — isso só pode ser verificado na sua tarefa. O que é certo: interface e pagamento em rublos, acesso a partir da Rússia sem VPN ou cartão estrangeiro, pagamento por uso de tokens.