Google đã chính thức phát hành hai phiên bản ổn định của mô hình API Gemini 1.5 dành cho các nhà phát triển, hứa hẹn mang lại hiệu suất vượt trội và giảm chi phí sản xuất ứng dụng.
Vào ngày 24 tháng 9, Google công bố ra mắt phiên bản ổn định của Gemini 1.5 Pro (gemini-1.5-pro-002) và Gemini 1.5 Flash (gemini-1.5-flash-002). So với các mô hình trước đó, Gemini 1.5 đã chứng kiến sự cải tiến rõ rệt trong các lĩnh vực như tạo mã, toán học, lý luận, và phân tích video, bên cạnh nhiều nâng cấp khác.
Mô tả mô hình Google Gemini 1.5 Flash và Pro. Nguồn: Google AI for Developers
Giảm bớt rào cản tài chính cho các nhà phát triển
Google đã giảm giá mô hình Gemini 1.5 Pro hơn 50% so với các phiên bản thử nghiệm trước đó, đồng thời tăng tốc độ giới hạn lên gấp ba lần và giảm độ trễ so với các phiên bản cũ.
Theo thông báo phát hành của Google, cả hai mô hình Gemini 1.5 đều mang lại những cải tiến đáng kể về tính thực tiễn và giảm thiểu ảo giác mô hình, đồng thời nâng cao khả năng tuân theo hướng dẫn, hiểu biết đa ngôn ngữ (102 ngôn ngữ), tạo SQL, cũng như khả năng xử lý âm thanh và tài liệu.
So sánh hiệu suất của các bản phát hành mẫu Gemini 1.5 mới và cũ. Nguồn: Google AI for Developers
Google đã giảm độ dài tóm tắt cho cả hai mô hình và khuyến nghị các nhà phát triển áp dụng các tùy chọn dựa trên trò chuyện để tăng cường khả năng tương tác của API.
Từ ngày 1 tháng 10, giá cho API Gemini 1.5 Pro sẽ được điều chỉnh, với mức giảm 64% cho token đầu vào, 52% cho token đầu ra, và 64% cho token được lưu trong bộ nhớ đệm gia tăng, cho các yêu cầu dưới 128.000 token.
“Để giúp các nhà phát triển dễ dàng hơn trong việc xây dựng với Gemini, chúng tôi sẽ tăng giới hạn mức giá trả phí cho Gemini 1.5 Flash lên 2.000 RPM và Gemini 1.5 Pro lên 1.000 RPM, so với mức 1.000 và 360 RPM trước đây.”
Google cũng đã công bố phiên bản thử nghiệm Gemini 1.5 Flash-8B, một phiên bản nhỏ hơn với số điểm chuẩn thấp hơn, nhưng vẫn bao gồm những cải tiến đáng kể về hiệu suất cho cả ứng dụng văn bản và đa phương thức.
Tất cả các phiên bản hiện đã có sẵn tại Google AI Studio và Gemini API.
Trong khi đó, OpenAI, đối thủ lớn nhất của Google trong lĩnh vực trí tuệ nhân tạo, đã bắt đầu triển khai tính năng “Advanced Voice” (giọng nói nâng cao) cho một số người dùng ChatGPT. Tính năng này cho phép giao tiếp với AI trở nên nhanh chóng và trực quan hơn, với năm giọng nói mới được bổ sung cho các tùy chọn hiện có.
Trong thông báo ngày 24 tháng 9 trên X, OpenAI cho biết:
“Advanced Voice sẽ được triển khai cho tất cả người dùng gói Plus và Team trong ứng dụng ChatGPT trong tuần này.”
Công ty cũng đùa rằng tính năng này có khả năng nói “Xin lỗi, tôi đến trễ” bằng hơn 50 ngôn ngữ, ám chỉ đến sự chậm trễ trong việc phát hành tính năng giọng nói, vốn đã được lên kế hoạch từ đầu năm nay.
Chế độ Advanced Voice là bản cập nhật cho phiên bản 4.0 mới nhất của ChatGPT, cho phép giao tiếp nhanh chóng và trực quan hơn với mô hình, đồng thời tích hợp nhiều cải tiến giúp tương tác giống con người hơn.
OpenAI đã giới thiệu năm giọng nói mới: Arbor, Maple, SXol, Spruce và Vale, bổ sung vào các tùy chọn giọng nói hiện có như Breeze, Juniper, Cove và Ember. Người dùng gói ChatGPT Plus và Team sẽ được cấp quyền truy cập theo từng giai đoạn vào các giọng nói này, nhằm làm cho cuộc trò chuyện trở nên tự nhiên hơn, bao gồm cả khả năng cho phép người dùng ngắt lời và chuyển chủ đề giữa chừng.